Primaire vs. secundaire data VSME: praktijkvoorbeelden per sector

Waarom praktijkvoorbeelden, naast de uitleg

Ons artikel over primaire vs. secundaire data legt uit wát het onderscheid is en waarom het telt voor de auditor van uw klant. Dit artikel laat zien hoe groot het verschil in de praktijk daadwerkelijk uitpakt, met drie rekenvoorbeelden uit verschillende sectoren.

Belangrijk vooraf: de cijfers hieronder zijn ter illustratie, geen officiële emissiefactoren. verified.supply bouwt bewust géén ingebouwde sectorbenchmarks in — u vult in de rekenhulp van de wizard uw eigen activiteitsdata, uw eigen factor en de bron van die factor in (bijvoorbeeld van co2emissiefactoren.nl of een leveranciersfactuur). De voorbeelden hieronder tonen het principe, niet een voorgeschreven getal.

Voorbeeld 1 — Transport: eigen brandstofverbruik vs. een generieke tonkm-factor

Een transporteur rijdt jaarlijks 45.000 km met een 18-tons vrachtwagen voor een vaste klant. Zonder eigen cijfers valt de klant terug op een generieke sectorfactor per tonkilometer — bijvoorbeeld (illustratief) 0,12 kg CO2e per tonkm, vermenigvuldigd met het vervoerde gewicht en de afstand. Voor 45.000 km met gemiddeld 12 ton lading komt dat uit op ruwweg 64,8 ton CO2e per jaar.

Levert de transporteur in plaats daarvan zijn eigen brandstofverbruik aan — bijvoorbeeld 16.500 liter diesel per jaar, rechtstreeks uit de eigen tankkaartadministratie — dan berekent de rekenhulp de uitstoot met een erkende dieselfactor (bijvoorbeeld 2,68 kg CO2e per liter, bron: co2emissiefactoren.nl). Dat komt uit op ongeveer 44,2 ton CO2e: aanzienlijk lager dan de generieke schatting, omdat die laatste behoudend naar boven is afgerond om een worst-case scenario te dekken.

Voor de klant maakt dit verschil rechtstreeks uit: dezelfde rit telt nu als primaire data in plaats van een schatting, en het werkelijke cijfer is meetbaar lager dan de generieke aanname — precies het soort verbetering dat een CSRD-rapportage jaar op jaar moet laten zien.

Voorbeeld 2 — Energie: uw eigen energiecontract vs. de nationale reststroommix

Een productiebedrijf verbruikt 120.000 kWh elektriciteit per jaar. Zonder verdere informatie gebruikt de klant voor scope 2 location-based (B3.7) de nationale reststroommix — bijvoorbeeld (illustratief) 0,33 kg CO2e per kWh — goed voor ongeveer 39,6 ton CO2e.

Heeft de leverancier een eigen energiecontract met Garanties van Oorsprong (bijvoorbeeld 100% windenergie), dan blijft het location-based cijfer (B3.7) ongewijzigd — dat is nu eenmaal gebaseerd op het nationale net — maar komt daar een market-based cijfer (X1.2) bij dat wél de eigen inkoop weerspiegelt, en voor 100% hernieuwbare stroom met geldige GvO's richting nul gaat.

Dit is precies waarom de VS-Standaard beide vraagt: B3.7 (location-based) laat zien wat het net gemiddeld levert, X1.2 (market-based) laat zien wat u zelf heeft ingekocht. Een leverancier die alleen B3.7 aanlevert, mist de kans om zijn eigen duurzame energiekeuze zichtbaar te maken.

Voorbeeld 3 — Grondstoffen: een productspecifieke factor vs. een spend-based schatting

Een metaalverwerker koopt jaarlijks 8 ton staal in, ter waarde van €24.000. Zonder productdata valt de klant terug op een spend-based schatting: inkoopbedrag × een generieke branchefactor per bestede euro — bijvoorbeeld (illustratief) 0,85 kg CO2e per euro, goed voor ongeveer 20,4 ton CO2e.

Levert de metaalverwerker in plaats daarvan de eigen inkoopfactuur met een productspecifieke CO2-factor van de staalproducent (bijvoorbeeld uit een Environmental Product Declaration), dan hangt het resultaat af van het productieproces: gerecycled staal via een elektrische boogoven heeft doorgaans een aanzienlijk lagere factor per ton dan staal via een hoogoven met primair ijzererts — in dit voorbeeld (illustratief) 1,1 ton CO2e per ton staal, dus 8,8 ton CO2e in totaal.

Het verschil tussen de spend-based schatting (20,4 ton) en de productspecifieke primaire data (8,8 ton) is in dit voorbeeld meer dan een factor 2 — en dat verschil is precies wat een spend-based methode structureel niet kan laten zien: twee staalinkopen van dezelfde waarde kunnen een heel andere voetafdruk hebben, afhankelijk van het productieproces.

Wat dit betekent voor uw klant

In alle drie de voorbeelden verandert er iets fundamenteels: de data telt niet langer als secundair (een schatting die voor elke vergelijkbare leverancier hetzelfde uitpakt), maar als primair — herleidbaar tot uw eigen activiteit, met een bron en een jaartal. Dat is precies het kwaliteitspercentage waar uw klant onder ESRS E1 op wordt beoordeeld.

Het maakt voor de uitkomst ook uit: in twee van de drie voorbeelden hierboven valt de werkelijke uitstoot lager uit dan de generieke schatting, omdat branchegemiddelden vaak behoudend naar boven zijn afgerond. Primaire data is dus niet alleen nauwkeuriger, maar toont in de praktijk regelmatig ook een gunstiger beeld dan de schatting die uw klant anders had moeten gebruiken.

Hoe u dit in uw eigen VS-profiel vastlegt

Elk numeriek veld in de verified.supply-wizard heeft een "Bereken"-modus naast directe invoer: u vult uw activiteitsdata in (liters diesel, kWh, tonnen materiaal), uw eigen omrekenfactor, en de bron van die factor. De rekenhulp doet vervolgens alleen de vermenigvuldiging — activiteit × factor = waarde — en zet automatisch `is_estimated` op de juiste stand.

De volledige som, inclusief bron en jaartal, verschijnt in de Supplier Evidence PDF en de machine-leesbare export die uw klant ontvangt. Zo is voor de auditor van uw klant in één oogopslag te zien dat het om primaire data gaat, en hoe die tot stand is gekomen.