ديف باوندى هو الرئيس التنفيذى للتكنولوجيا فى إنوواتس – سلسلة المقابلات

ديف باوندى هو الرئيس التنفيذى للتكنولوجيا فى إنوواتس، وهو شركة رائدة فى تحليلات البيانات باستخدام الذكاء الاصطناعى. توفر منصة السحابة للشركات البيانات اللازمة لتكون أكثر تنبؤا وتفاعلا وتواصلا مع عملائها ومستخدميها، مما يساعدهم على إدارة المخاطر وتحسين الربحية والحفاظ على موثوقية الشبكة وتوقع اتجاهات الاستدامة.

ديف لديه أكثر من 20 عاما من الخبرة فى صناعات الإنترنت والأشياء والطاقة. شملت مسيرته الوظيفية التكنولوجيا المتنقلة والابتكار والبحث والتطوير وأعمال الشركات الناشئة الجديدة. قبل توليه منصبه الحالى، أسس وقاد أعمال حلول الطاقة العالمية فى شركة إنتل، وقدم حلولاً لتعلم الآلة والذكاء الاصطناعى للعملاء فى جميع أنحاء العالم. ديف يحمل العديد من البراءات ويشغل مناصب فى العديد من مجالس الإدارة.

يمكنك وصف ما هي إنوواتس؟

إنوواتس هي شركة طاقة جديدة تركز على تحسين هامش ربح عملائها وتعزيز تبني الطاقات المتجددة. نحن نفعل ذلك من خلال تحليل كميات كبيرة من البيانات لفتح رؤى قابلة للتنفيذ. ونحن شركة توفر خدمات بتو بتو و بى تو سى من خلال عملائنا لمستخدميهم النهائيين. نحن نأخذ بيانات على مستوى العداد من المنزل أو الشركة أو داخل الشبكة، ونحن ندمج ذلك مع العديد من مجموعات البيانات الأخرى بما فى ذلك البيانات الاجتماعية والاقتصادية وبيانات إدارة علاقات العملاء وبيانات إدارة المخاطر.

محرك تحليلنا القائم على الذكاء الاصطناعى يوفر رؤى تتراوح من التنبؤ على مستوى المستهلك إلى تحليل استهلاك الطاقة الحالية والمستقبلية. من خلال ذلك، يمكننا تحديد المنتجات المحتملة المناسبة لأى مستهلك. كما نقدم خدمات للعملاء بالتجزئة، على سبيل المثال، تحديد نموذج التعرفة الأمثل لتعزيز هامش ربحهم.

أخيراً، نحن ندعم مشغلى الشبكات والخدمات العامة لمساعدتهم فى التخطيط للمستقبل. من الضرورى أن يفهموا أين تحدث التغييرات حتى يتمكنوا من تحسين الأصول وتقليل الأسعار للمستهلكين.

ما نوع التكنولوجيا المستخدمة فى إنوواتس؟

ببساطة، نحن نساعد الآلات على التفكير بطريقة أكثر إنسانية، كما أنها تتيح لهم التوسع والتعامل مع مجموعات بيانات كبيرة جداً. لدينا أكثر من 43 مليون عداد تحت الإدارة، ونحن نتعامل مع مليارات النقاط البيانية كل ساعة عبر جغرافيات متعددة ومتعددة العملاء. فى الفضاء الخاضع للإشراف، نستخدم مجموعة من النماذج بما فى ذلك الانحدار الخطى والشجرة القرارية وغيرها؛ فى الفضاء غير الخاضع للإشراف، تشمل الأمثلة نماذج التجميع والشبكات العصبية والغابات العشوائية.

استخدامنا لنماذج متعددة هو جوهر قوة منتجنا — يمكننا تحديد النموذج الصحيح لأى عميل فى أى وضع معين. يمكننا فعلاً تقليله إلى مستوى العداد. هذا هو ما يضعنا فى موقع القائد فى هذا المجال.

لماذا يعتبر مراقبة الطاقة مهمة لبيع الطاقة؟

تكلفة الحصول على عميل غالباً ما تكون مرتين إلى ثلاث مرات هامش الربح الذي يحققه البائع من ذلك العميل فى عام. هذا يعنى أن ذلك يستغرق عامين أو ثلاثة أعوام لاستعادة تكاليف الحصول على العميل، لذلك من المهم جداً الاحتفاظ بكل عميل.

نحن نساعد البائعين على تحقيق ذلك من خلال منحهم القدرة على التميز. نحن نقدم توقعات وقدرة على تعريف وتطوير تعريفات التعرفة حسب الوقت لتعديل منتجهم لتناسب عملائهم. يمكننا أيضاً تقديم منصات إدارة المخاطر والتسعير، بالإضافة إلى القدرة على تحديد أفضل المستهلكين فى كل منطقة. كما يمكننا تحديد العملاء الذين يناسبهم منتجات معينة. كل ذلك يضيف إلى خدمة أكثر جاذبية وفعالية من حيث التكلفة للعملاء، مما يعزز كلاً من جهود الحصول والاحتفاظ.

ما هي بعض الرؤى الرئيسية التي يمكن الحصول عليها من دراسة استهلاك الطاقة؟

تخيل أنك اشتريت سيارة كهربائية مؤخراً. يمكن لنا أن نكتشف ذلك، مما يسمح لمزود الكهرباء بإرسال الاتصالات المخصصة والخدمات المستهدفة المناسبة لمكانتك كصاحب سيارة كهربائية جديد — ربما نموذج تعرفة مختلف أو منتج تأمين جديد أو منتج صيانة.

كما يمكننا تحديد وتحذيرك مسبقاً، بناءً على استهلاكك للطاقة فى الأيام الخمسة عشر الماضية، أننا نتوقع استهلاكك فى الأيام الثلاثين التالية سيكون أعلى من المعتاد لسبب معين. يمكننا بعد ذلك العمل معك لاتخاذ إجراءات وقائية لتجنب صدمة الفاتورة. هذه مجرد أمثلة على أنواع المشاركة التي يمكننا تقديمها.

قدراتنا التنبؤية أيضاً قوية بشكل استثنائى. أحداث مؤخرة فى تكساس جعلت التنبؤ صعباً جداً، لأنها كانت سيناريو جديد تماماً. ولكن توقعاتنا كانت أكثر دقة بنسبة 20٪ إلى 40٪ من منافسينا، لذلك كان عملاؤنا أفضل استعداداً للاضطراب. من خلال استخدام توقعاتنا كجزء من استراتيجيتهم للتغطية، كانوا أفضل وضعاً عندما ارتفعت أسعار الطاقة إلى 9,000 دولار لكل ميجاوات ساعة. وقد كانت وفوراتهم كبيرة. كما أن حقيقة أن نماذجنا تكيفت بسرعة مع التغييرات المتغيرة تمكّن عملائنا من التنبؤ والمناقصة بشكل فعال فى مواقف متقلبة للغاية، حتى فى ظل انقطاع التيار الكهربى.

من المستحسن أن يكون هذا المستوى من مراقبة وتفسير بيانات الطاقة مهمة بشكل متزايد. سوف يخرج العديد من البائعين من العمل، والبائعون الكبار قد غطوا احتياجاتهم فى السوق حتى عام، ربما أكثر. اعتماداً على استراتيجيتهم ومحفظة المخاطر، قد حصلوا على 50٪ من الطاقة المطلوبة فى الأسبوع الماضى. لقد حاولوا زيادة هذا النسبة مع زيادة محفظة المخاطر وسعر الطاقة. لقد غطوا أكثر، ولكن فى النهاية، كانوا يدخلون السوق فى الوقت الفعلي لمحاولة شراء الطاقة. كانوا يحاولون شراءها بسعر متوسط السنة الماضية، وهو ما كان حوالي 25 دولاراً لكل ميجاوات ساعة. الآن، عند دخول السوق، كانوا يحاولون شراءها بسعر 9,000 دولار لكل ميجاوات ساعة. لذلك، تكلفة البائع هى巨ة، وهذا هو ربحهم فى عام فى بعد الظهر.

ما هي بعض الطرق التي يمكن استخدام المعلومات بها لتأثير استهلاك الطاقة النظيفة؟

تاريخياً، كانت الشبكة مدفوعة بالطلب — عندما زاد الطلب، كان مشغلو الشبكة يبنون محطات طاقة أكثر ويوضعون أكثر من الكابلات ويهلكون更多 الوقود. نحن الآن فى مرحلة انتقالية حيث نتحرك من شبكة مدفوعة بالطلب إلى شبكة مدفوعة بالعرض. مع تحولنا إلى الطاقات المتجددة، намن حاجة إلى إدارة جانب العرض. فى العالم الجديد، يأتى العرض فى أي وقت يهب فيه الرياح أو تشرق الشمس. كما سنرى زيادة هائلة فى الطلب الناشئ عن كهربة النقل والحرارة.

ما نقوم به لعملائنا هو تحليل كيفية استخدام المستهلكين للطاقة. نبدأ بتحليل مقدار حملهم من ما نسميه “الحمل الأساسى”. هناك بعض الأشياء التي يمكن القيام بها لتشجيع الناس على تقليل ذلك، ولكن فى الغالب، إنه ثابت. يمكننا تحديد أولئك الذين يمكن أن يتعرضوا للظروف الجوية، يمكننا تحديد المنازل التي يمكن أن تستفيد من التدخلات الحرارية — العزل أو وضع ميزاب.

لكننا يمكننا أيضاً تحديد الأحمال الحساسة للوقت، وهو مؤشر على السلوك. بدون أن نصبح غازيين، يمكننا رؤية سلوكيات المنزل. على سبيل المثال، يمكنك أن تنصح العميل بأنه قد يرغب فى考虑 التبريد أو تسخين المنزل فى وقت مختلف لجعلها أكثر راحة، أو توفير المال، أو تحسين استخدام الطاقة النظيفة.

نحن يمكننا أيضاً استخدام استراتيجيات إدارة الطلب الجانبية للتأكد من أن استهلاك الطاقة يتماشى مع توافر الطاقة النظيفة دون التأثير السلبي على تجربة المستخدم. على سبيل المثال، قد ترغب فى شحن سيارتك الكهربائية فى السابعة مساءً وفك شحنها فى السابعة صباحاً. يمكننا إرسال إشارة إدارة الطلب الجانبية إلى نقاط الشحن لتحديد الساعات التي سيتم شحن سيارتك فيها لتحسين استخدام الطاقة النظيفة.

في عام 2020، أعلنت إنوواتس أنه تمكن من تحقيق أداء أفضل من خمسة من معاودي التنبؤ بالطاقة فى معظم المقاييس فى تجربة مستقلة. ما قيمة القدرة على التنبؤ بدقة عالية؟

أظهر الوضع فى تكساس تكلفة التنبؤ غير الدقيق. إذا كان البائع يبحث عن خسارة محتملة تبلغ نصف مليار دولار، فإن توقعاتنا — التي تكون أكثر دقة بنسبة 20٪ إلى 40٪ من المنافسين — يمكن أن توفر لهم أكثر من 100 مليون دولار. هذا هو سيناريو متطرف، ولكن我们的 نهج المتعمق يعنى أن العملاء يخرجون أمام المنافسين طوال العام، حتى بدون طفرة.

على سبيل المثال، نحن ندعم مزوداً فى أوروبا مع عملاء تجاريين وصناعيين. لقد حاولوا لسنوات الحصول على إشعارات مسبقة حول متى سيقوم عملاؤهم بأفعال — متى سيزيدون أو يقللون من استهلاكهم للطاقة — ولكنهم لم يكونوا ناجحين. لقد تمكنا من التنبؤ لهم فى فترات زمنية تبلغ 15 دقيقة لكل من عملائهم التجاريين والصناعيين، مما يسمح لهم بالتوقع والتخطيط لتحسين قرارات الشراء — وهذا يعنى أنهم يمكن أن يوفروا المال بشكل كبير.

ما هو مستقبل العلوم البيانية والتعلم الآلى فى هذا القطاع؟

كما ذكرت، نحن نتعامل مع مجموعات بيانات كبيرة جداً. كلما حصلنا على المزيد من البيانات، والمزيد من البيانات المتعمقة، سوف نتمكن من استنتاج المزيد من المعلومات — وكلما زادت قوة الحواسيب، سوف نتمكن من معالجة تلك البيانات بشكل أسرع لتوفير رؤى قوية. لا تتغير المبادئ الرياضية، ولكن khảنا المتزايدة لتطبيق الرياضيات المعقدة على نطاق واسع سوف تجعل هذه القدرات أكثر فعالية وتأثيراً وميسورة التكلفة فى السنوات القليلة القادمة. فى النهاية، هذا سوف يدعم الدفع نحو شبكة خالية من الكربون.

شكراً على المقابلة الرائعة، القراء الذين يرغبون فى معرفة المزيد يمكنهم زيارة إنوواتس.