Ο Dave Boundy είναι ο CTO στο Innowatts – Interview Series

Ο Dave Boundy είναι ο CTO στο Innowatts, ηγέτης στην ανάλυση δεδομένων AI. Η πλατφόρμα SaaS παρέχει στις εταιρείες τα δεδομένα που χρειάζονται για να είναι πιο προγνωστικές, προληπτικές και συνδεδεμένες με τους πελάτες και τους πληρωτές τους, βοηθώντας τις να διαχειρίζονται καλύτερα τον κίνδυνο, να βελτιώνουν την κερδοφορία, να διατηρούν την αξιοπιστία του δικτύου και να προβλέπουν τις τάσεις βιωσιμότητας.

Ο David έχει πάνω από 20 χρόνια εμπειρία στον κλάδο του IoT και της Ενέργειας. Η σταδιοδρομία του κυμάνθηκε από επιχειρηματική πληροφορική, ανάπτυξη προϊόντων, έρευνα και καινοτομία και νέες επιχειρήσεις. Πριν από τον σημερινό του ρόλο, ίδρυσε και ηγήθηκε της επιχείρησης Global Energy Solutions της Intel, παρέχοντας λύσεις μηχανικής μάθησης και τεχνητής νοημοσύνης σε πελάτες σε όλο τον κόσμο. Ο David κατέχει πολλά διπλώματα ευρεσιτεχνίας και συμμετέχει σε μια σειρά συμβουλευτικών επιτροπών.

Θα μπορούσατε να περιγράψετε τι είναι το Innowatts;

Η Innowatts είναι μια νέα ενεργειακή εταιρεία που επικεντρώνεται στη βελτίωση των μικτών περιθωρίων κέρδους των πελατών μας, οδηγώντας παράλληλα στην αυξημένη υιοθέτηση των ανανεώσιμων πηγών ενέργειας. Αυτό το κάνουμε αναλύοντας μεγάλες ποσότητες δεδομένων για να ξεκλειδώνουμε χρήσιμες πληροφορίες. Ενώ είμαστε μια εταιρεία B2B, παρέχουμε υπηρεσίες τόσο B2B όσο και B2C μέσω των πελατών μας στους τελικούς χρήστες τους. Λαμβάνουμε δεδομένα σε επίπεδο μετρητή από ένα σπίτι ή επιχείρηση ή εντός του δικτύου και τα συνδυάζουμε με πολλά άλλα σύνολα δεδομένων, συμπεριλαμβανομένων των κοινωνικοοικονομικών δεδομένων, δεδομένων CRM και δεδομένων διαχείρισης κινδύνου.

Η μηχανή μας ανάλυσης που βασίζεται στην τεχνητή νοημοσύνη παρέχει πληροφορίες που κυμαίνονται από προβλέψεις σε επίπεδο καταναλωτή μέχρι την κατανομή της τρέχουσας και μελλοντικής χρήσης ενέργειας. Μέσω αυτού, μπορούμε να εντοπίσουμε πιθανά προϊόντα που ταιριάζουν σε κάθε καταναλωτή. Παρέχουμε επίσης στους πελάτες λιανικής υπηρεσίες, για παράδειγμα, τον προσδιορισμό του βέλτιστου μοντέλου τιμολογίων για τη μεγιστοποίηση των μικτών περιθωρίων κέρδους τους.

Τέλος, υποστηρίζουμε τους φορείς εκμετάλλευσης δικτύων και τις επιχειρήσεις κοινής ωφέλειας για να τους βοηθήσουμε να σχεδιάσουν το μέλλον. Είναι σημαντικό να κατανοούν πού συμβαίνουν οι αλλαγές, ώστε να μπορούν να βελτιστοποιούν τα περιουσιακά τους στοιχεία μειώνοντας παράλληλα τις τιμές για τους καταναλωτές.

Τι τύποι τεχνολογιών μηχανικής εκμάθησης χρησιμοποιούνται στην Innowatts;

Ουσιαστικά, βοηθάμε τις μηχανές να σκέφτονται με πιο ανθρώπινους τρόπους, ενώ τους επιτρέπουμε επίσης να κλιμακώνουν και να αντιμετωπίζουν πολύ μεγάλα σύνολα δεδομένων. Έχουμε περισσότερα από 43 εκατομμύρια μέτρα υπό διαχείριση και έχουμε να κάνουμε με δισεκατομμύρια σημεία δεδομένων κάθε ώρα σε πολλές γεωγραφικές περιοχές και πολλούς πελάτες. Στον εποπτευόμενο χώρο, χρησιμοποιούμε μια ποικιλία μοντέλων, όπως γραμμική παλινδρόμηση, δέντρα αποφάσεων κ.λπ. στον χώρο χωρίς επίβλεψη, παραδείγματα περιλαμβάνουν μοντέλα συνόλων, νευρωνικά δίκτυα και τυχαία δάση.

Η χρήση μιας ποικιλίας μοντέλων είναι κεντρική για τη δύναμη του προϊόντος μας — μπορούμε να εντοπίσουμε το σωστό μοντέλο για οποιονδήποτε πελάτη σε κάθε δεδομένη κατάσταση. Μπορούμε πραγματικά να το βράσουμε στο επίπεδο του μετρητή. Αυτό είναι που μας τοποθετεί πραγματικά ως ηγέτη σε αυτόν τον χώρο.

Γιατί είναι σημαντική η παρακολούθηση της ενέργειας για τους λιανοπωλητές ενέργειας;

Το κόστος για την απόκτηση ενός πελάτη είναι συχνά δύο έως τρεις φορές το περιθώριο κέρδους που κάνει ένας λιανοπωλητής σε αυτόν τον πελάτη σε ένα χρόνο. Αυτό σημαίνει ότι χρειάζονται δύο έως τρία χρόνια για να κερδίσετε πίσω το κόστος απόκτησης πελατών, επομένως είναι πολύ σημαντικό να διατηρήσετε κάθε πελάτη.

Βοηθάμε τους λιανοπωλητές να το επιτύχουν, δίνοντάς τους τη δυνατότητα να διαφοροποιούνται. Παρέχουμε προβλέψεις και τη δυνατότητα να ορίσουμε και να αναπτύξουμε τιμολόγια χρόνου χρήσης για να προσαρμόσουμε το προϊόν τους στους πελάτες τους. Μπορούμε επίσης να παρέχουμε πλατφόρμες διαχείρισης κινδύνου και τιμολόγησης, μαζί με τη δυνατότητα εντοπισμού των καλύτερων καταναλωτών σε κάθε περιοχή. Εντοπίζουμε επίσης ποιοι πελάτες ταιριάζουν καλύτερα σε συγκεκριμένα προϊόντα. Όλα αυτά συνθέτουν μια πιο συναρπαστική και οικονομικά αποδοτική υπηρεσία για τους πελάτες, ενισχύοντας τις προσπάθειες απόκτησης και διατήρησης.

Ποιες είναι μερικές από τις βασικές γνώσεις που μπορούν να αντληθούν από τη μελέτη της κατανάλωσης ενέργειας;

Φανταστείτε ότι αγοράσατε πρόσφατα ένα ηλεκτρικό όχημα. Τα μοντέλα μας μπορούν να το εντοπίσουν, επιτρέποντας στον πάροχο ηλεκτρικής ενέργειας να στέλνει αυτόματα τις εξατομικευμένες μας επικοινωνίες και τις στοχευμένες υπηρεσίες που ισχύουν για την κατάστασή σας ως νέος ιδιοκτήτης ηλεκτρικών οχημάτων — ίσως ένα διαφορετικό τιμολόγιο, ένα νέο ασφαλιστικό προϊόν ή ένα προϊόν εξυπηρέτησης.

Ομοίως, μπορούμε να εντοπίσουμε και να σας ειδοποιήσουμε προληπτικά, με βάση την κατανάλωση ενέργειας τις τελευταίες 15 ημέρες, ότι υπολογίζουμε ότι η κατανάλωσή σας τις επόμενες 30 ημέρες θα είναι πολύ υψηλότερη από την κανονική για έναν συγκεκριμένο λόγο. Στη συνέχεια, μπορούμε να συνεργαστούμε μαζί σας για να λάβουμε προληπτικά μέτρα για να αποφύγουμε ένα σοκ λογαριασμού. Αυτά είναι μόνο μερικά παραδείγματα του είδους των δεσμεύσεων που μπορούμε να προσφέρουμε.

Οι δυνατότητες πρόβλεψής μας είναι επίσης εξαιρετικά ισχυρές. Τα πρόσφατα γεγονότα στο Τέξας έκαναν τις προβλέψεις πολύ δύσκολες, γιατί ήταν ένα εντελώς πρωτότυπο σενάριο. Αλλά οι προβλέψεις μας ήταν 20% έως 40% πιο ακριβείς από τους ανταγωνιστές μας, επομένως οι πελάτες μας ήταν πολύ καλύτερα προετοιμασμένοι για τη διακοπή. Χρησιμοποιώντας τις προβλέψεις μας ως μέρος της στρατηγικής αντιστάθμισης κινδύνου, είχαν πολύ καλύτερη θέση καθώς οι τιμές της ενέργειας εκτινάχθηκαν στα 9,000 $ ανά μεγαβατώρα. Οι οικονομίες για αυτούς ήταν σημαντικές. Το γεγονός ότι τα μοντέλα μας προσαρμόζονται γρήγορα στις μεταβαλλόμενες καταστάσεις επιτρέπει επίσης στους πελάτες μας να προβλέπουν και να υποβάλλουν προσφορές αποτελεσματικά σε εξαιρετικά ασταθείς καταστάσεις, ακόμη και εν μέσω κυλιόμενων διακοπών.

Αυτό το επίπεδο παρακολούθησης και ερμηνείας ενεργειακών δεδομένων είναι όλο και πιο σημαντικό. Πολλοί έμποροι λιανικής θα σταματήσουν τις δραστηριότητές τους και οι μεγάλοι έμποροι λιανικής έχουν αντισταθμίσει τις απαιτήσεις τους στην αγορά έως και ένα χρόνο, ίσως και περισσότερο. Ανάλογα με τη στρατηγική και το προφίλ κινδύνου τους, μπορεί να έχουν αποκτήσει το 50% της απαιτούμενης ενέργειας που χρειάζονταν την τελευταία εβδομάδα. Θα προσπαθούσαν να αυξήσουν αυτό το ποσοστό καθώς αυξάνονταν το προφίλ κινδύνου και η τιμή της ενέργειας. Θα είχαν αντισταθμίσει περισσότερα, αλλά τελικά, θα πήγαιναν στην αγορά σε πραγματικό χρόνο προσπαθώντας να αγοράσουν ενέργεια. Έπρεπε να το κάνουν αυτό με τη μέση τιμή για το τελευταίο έτος, που ήταν περίπου 25 $ ανά μεγαβατώρα. Τώρα πηγαίνοντας στην αγορά, προσπαθούν να αγοράσουν με 9,000 $ ανά μεγαβατώρα. Έτσι, το κόστος για τον λιανοπωλητή είναι τεράστιο, αυτά είναι τα κέρδη του έτους που χάθηκαν σε ένα απόγευμα.

Με ποιους τρόπους μπορούν να χρησιμοποιηθούν αυτές οι πληροφορίες για να επηρεάσουν τη χρήση για πιο πράσινη ενέργεια;

Ιστορικά, το δίκτυο καθοδηγείται από τη ζήτηση - όταν η ζήτηση αυξανόταν, οι φορείς εκμετάλλευσης θα κατασκεύαζαν περισσότερους σταθμούς παραγωγής ενέργειας, θα έβαζαν περισσότερα καλώδια, θα έκαιγαν περισσότερα καύσιμα. Τώρα βρισκόμαστε σε μια μεταβατική φάση όπου κινούμαστε σε ένα δίκτυο που βασίζεται στην προμήθεια. Καθώς προχωράμε στις ανανεώσιμες πηγές ενέργειας, πρέπει να είμαστε σε θέση να διαχειριστούμε την πλευρά της προσφοράς. Στον νέο κόσμο, η προσφορά φτάνει όποτε φυσάει ή λάμπει ο ήλιος. Θα δούμε επίσης μια τεράστια αύξηση της ζήτησης λόγω της ηλεκτροδότησης των μεταφορών και της θερμότητας.

Αυτό που κάνουμε για τους πελάτες μας είναι να αναλύουμε τον τρόπο με τον οποίο οι καταναλωτές χρησιμοποιούν την ενέργεια. Ξεκινάμε εξετάζοντας πόσο από το φορτίο τους είναι αυτό που ονομάζουμε «βασικό φορτίο». Υπάρχουν ορισμένα πράγματα που μπορούν να γίνουν για να δοθούν κίνητρα στους ανθρώπους να το μειώσουν, αλλά σε γενικές γραμμές, έχει διορθωθεί. Μπορούμε να εντοπίσουμε αυτούς που είναι ευαίσθητοι στις καιρικές συνθήκες, μπορούμε να εντοπίσουμε σπίτια που θα μπορούσαν να κάνουν με θερμικές παρεμβάσεις — μόνωση ή τοποθέτηση θερμοστάτη.

Μπορούμε όμως επίσης να αναγνωρίσουμε φορτία ευαίσθητα στο χρόνο, κάτι που είναι δείκτης συμπεριφοράς. Χωρίς να γίνουμε πολύ επεμβατικοί, μπορούμε να δούμε συμπεριφορές που βασίζονται στο σπίτι. Για παράδειγμα, μπορείτε να συμβουλεύσετε έναν πελάτη ότι μπορεί να θέλει να εξετάσει το ενδεχόμενο ψύξης ή θέρμανσης του σπιτιού του σε διαφορετική στιγμή για να το κάνει πιο άνετο, να εξοικονομήσει χρήματα ή να μεγιστοποιήσει τη χρήση της πράσινης ενέργειας.

Μπορούμε επίσης να χρησιμοποιήσουμε προληπτικές στρατηγικές διαχείρισης από την πλευρά της ζήτησης για να ευθυγραμμίσουμε την κατανάλωση με τη διαθεσιμότητα ανανεώσιμων πηγών ενέργειας χωρίς να επηρεάσουμε αρνητικά την εμπειρία του χρήστη. Για παράδειγμα, μπορείτε να συνδέετε συνήθως το όχημά σας στις 7 μ.μ. και να το αποσυνδέετε στις 7 π.μ. Μπορούμε να στείλουμε ένα σήμα διαχείρισης ζήτησης στα σημεία φόρτισης για να καθορίσουμε τις ώρες κατά τις οποίες το όχημά σας πραγματικά φορτίζει, προκειμένου να βελτιστοποιηθεί η χρήση των ανανεώσιμων πηγών ενέργειας .

Το 2020, Innowatts ανακοίνωσε ότι είχε ξεπεράσει πέντε άλλους ενεργειακούς προγνωστικούς στα περισσότερα μέτρα σε μια ανεξάρτητη δοκιμή. Πόσο πολύτιμο είναι να μπορείς να κάνεις πρόβλεψη με τόσο υψηλό επίπεδο ακρίβειας;

Η κατάσταση στο Τέξας έδειξε το κόστος των ανακριβών προβλέψεων. Εάν ένας έμπορος λιανικής εξετάζει πιθανή απώλεια μισού δισεκατομμυρίου δολαρίων, τότε οι προβλέψεις μας - οι οποίες είναι 20% έως 40% πιο ακριβείς από τον ανταγωνισμό - θα μπορούσαν να εξοικονομήσουν συντηρητικά πάνω από 100 εκατομμύρια δολάρια. Αυτή είναι μια ακραία κατάσταση, αλλά η λεπτομερής προσέγγισή μας σημαίνει ότι οι πελάτες βγαίνουν μπροστά όλο το χρόνο, ακόμη και χωρίς ακραία αστάθεια.

Για παράδειγμα, υποστηρίζουμε έναν πάροχο στην Ευρώπη με εμπορικούς και βιομηχανικούς πελάτες. Προσπαθούν εδώ και χρόνια να λαμβάνουν προληπτικές ειδοποιήσεις για το πότε οι πελάτες τους πρόκειται να προβούν σε ενέργειες — πότε πρόκειται να αυξήσουν ή να μειώσουν την ισχύ τους — αλλά δεν τα κατάφεραν. Μπορέσαμε να προβλέπουμε για αυτούς σε διαστήματα 15 λεπτών για κάθε έναν από τους εμπορικούς και βιομηχανικούς πελάτες τους, επιτρέποντάς τους να προβλέπουν αλλαγές φορτίου και να λαμβάνουν πιο έξυπνες αποφάσεις αγορών σε πολύ αναλυτικό επίπεδο — και αυτό σημαίνει ότι μπορούν να εξοικονομήσουν σημαντική χρήματα.

Ποιο είναι το μέλλον της επιστήμης δεδομένων και της μηχανικής μάθησης σε αυτόν τον τομέα;

Όπως ανέφερα, έχουμε να κάνουμε με πολύ μεγάλα σύνολα δεδομένων. Καθώς λαμβάνουμε περισσότερα δεδομένα και πιο αναλυτικά δεδομένα, θα μπορούμε να συμπεράνουμε και να συμπεράνουμε περισσότερες πληροφορίες — και καθώς αυξάνεται η ισχύς του υπολογιστή, θα μπορούμε να επεξεργαζόμαστε αυτά τα δεδομένα πιο γρήγορα για να προσφέρουμε ισχυρές πληροφορίες. Οι μαθηματικές αρχές δεν αλλάζουν, αλλά η αυξανόμενη ικανότητά μας να εφαρμόζουμε σύνθετα μαθηματικά σε κλίμακα θα καταστήσει αυτές τις δυνατότητες όλο και πιο αποτελεσματικές, εντυπωσιακές και προσιτές τα επόμενα χρόνια. Σε τελική ανάλυση, αυτό θα υποστηρίξει την κίνηση προς ένα πλέγμα χωρίς άνθρακα.

Σας ευχαριστούμε για την υπέροχη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να το επισκεφτούν Innowatts.