Analys

Förbrukning per fastighet, mätpunkt, energislag och period — i en pivottabell du själv bygger, med AI-rimlighetsanalys som flaggar det som avviker.

Analysfönstret är den fria utforskningsytan över importerade förbruknings- och kostnadsdata. Dra mätpunkt till rader, månader till kolumner, kWh till värden — och se siffrorna placera sig.

Drag-and-drop som tidigare

Som Pivotanalysen i redovisningen: fyra zoner (rader, kolumner, filter, värden). Drag fält dit du vill ha dem — datan organiseras direkt.

Diagrammet bredvid tabellen

Analys-fliken ritar upp samma urval som staplar. Som standard ligger belopp och temperatur i värdeområdet samtidigt, så kostnaden per mätpunkt och månad står som staplar mot utetemperaturen som linje. Det är där sambandet syns: en stapel som reser sig utan att kurvan faller är inte väderdriven.

Beloppsserierna kan visas som stapel, linje eller area. Temperaturen ritas alltid som linje, oavsett val.

Mätpunkterna sorteras på belopp fallande, så det som kostar mest ligger överst och nollrader sist.

Filtrera bort småbeloppen

Ett reglage i verktygsraden sätter en undre beloppsgräns, och räknaren visar hur många mätpunkter som är kvar av det totala antalet. Med hundratals mätpunkter är det så du får bort bruset innan du börjar läsa.

Spara din layout

Har du byggt en vy du vill tillbaka till sparar du den med namn och plockar fram den ur listan nästa gång. Uppföljningen behöver då inte byggas om varje månad.

Visa både förbrukning och kostnad

Värden som går att dra in:

• Belopp i kronor, summerat
• Förbrukning i kWh eller annan enhet
• Flöde i m³
• Avkylning i kWh/m³
• Snittpris per kWh
• Temperatur i grader, som medelvärde

Visa dem sida vid sida, så räknas enhetspriset fram utan att du behöver dividera själv.

Filtrera per fastighet, mätpunkt eller bolag

• Per fastighet — jämför hela byggnader
• Per mätpunkt — gå in på lokalnivå
• Per energislag — el, värme, vatten separat
• Per år — hela året, eller specifika månader
• Per bolag — för organisationer med flera bolag

Trend och avvikelse

Jämför två perioder — t.ex. januari 2026 mot januari 2025. Avvikelse i procent visas direkt. Stor ökning utan motsvarande verksamhetsförändring? Värt att gräva i.

Väderkompenserat förväntat värde

För fjärrvärme, gas och fjärrkyla räknar Amber ut ett temperaturjusterat förväntat värde för månaden — baserat på SMHI:s månadsmedeltemperaturer för fastighetens ort. En kall mars som tidigare triggade falsklarm visar nu en mycket mindre avvikelse, eftersom graddagskvoten förklarar bort den.

Modellen är pedagogisk: “januari var 3 °C kallare än fjolår — förväntat högre förbrukning, faktisk avvikelse mot förväntat 12 % i stället för 38 %”. Du jagar inte längre kalla månader. El visas separat eftersom temperaturkänsligheten varierar — en el-mätare kan vara värme, kyla eller verksamhet.

AI-rimlighetsanalys

Vid sidan av den deterministiska väderkompensationen körs en AI-motor som bedömer varje mätpunkt mot sitt historiska mönster och flaggar Hög/Medel-larm. Du ser båda värdena sida vid sida — AI:ns bedömning och den fasta formelns siffra — så du kan jämföra och förstå.

Mätpunkter med stor procentuell avvikelse men obetydliga belopp filtreras bort automatiskt (kronor-golv, standard 500 kr). En 100 %-avvikelse på 4 kr är inget värt att läsa.

Resultatet visas som en sammanfattning direkt i analysvyn. Larmade mätpunkter kan exporteras till Excel för vidare hantering eller rapportering.

Du behöver dock inte öppna analysvyn för att få veta att något avviker. Samma analys ligger bakom Avvikelseutskicket, som hör av sig av sig själv när det finns något att titta på och är tyst annars. Analysvyn är där du gräver i en avvikelse, inte där du letar efter den.

Export

Hela analysen exporteras till Excel. Bra till styrelseunderlag eller miljöredovisning. Larmade rader från AI-analysen kan exporteras separat.