Série: Aproximace PENB štítku – zkušenosti z budování veřejné aplikace
Cíl série:
Popsat projekt od problému přes data a model až po veřejné nasazení tak, aby bylo jasné, kde se potkává data science, produktové myšlení a kvalitní implementace.
Navazující díly
- Proč nestačí čekat na formální audit – kdy je orientační výpočet užitečnější než čekání.
- Jak z běžných spotřeb vznikne validní vstup – co je potřeba připravit dřív, než model začne počítat.
- Počasí, topná sezona a RC model bez magie – kde se potkává doménová logika a data.
- Jak z výpočtu udělat aplikaci pro běžného uživatele – proč UX není kosmetika.
- Nasazení, limity a co by přišlo dál – co funguje dnes a co by mělo přijít v další iteraci.
Díl 1: Proč nestačí čekat na formální audit
Kde vznikl skutečný problém
Formální PENB dává smysl ve chvíli, kdy člověk řeší právní povinnost nebo finální dokument pro prodej či pronájem. Jenže většina rozhodnutí vzniká dřív.
Člověk chce vědět:
- jestli je jeho spotřeba normální,
- zda má smysl investovat do úprav bytu,
- jestli je konkrétní byt podezřele energeticky náročný,
- zda má smysl pokračovat v hlubší analýze.
Právě v této fázi bývá formální audit příliš pomalý. Potřebujete rychlý, ale stále obhajitelný signál.
Nejtěžší není výpočet, ale správné zadání problému
Na podobných projektech je dobře vidět rozdíl mezi technicky zajímavým modelem a prakticky užitečným produktem.
Technická otázka zní:
Dá se z provozních dat aproximovat energetická náročnost bytu?
Produktová otázka zní jinak:
Dá se člověku rychle a srozumitelně pomoci rozhodnout, zda má smysl řešit byt podrobněji?
To druhé je důležitější. Aplikace proto nevznikla jako náhražka certifikovaného PENB, ale jako nástroj pro první orientaci.
Proč provozní data dávají smysl
Lidé často nemají po ruce technickou dokumentaci budovy, ale mají:
- účty a spotřebu,
- základní parametry bytu,
- informaci o zdroji vytápění,
- přibližnou představu o tom, jak byt používají.
To není perfektní dataset. Ale je to dataset, který opravdu existuje. A dobrý produkt často začíná právě tam, kde jsou data reálně dostupná, ne tam, kde by byla ideální.
Co musí podobný nástroj splnit
Pokud má být aplikace užitečná, musí splnit čtyři podmínky:
- být rychlá, aby pomáhala ještě před formálním auditem,
- být srozumitelná, aby výsledek nebyl jen další technická bariéra,
- otevřeně přiznávat omezení, protože nejistotu nelze skrýt,
- být veřejně dostupná, aby bylo možné princip okamžitě ukázat v praxi.
To je zároveň důvod, proč projekt neskončil jako skript v notebooku. Od začátku směřoval k aplikaci.
Hodnota pro uživatele není v čísle, ale v rozhodnutí
Samotná energetická třída je jen část výsledku.
Větší hodnotu má to, že aplikace pomáhá odpovědět na praktické otázky:
- má smysl pokračovat v due diligence,
- je spotřeba konzistentní s parametry bytu,
- je vhodné plánovat rekonstrukci,
- stojí za to objednat detailní audit.
Jinými slovy: projekt je zajímavý tím, že převádí nejasná provozní data do akčního rámce pro další krok.
Co bude dál
V dalším díle se podívám na to, proč je u podobné aplikace kritické správně připravit vstupní data, jak oddělit topení od běžného provozu a proč validace vstupů často rozhoduje víc než samotná optimalizace modelu.
