De vijf datasets waarmee MRA-E en de deelnemende gemeenten dagelijks werken zijn:
- Laaddata: informatie over het gebruik van een laadpaal;
- Gebruikersinformatie: waar staat de paal, is die beschikbaar, wat kost laden?
- Statusinformatie: waar zijn palen in voorbereiding en bij wie ligt de actie?
- Assetregistratie: registratie van hardware, software en storingen;
- Plannen en prognoses: waar is in de toekomst laadinfrastructuur nodig?
MRA-E maakt slim gebruik van deze vijf datasets om het elektrisch rijden te stimuleren. Zo is het dankzij onze analyse van de laaddata voor gemeenten eenvoudig om de laadbehoefte in beeld te brengen en het laadnetwerk datagestuurd uit te breiden. Precies op het goede moment en precies daar waar behoefte is.
Toch kan het nog beter, want de vijf dataset zijn op een ‘natuurlijke manier’ met het e-rijden meegegroeid en staan nog grotendeels los van elkaar. Het koppelen en delen van datasets kan helpen om het datagestuurd werken naar een hoger plan te tillen. Zo kunnen we de sterke groei van het e-rijden nog beter faciliteren én sturen. Door bijvoorbeeld informatie over storingen te delen, kunnen we e-rijders beter informeren. En als we het gebruik van data koppelen aan de techniek van een laadpaal, hebben we beter in beeld waar slim laden kansrijk is.
Omdat e-rijden niet ophoudt bij de landsgrenzen, gaan we ook op Europese schaal data delen. Bijvoorbeeld in het kader van het Data Cellar-project voor lokale energiecoöperaties in Europa. Dat geeft energiecoöperaties een stevige basis om de groei van het e-rijden verder te faciliteren.
Ook de Nationale Agenda Laadinfrastructuur (NAL) onderkent de waarde van datagestuurd werken. MRA-E werkt daarom binnen de NAL aan een toekomstbestendig systeem waarin de datasets samen een solide basis voor verschillende toepassingen vormen. Op dit moment brengen we met de NAL-partners in kaart wat de wensen, knelpunten en kansen zijn. Welke data hebben we nu en in de toekomst nodig, en wat is beschikbaar? Wat is het passende schaalniveau, de juiste zeggenschap en standaardisatie? Hoe scherper het antwoord op die vragen, hoe groter het succes dat overheid en markt straks van het datagestuurd werken kunnen maken.