Book demo
Artikel

Driftnettot ljuger inte — men det berättar alltid för sent

Det här blogginlägget riktar sig till dig som ansvarar för uppföljning och styrning i ett fastighetsbolag — och som känner igen känslan av att förklara ett utfall som egentligen borde ha gått att förhindra.

A
Amanda Forssberg
26 jun 2026
Resource image

Bokslutet visar vad som hände. Inte vad som är på väg att hända.

De flesta fastighetsbolag har god koll på driftnettot. Månadsrapporter, kvartalsvisa genomgångar, årsbudget som stäms av mot utfall. Uppföljningen fungerar.

Problemet är att den alltid är bakåtblickande.

När vakansen landat för högt, underhållskostnaderna skenat eller hyresbortfallet ökat finns det inte mycket kvar att göra åt det. Bokslutet fastställer utfallet av beslut som fattades — eller inte fattades — för månader sedan.

Frågan är sällan kompetens — den handlar om hur de flesta fastighetsbolag arbetar med data strukturellt.


Signalerna finns redan i era system

Det som driver driftnettot negativt syns nästan alltid i operationell data innan det når ekonomirapporterna. Några exempel:

Felanmälningar är en av de mest tillförlitliga förvarsignalerna om kommande vakans. En fastighet med accelererande inflöde av felanmälningar — inte ett engångsutslag utan en trend som byggs upp vecka för vecka — brukar visa ökad vakans inom 60–90 dagar. Mönstret är konsekvent.

Energiavvikelser per byggnad som inte förklaras av säsong eller beläggning pekar nästan alltid på ett tekniskt problem eller underhållsefterslap. Signalen syns i mätdata långt innan den syns i driftkostnaden.

Fastigheter som konsekvent ligger över portföljsnittet i felanmälningar per bostad berättar en historia om strukturellt eftersatt underhåll — även om varje enskild månad ser acceptabel ut i totalen.

Dessa signaler finns i era befintliga system redan i dag. Ärendehantering, fastighetssystem, energimätning. Utmaningen är att koppla ihop dem med driftnettot — och att se dem i tid.


Varför det ändå inte händer

Med ett bestånd på hundratals fastigheter och tusentals rörelser varje vecka är det praktiskt omöjligt att bevaka allt manuellt. Det som inte bevakas strukturerat — bevakas inte alls, oavsett hur duktiga förvaltarna är.

Till det kommer att en signal sällan är tillräcklig i sig. För att den ska leda till ett beslut behöver rätt person se den, förstå vad den kostar om ingenting görs, ha mandat att agera — och sedan följa upp om åtgärden fick effekt.

De flesta fastighetsbolag har delar av den kedjan på plats. Knappt något har hela.


Vad det ser ut som när kedjan fungerar

Mimer Fastigheter minskade sitt hyresbortfall med 5,15 miljoner kronor på elva månader. Stockholmshem sparade 10 miljoner kronor på sex månader. Grannstaden minskade vakanstiden med 42 procent.

De resultaten kom inte från nya affärssystem eller omorganisationer. De kom från att ekonomifunktionen fick tillgång till rätt signaler i rätt tid — och ett sätt att göra dem till konkreta åtgärder med ansvariga, förväntad effekt och uppföljning.


Hur Homepal adresserar det här

Homepal identifierar automatiskt vad som påverkar driftnettot mest just nu — ner på distrikt och fastighet — utan att någon behöver göra manuell analys.

När en insikt identifieras kan du direkt göra den till en konkret åtgärd: sätt en ansvarig, ange förväntad effekt och deadline, och följ upp om förflyttningen faktiskt sker. Ingenting faller mellan stolarna.

Hela organisationen arbetar mot samma nyckeltal via ett standardiserat nyckeltalsträd där driftnettot är knutet till de ledande nyckeltal som driver det — alltid uppdaterat och tillgängligt för alla, från ekonomichef till förvaltare.

Resultatet är att ni slutar följa driftnettot i efterhand och börjar förbättra det i förväg.


Vill du se hur det fungerar i praktiken? Boka en genomgång →

Utvecklat tillsammans med 45+ fastighetsbolag

Olov LindgrenRevelopHEBAStockholmshemMimerRiksbyggenOlov LindgrenRevelopHEBAStockholmshemMimerRiksbyggen
AI-redo plattform

Framtidssäkra er analysförmåga

Koppla på en lösning finslipad tillsammans med hundratals fastighetsaktörer – redan rustad för AI på ett sätt som tar år att bygga rätt.