Doelgericht woningen renoveren is mogelijk met big data. Door op slimme wijze te kijken naar eenvoudig te achterhalen cijfers kan een renovatie van 16 procent van de woningen het gasverbruik in een stad met 40 procent omlaag brengen, zo becijferde het Massachussetts Institute of Technology.

De onderzoekers bekeken gebieden in universiteitsstad Cambridge en Boston. Daarbij gebruiken ze drie gegevensstromen om de meest energieverbruikende woningen te selecteren: de gasrekening van de bewoners, het volume van een huis en de temperatuur van dag tot dag. Met die drie datapakketjes konden ze vrij volledig achterhelen wat de meest onzuinige huizen zijn die dus het meeste baat  hebben bij isolatie of andere energiebesparende verbouwingen.


CO2-uitstoot

Aangezien stookkosten in de Verenigde Statenvoor 20 procent van de CO2-uitstoot zorgt, kan deze aanpak flinke gevolgen hebben. De analyse maakt gebruik van bestaande, algemeen toegankelijke  gegevens waarvoor niet bij elk individueel huis gemeten hoeft te worden. Dat bespaart tijd en maakt het voor gemeenten mogelijk snel een analyse van de energiehuishouding van het woningbestand te maken.

Volgens de onderzoekers zou een nauwkeuriger energieprofiel wel 80 variabelen hebben, die dan allemaal uitgezocht moeten worden. Na een zorgvuldige schifting in die gegevens kwamen ze uit op acht variabelen voor een nauwkeurige meting van energieverbruik, maar met drie variabelen was al 80-90 procent van het verbruik te verklaren.


Big data

Het MIT-onderzoek is een voorbeeld van big data-gebruik. Door aparte gegevensstromen met elkaar te combineren, ontdekken de analysten nieuwe, nuttige dingen over een stad. Hoewel dit nu nog puur wetenschappelijke spielerei is (de onderzochte steden doen vooralsnog niks met de conclusies) laat het wel zien wat big data in de toekomst voor steden kan betekenen.

Openingsfoto: kaart van Cambridge, met de roodgekleurde gebouwen als aandachtspunten. De energiehuishouding daar verbeteren zorgt voor grote besparingen op stedelijke stookkosten. Credit: MIT