Rapporten Datakvalitet og statistisk analyse i livscyklusvurdering undersøger, hvordan datakvalitet og usikkerhed kan beskrives og analyseres i LCA. Arbejdet blev gennemført som et indledende projekt, der skulle afprøve metoder i konkrete cases og pege på behov for videreudvikling. Rapporten samler eksisterende viden, udvikler en metode til at karakterisere datakvalitet og demonstrerer statistiske beregninger med både tilnærmede metoder og simulering.
Rapporten skelner mellem flere datatyper i en livscyklusvurdering: miljødata fra de undersøgte processer, systemdata om strømme af råstoffer, energi og produkter samt ydelsesdata knyttet til den funktionelle enhed. En fuldstændig LCA kan også omfatte data til karakterisering og vurdering af miljøpåvirkninger. For at beskrive kvaliteten foreslår rapporten et indeks med fem indikatorer: pålidelighed, fuldstændighed, tidsmæssig, geografisk og teknologisk korrelation. Hver indikator scores fra 1, bedst, til 5, dårligst. Indikatorerne kan bruges til at gennemgå et datasæt, synliggøre svagheder og støtte en mere gennemsigtig vurdering af resultaterne.
Usikkerhed i LCA kan ifølge rapporten være teknisk, metodisk eller epistemologisk og opstå flere steder i analysen, blandt andet i proces- og systemdata, ved valg af funktionel enhed og under karakterisering eller vurdering. Rapporten beskriver, hvordan beregningsmetoden kan tilpasses den funktion, der analyseres. Middelværdi og varians for simple summer og differencer kan ofte beregnes direkte. For sammensatte funktioner som produkter og forhold mellem variable anvendes Taylors approksimation, mens simulering kan bruges, når sammenhængene er mere komplekse. Rapporten afprøver blandt andet Monte Carlo-simulering og viser, hvordan valg af fordelingsantagelser påvirker de beregnede resultater.
Metoderne afprøves på tre typer data: landbrugsdata, industrielle data samt data om køleskabes levetid og energiforbrug. Casene viser, at datakvalitetsvurderingen bør hjælpe med at finde de usikkerheder, der har størst betydning for resultatet. Rapporten anbefaler derfor en praktisk, trinvis anvendelse: brug først indikatorerne som tjekliste til at udpege væsentlige usikkerheder, og undersøg derefter de punkter nærmere, hvor det kan ændre konklusionerne. Den peger også på, at indikatorer og scores ikke altid kan fastlægges entydigt, og at supplerende usikkerhedsestimater kan være vanskelige at etablere. Omfanget af dokumentationen bør derfor passe til undersøgelsens formål og målgruppe. En kort samlet vurdering kan være tilstrækkelig i hovedrapporten, mens detaljer kan placeres i et bilag eller udelades, hvis de ikke tilfører relevant information.
Rapporten peger desuden på, at en datakvalitetsvurdering ikke erstatter usikkerhedsberegninger. Den skal hjælpe med at vælge, hvor beregninger og bedre dokumentation er vigtigst. I landbrugscasen dominerede de korrigerede variationskoefficienter de enkelte store usikkerheder. Forfatterne foreslår derfor først at bruge indikatorerne som en tjekliste og derefter analysere de forhold, der har størst betydning for resultatet. Tilgangen gør det muligt at tilpasse dokumentationsniveauet til formålet og samtidig undgå unødigt omfattende beregninger.
