Depuis la loi Grenelle II, les sociétés foncières sont soumises à une obligation de reporting concernant leur politique RSE (responsabilité sociétale des entreprises). Et ce n’est pas toujours facile ! Entre les parties privatives et collectives, la collecte de données est particulièrement complexe dans l’immobilier. Comment établir votre rapport annuel sans y passer un temps fou ? Le data mapping et la prédiction de données pourraient vous être d’un grand secours…


Étape 1 : faire un état des lieux des données disponibles grâce au data mapping

Au niveau d’un bâtiment ou à l’échelle d’un parc immobilier, la collecte des données est toujours problématique pour les foncières. Pour chacun des bâtiments, les propriétaires rencontrent les difficultés suivantes :

Sur les parties communes

  • Une multitude de fournisseurs qui utilisent des modes de facturation et des formats de données différents.
  • La lecture des factures d’énergie ne permet pas toujours de déterminer facilement la répartition des lots au sein d’un même bâtiment. Par exemple, un même compteur peut être relié à plusieurs lots à la fois.
  • Des contraintes techniques : absence d’espace client, compteurs multiples…
Sur les parties privatives
  • Il faut recueillir les informations relatives aux consommations de chaque locataire chaque année.
  • Les locataires ne sont pas obligés de communiquer ces informations.
  • La collecte doit recommencer à chaque changement de locataire.

La collecte des données étant déjà très complexe au niveau d’un bâtiment, cette difficulté est largement décuplée à l’échelle du parc face à la multitude des cas de figure différents. Obtenir une vision globale de la situation énergétique au niveau d’un ensemble immobilier suppose de prendre en compte la multiplicité des postes énergétiques (électricité, gaz, eau, déchets…) et des fournisseurs d’énergie. Le manque de visibilité globale sur les fournisseurs, les prestataires et les décisionnaires ainsi que l’hétérogénéité des données due à l’absence de standardisation des factures contribuent également à complexifier le processus de collecte des données à l’échelle d’un parc immobilier.

La solution : le data mapping

Ce travail chronophage et laborieux peut être simplifié par la mise en place d’un data mapping. Le data mapping permet d’établir un état des lieux de la consommation énergétique de chaque client au sein d’un bâtiment ou à l’échelle d’un parc immobilier. Il s’agit de collecter automatiquement et fiabiliser les données de consommation de chaque compteur existant et de les associer au bon périmètre de reporting (lot, immeuble, fonds, parc). Ainsi, on obtient une photographie claire de son parc.

Étape 2 : collecter et centraliser les données disponibles

Automatiser la collecte des données

Bien qu’il soit relativement aisé d’automatiser la collecte des données sur les parties communes, la collecte des parties privatives constitue un véritable défi pour les gestionnaires de parc immobilier. Il s’agira ici de parvenir à automatiser la collecte des données sur parties privatives grâce à la signature d’une lettre de mandat pour chaque locataire afin de ne les solliciter qu’une seule fois pour obtenir leur accord et ainsi faciliter le processus de collecte.

Une fois les données collectées, il s’agira ensuite d’homogénéiser l’information et la mettre à disposition des gestionnaires de manière lisible et facilement interprétable pour minimiser le temps d’analyse.

Centraliser et identifier les données manquantes

La centralisation des données au sein d’un outil unique permet d’obtenir une vision globale de toutes les données à disposition et d’étudier la complétude des données. Il devient alors possible de déterminer un taux de fiabilité des indicateurs.

En effet, il est fréquent d’avoir plusieurs compteurs dans le même bâtiment, mais on ne sait pas toujours où ils se trouvent et comment ils se répartissent : les données ne sont pas toutes fiables car les fournisseurs donnent alors des estimations. De plus, les consommations des données privatives sont difficiles à recueillir auprès des locataires qui ne sont pas tenus de les communiquer. Outre la fiabilité de la donnée, il faut donc résoudre un problème de données manquantes.

Étape 3 : prédire les données manquantes

Qu’elle soit automatique ou manuelle, la collecte de données n’est jamais complète à 100 % : à cause d’une absence de facture, d’un relevé manquant, d’un changement de locataire ou de résidents opposés à la communication des informations… Afin de pouvoir faire un bilan complet et homogène sur l’ensemble du parc immobilier, il est nécessaire de combler les vides.

La prédiction de données : une méthode fiable et efficace

La prédiction se base sur des consommations antérieures et/ou postérieures à la période sur laquelle il manque des données pour combler les vides à partir d’algorithmes. En effet, en se basant sur les données déjà disponibles, un algorithme est capable de prédire les données manquantes. Ainsi, grâce aux algorithmes, les bases de données sont complétées intelligemment, au plus près de la réalité.

À lire également : Foncières – Qu’est-ce que la prédiction de données et pourquoi votre directeur.rice RSE ne pourra plus s’en passer

En bref : les avantages de la data mise au service de votre reporting RSE

  • Une collecte des données fiable et automatisée
  • Une vision globale du parc
  • Des locataires moins sollicités
  • Moins de stress et un gain de temps pour l’équipe RSE
  • Une capacité d’analyse maximisée

Grâce à l’automatisation du processus avec un algorithme, on peut minimiser les risques d’erreurs par rapport à un travail manuel. Avec l’automatisation de la collecte et du calcul de données, le rapport RSE devient plus fiable et moins stressant à réaliser pour le gestionnaire chargé de sa réalisation.

Le traitement et la collecte des données RSE dans l’immobilier représentent un travail complexe qui peut vite devenir un casse-tête pour les gestionnaires. Heureusement, il existe aujourd’hui des solutions comme le data mapping et la prédiction de données qui facilitent la tâche des foncières lors de leur reporting annuel RSE, en leur apportant la fiabilité et l’efficacité dont elles ont besoin.

Alan Floch

Publié par Alan Floch

Chef de Projets chez Deepki.