Dave Boundy je CTO ve společnosti Innowatts – rozhovor

Dave Boundy je CTO ve společnosti Innowatts, líder v oblasti analytiky dat s využitím umělé inteligence. Platforma SaaS poskytuje společnostem data, která potřebují k tomu, aby byly více předvídavé, proaktivní a propojené se svými zákazníky a odběrateli, což jim pomáhá lépe řídit rizika, zlepšovat ziskovost, udržovat spolehlivost sítě a předpovídat trendy udržitelnosti.

David má více než 20 let zkušeností v oblasti IoT a energetiky. Jeho kariéra zahrnovala podnikovou IT, vývoj produktů, výzkum a inovace a nové obchodní startupy. Před svým současným postem založil a vedl globální energetické řešení Intelu, která dodávala zákazníkům po celém světě řešení založená na strojovém učení a umělé inteligenci. David je držitelem několika patentů a je členem několika poradních rad.

Můžete popsat, co je Innowatts?

Innowatts je nová energetická společnost, která se zaměřuje na zlepšení hrubých marží svých zákazníků a na zvýšení přijetí obnovitelných zdrojů. Toho dosahujeme analýzou velkých množství dat, abychom získali akční přehledy. Ačkoli jsme společnost B2B, poskytujeme služby B2B i B2C našim zákazníkům a jejich konečným uživatelům. Přijímáme data z měřicích bodů v domácnostech nebo firmách, nebo v síti, a kombinujeme je s mnoha dalšími datovými sadami, včetně socioekonomických dat, dat z CRM a dat o řízení rizik.

Náš analytický engine založený na umělé inteligenci poskytuje přehledy sahající od předpovědí na úrovni spotřebitelů až po rozlišení současné a budoucí spotřeby energie. Díky tomu můžeme identifikovat potenciální produkty vhodné pro každého spotřebitele. Také poskytujeme maloobchodním zákazníkům služby, jako je například identifikace optimálního tarifu pro maximalizaci jejich hrubých marží.

Nakonec podporujeme provozovatele sítí a energetické společnosti, aby jim pomohli plánovat budoucnost. Je důležité, aby rozuměli, kde se dějí změny, aby mohli optimalizovat svá aktiva a snižovat ceny pro spotřebitele.

Jaké typy technologií strojového učení se používají v Innowatts?

Podstatně, pomáháme strojům, aby myslely více jako lidé, a zároveň jim umožňujeme škálovat a zpracovávat velmi velká data. Máme více než 43 milionů měřicích bodů pod naší správou a zpracováváme miliardy datových bodů každou hodinu napříč několika geografickými oblastmi a zákazníky. V prostoru s dozorem používáme řadu modelů, včetně lineární regrese, rozhodovacích stromů atd.; v prostoru bez dozoru jsou to například ensemble modely, neuronové sítě a náhodné lesy.

Náš přístup zahrnuje použití různých modelů, což je klíčová síla našeho produktu — můžeme identifikovat správný model pro každého zákazníka v každé situaci. Dokážeme to zredukovat na úroveň měřicího bodu. To nás skutečně poziciuje jako lídra v tomto prostoru.

Proč je energetické monitorování důležité pro energetické prodejce?

Náklady na získání zákazníka jsou často dvakrát až třikrát vyšší než marže, kterou prodejce získává od tohoto zákazníka za rok. To znamená, že trvá dva až tři roky, než se vrátí náklady na získání zákazníka, takže je opravdu důležité zachovat každého zákazníka.

Pomáháme prodejcům dosáhnout toho, že jim poskytujeme možnost diferenciace. Poskytujeme předpovědi a schopnost definovat a vyvinout tarify podle času použití, abychom mohli přizpůsobit jejich produkt svým zákazníkům. Můžeme také poskytnout platformy pro řízení rizik a ceny, spolu se schopností identifikovat nejlepší spotřebitele v každé oblasti. Také identifikujeme, kteří zákazníci jsou nejvhodnější pro konkrétní produkty. To vše se přidává k více přesvědčivým a nákladově efektivním službám pro zákazníky, což zvyšuje jak akvizici, tak udržení zákazníků.

Jaké jsou některé klíčové přehledy, které lze získat ze studia spotřeby energie?

Představte si, že jste nedávno koupili elektrické vozidlo. Naše modely mohou detekovat to, což umožňuje vašemu dodavateli elektřiny automaticky zaslat speciální komunikaci a cílené služby relevantní pro váš status jako nový majitel elektromobilu — perhaps jiný tarif, nový pojistný produkt nebo servisní produkt.

Podobně můžeme identifikovat a proaktivně upozornit vás, na základě vaší spotřeby energie za posledních 15 dní, že předpovídáme vaši spotřebu energie v následujících 30 dnech jako mnohem vyšší než obvykle z důvodu. Pak můžeme spolupracovat s vámi, abychom zabránili šoku z faktury. To jsou jen beberapa příkladů typů interakcí, které můžeme doručit.

Naše předpovědní schopnosti jsou také extrémně silné. Nedávné události v Texasu ukázaly, jak je předpovídání obtížné, protože to byla zcela nová situace. Ale naše předpovědi byly 20% až 40% přesnější než naše konkurence, takže naši zákazníci byli mnohem lépe připraveni na narušení. Používáním našich předpovědí jako součásti své hedge strategie byli mnohem lépe positionováni, když ceny energie vyskočily na 9 000 dolarů za megawatt-hodinu. Úspory pro ně byly významné. Skutečnost, že naše modely se rychle přizpůsobují měnícím se situacím, také umožňuje našim zákazníkům předpovídat a účinně nabízet v vysoce volatilních situacích, i uprostřed výpadků proudu.

Tento typ monitorování a interpretace energetických dat je stále důležitější. Mnoho prodejců bude vyřazeno z trhu, a velké prodejce zajistily své potřeby na trhu až na rok, možná déle. V závislosti na jejich strategii a profilech rizik mohou mít získanou 50% potřebné energie v posledním týdnu. Pokusili se o to zvýšit procento, jakmile se zvyšoval profil rizik a cena energie. Zajišťovali více, ale nakonec vstupovali na trh s reálným časem, aby nakoupili energii. Museli to dělat za průměrnou cenu za poslední rok, která byla kolem 25 dolarů za megawatt-hodinu. Nyní vstupují na trh, aby nakoupili za 9 000 dolarů za megawatt-hodinu. Takže náklady pro prodejce jsou obrovské, to jsou jejich roční zisky pryč za odpoledne.

Jak lze toto informace využít k ovlivnění spotřeby energie pro zelenější energii?

Historicky byla síť řízena poptávkou — když poptávka vzrostla, operátoři stavěli více elektráren, kladli více kabelů, spalovali více paliva. Nyní jsme v přechodné fázi, kdy přecházíme na síť řízenou nabídkou. Když přecházíme na obnovitelné zdroje, musíme být schopni řídit nabídku. V novém světě se nabídka objevuje, kdykoli vítr fouká nebo slunce svítí. Také uvidíme obrovský nárůst poptávky vyplývající z elektrifikace dopravy a tepla.

Co děláme pro naše zákazníky, je analýza, jak spotřebitelé využívají energii. Začínáme tím, že se díváme, kolik z jejich zatížení je to, co nazýváme „základní zatížení“. Existují některé věci, které lze udělat, aby se snížilo to, ale obecně je to pevné. Můžeme identifikovat ty, kteří jsou náchylní k povětrnostním podmínkám, můžeme identifikovat domácnosti, které by mohly využít tepelné zásahy — izolaci nebo instalaci termostatu.

Můžeme také identifikovat časově závislá zatížení, což je indikátor chování. Bez toho, abychom se stali příliš invazivními, můžeme vidět chování založená na domácnostech. Například můžete poradit zákazníkovi, že by mohl zvážit chlazení nebo vytápění svého domu v jinou dobu, aby to bylo více pohodlné, šetřilo peníze nebo maximalizovalo využití zelené energie.

Můžeme také použít proaktivní strategie řízení poptávky, abychom přizpůsobili spotřebu dostupnosti obnovitelné energie bez negativního dopadu na uživatelský zážitek. Například můžete pravidelně připojovat své vozidlo v 19:00 a odpojovat ho v 7:00. Můžeme poslat signál řízení poptávky k bodům nabíjení, aby určily hodiny, kdy se vaše vozidlo skutečně nabije, aby se optimalizovalo využití obnovitelné energie.

V roce 2020 Innowatts ohlásil, že překonal pět dalších energetických předpovědních firem ve většině měřítek v nezávislém testu. Jak cenné je to, aby se dalo předpovídat s takovou vysokou úrovní přesnosti?

Situace v Texasu ukázala náklady na nepřesné předpovídání. Pokud prodejce hledí na potenciální ztrátu půl miliardy dolarů, pak naše předpovědi — které jsou 20% až 40% přesnější než konkurence — by mohly konzervativně zachránit jim více než 100 milionů dolarů. To je extrémní situace, ale náš granulární přístup znamená, že zákazníci vycházejí lépe každý rok, i bez extrémní volatility.

Například podporujeme poskytovatele v Evropě s komerčními a průmyslovými zákazníky. Pokoušeli se po léta získat proaktivní oznámení o tom, kdy jejich zákazníci budou činit akce — kdy budou zvyšovat nebo snižovat svou spotřebu energie — ale nebyli úspěšní. Byli jsme schopni předpovědět pro ně v 15minutových intervalech pro každého z jejich komerčních a průmyslových zákazníků, aby mohli předpovídat změny zatížení a činit chytřejší nákupní rozhodnutí na velmi granulární úrovni — a to znamená, že mohou ušetřit významné peníze.

Jaká je budoucnost datové vědy a strojového učení v tomto sektoru?

Jako jsem zmínil, pracujeme s velmi velkými datovými sadami. Jakmile získáme více dat a více granulárních dat, budeme moci odvodit a vyvodit více informací — a jakmile se zvýší výpočetní síla, budeme moci zpracovat tato data rychleji, aby se dodaly silné přehledy. Matematické principy se nemění, ale naše rostoucí schopnost aplikovat komplexní matematiku v měřítku bude dělat tyto schopnosti stále účinnější, dopadnější a dostupnější v příštích letech. To nakonec podpoří snahu o decentralizovanou síť.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Innowatts.