Norske kommuner har for mange biler

Tall og driftsdata fra norske kommuner tyder på at bilparken ofte er større enn behovet tilsier. Noe variasjon kan forklares med geografi, demografi og lokale forhold – men i praksis ser vi at mange kommuner kan utnytte bilene bedre, redusere antallet kjøretøy og kutte store kostnader uten at det går utover tjenestene.

Under 100 mil i måneden – og under 30 timer i drift

De fleste nyere biler logger bruksdata som kilometer, kjøretid, motortid og tomgang. Når slike data samles på tvers av kommunen, får man et bilde som ofte overrasker: Mange kjøretøy kjører svært lite over tid – noen under rundt 1 000 km i måneden og med lav driftstid. Det betyr ikke nødvendigvis at bilen er “unødvendig”, men det er et tydelig signal om at kommunen kan ha mer kapasitet enn den tror.

Biler står – selv i perioder der behovet er størst

En vanlig misforståelse er at “vi trenger alle bilene, for det er alltid mangel”. Problemet er at dette ofte baserer seg på enkeltopplevelser, ikke fakta. Når man bryter bruken ned per måned (og etter hvert per avdeling, lokasjon og døgnprofil), ser man ofte at en del av bilparken står stille samtidig som noen enheter opplever press.

Dette er typisk for flåter der bilansvaret er spredt: Hver enhet optimaliserer for seg, men kommunen optimaliserer ikke som helhet. Resultatet blir “sikkerhetsmarginer” i flere avdelinger – og samlet gir det overkapasitet.

Bedre oversikt gir ny innsikt – og muligheter til å spare

Det kommunen faktisk trenger er et beslutningsgrunnlag:

  • Hvilke biler er stabilt lavt brukt måned etter måned?
  • Hvilke biler er sporadisk brukt og kan deles/omplasseres?
  • Hvilke biler har lav km, men høy motortid/tomgang (dyrt selv ved lav bruk)?
  • Hvilke biler er kandidater for avvikling uten å øke risiko i tjenesten?

Når dere får dette samlet, kan dere gjøre endringer trinnvis: først flytte og dele, deretter avvikle og standardisere gjennom naturlig utskifting og reforhandling av avtaler. Erfaringen er at et kutt på 10–20 % ofte er realistisk over tid – men ikke som et blindt kutt. Det må bygges på data og riktig logikk.

Regneeksempel

Eksempel: En kommune har 300 kjøretøy. Anta en samlet totalkost per kjøretøy på 200 000 kr/år (leasing/kapital, drift, service, dekk, administrasjon, skader).
15 % reduksjon = 45 kjøretøy → 45 × 200 000 = 9,0 MNOK/år.

Dette er et illustrativt eksempel. Reell kost varierer med kjøretøykategorier, avtaler, skadehistorikk og tjenestebehov.

Hva kommunen faktisk kjøper

Kommunen kjøper ikke “analyse for analysens skyld”. Kommunen kjøper et beslutningsgrunnlag som gjør det mulig å ta riktige valg – og stå trygt i dem. Det handler om:

  • et faktagrunnlag ledelsen kan forankre internt og politisk
  • en samlet oversikt på tvers av avdelinger – slik at flåten kan vurderes som én helhet
  • et konkret tiltaksspor med lav risiko og tydelig gevinst (deling/omplassering først, deretter avvikling og standardisering)

Analysen kan gjennomføres på eksisterende datakilder (leasing, kjørebok, verksted, telematikk og manuelle lister). Samtidig er det verdt å understreke at når kommunen først begynner å ta grep, blir det viktig å kunne følge opp tiltak over tid – både for å sikre datakvalitet, støtte bedre deling og dokumentere gevinstrealisering. Der er et system ofte et stort fortrinn.

Poenget er rekkefølgen: Først skaper man oversikt og identifiserer tiltakene som faktisk gir effekt. Deretter etablerer man strukturen og verktøyene som gjør at kommunen klarer å holde dette ved like – og ta ut gevinsten år etter år.

Få full kontroll på kjøretøyene

Effektiviser ruter, spar tid og reduser kostnader.