Afin d’analyser les consommations énergétiques d’un parc immobilier, il est parfois nécessaire de collecter des dizaines de milliers de données. Le volume et la finesse des données énergétiques, patrimoniales et techniques rendent l’analyse sur Excel peu optimale, voire risquée. Voici quatre bonnes raisons de mettre de côté Excel au profit des logiciels de data-analytics.


1 – Croiser des variables facilement pour comprendre sa consommation

Les consommations énergétiques sont impactées par de nombreuses variables ou combinaisons de variables (météo, comportements des utilisateurs, horaires d’ouverture, taux de vacance, niveau d’optimisation des équipements, type de construction…). La difficulté de croiser l’ensemble de ces variables sur Excel pour déterminer les plus impactants rend l’analyse quasiment impossible (comment représenter graphiquement par exemple une consommation moyenne fonction de plus de 15 variables différentes quantitatives mais aussi qualitatives ?).

2 – Actualiser fréquemment de gros jeux de données

Pour bénéficier de données énergétiques toujours plus actualisées et précises, des relevés à intervalles réguliers sont réalisés directement via les données « aspirées » dans les factures énergétiques ou sur les compteurs des bâtiments. Ce process de collecte automatique requiert des opérations récurrentes. Quiconque a déjà utilisé Excel pour traiter des masses importantes de données (tableau de milliers de lignes, feuille de calcul à onglets multiples, macro…) connaît les risques auxquels il s’expose :

    • lenteurs,
    • bugs fréquents,
    • perte des données déjà traitées.

A lire également : Un tour du monde sans pétrole grâce au data-analytics


3 – Gagner du temps et éviter les erreurs

L’utilisation de tableaux excel implique souvent une saisie manuelle des données, opération aussi longue que fastidieuse. Le risque d’erreur est d’autant plus élevé que le nombre de données à saisir est important. Les logiciels de data-analytics (comme l’ETL) automatisent la collecte des données et réduisent le risque d’erreur. Les collaborateurs peuvent alors être affectés à des missions à plus forte valeur ajoutée : analyses, projections, recommandations, actions de pédagogie…

4 – Passer d’une analyse du passé à une projection du futur

Les tableurs excel permettent d’analyser la donnée énergétique a un instant T. S’il est possible de pointer les écarts de consommation a posteriori, un tableur ne permet pas d’agir par anticipation. En revanche, les logiciels de data-analytics (comme les modèles prédictifs), contrairement à Excel, offrent la possibilité de prédire le futur en s’entraînant sur les données du passé.

Gain de temps, pertinence de l’analyse, vision prospective… Les logiciels de data-analytics peuvent constituer un puissant moyen pour les gestionnaires immobiliers qui traitent de grandes quantités de données. Qu’en pensent les concernés ? Dans un prochain article, on posera la question à Benjamin MERCURIALI.


Pour aller plus loin :


Pour recevoir tous les mois les articles de Datanergy, inscrivez-vous !

Antoine Wolff

Publié par Antoine Wolff

Directeur de projets