डेव बाउंडी इनोवाट्स - साक्षात्कार श्रृंखला में सीटीओ हैं

डेव बाउंडी सीटीओ हैं अनजाने मेंएआई डेटा एनालिटिक्स में अग्रणी। SaaS प्लेटफ़ॉर्म कंपनियों को अधिक पूर्वानुमानित, सक्रिय और अपने ग्राहकों और रेटपेयर्स से जुड़े रहने के लिए आवश्यक डेटा प्रदान करता है, जिससे उन्हें जोखिम को बेहतर ढंग से प्रबंधित करने, लाभप्रदता में सुधार करने, ग्रिड विश्वसनीयता बनाए रखने और स्थिरता रुझानों का अनुमान लगाने में मदद मिलती है।

डेविड के पास IoT और ऊर्जा उद्योग का 20 वर्षों से अधिक का अनुभव है। उनका करियर उद्यम आईटी, उत्पाद विकास, अनुसंधान एवं नवाचार और नए व्यवसाय स्टार्ट-अप तक रहा है। अपनी वर्तमान भूमिका से पहले, उन्होंने इंटेल के ग्लोबल एनर्जी सॉल्यूशंस व्यवसाय की स्थापना और नेतृत्व किया, जो दुनिया भर के ग्राहकों को मशीन लर्निंग और कृत्रिम बुद्धिमत्ता समाधान प्रदान करता था। डेविड के पास कई पेटेंट हैं और वह कई सलाहकार बोर्डों पर बैठता है।

क्या आप बता सकते हैं कि इनोवाट्स क्या है?

इनोवाट्स एक नई ऊर्जा कंपनी है जो नवीकरणीय ऊर्जा को बढ़ावा देते हुए हमारे ग्राहकों के सकल मार्जिन में सुधार लाने पर केंद्रित है। हम कार्रवाई योग्य अंतर्दृष्टि को अनलॉक करने के लिए बड़ी मात्रा में डेटा का विश्लेषण करके ऐसा करते हैं। हालाँकि हम एक B2B कंपनी हैं, हम अपने ग्राहकों के माध्यम से उनके अंतिम उपयोगकर्ताओं को B2B और B2C दोनों सेवाएँ प्रदान करते हैं। हम किसी घर या व्यवसाय से, या नेटवर्क के भीतर मीटर-स्तरीय डेटा लेते हैं, और हम उसे सामाजिक आर्थिक डेटा, सीआरएम डेटा और जोखिम प्रबंधन डेटा सहित कई अन्य डेटा सेटों के साथ जोड़ते हैं।

हमारा एआई आधारित एनालिटिक्स इंजन उपभोक्ता-स्तर के पूर्वानुमान से लेकर वर्तमान और भविष्य के ऊर्जा उपयोग को अलग-अलग करने तक की अंतर्दृष्टि प्रदान करता है। इसके माध्यम से हम किसी भी उपभोक्ता के लिए उपयुक्त संभावित उत्पादों की पहचान कर सकते हैं। हम खुदरा ग्राहकों को उनके सकल मार्जिन को अधिकतम करने के लिए इष्टतम टैरिफ मॉडल की पहचान जैसी सेवाएं भी प्रदान करते हैं।

अंत में, हम भविष्य के लिए योजना बनाने में मदद करने के लिए नेटवर्क ऑपरेटरों और उपयोगिताओं का समर्थन करते हैं। यह आवश्यक है कि वे समझें कि परिवर्तन कहाँ हो रहे हैं ताकि वे उपभोक्ताओं के लिए कीमतें कम करते हुए संपत्ति का अनुकूलन कर सकें।

इनोवाट्स में किस प्रकार की मशीन लर्निंग तकनीकों का उपयोग किया जाता है?

अनिवार्य रूप से, हम मशीनों को अधिक मानवीय तरीकों से सोचने में मदद कर रहे हैं, साथ ही उन्हें बहुत बड़े डेटासेट को स्केल करने और उनसे निपटने की अनुमति भी दे रहे हैं। हमारे पास प्रबंधन के तहत 43 मिलियन से अधिक मीटर हैं, और हम कई भौगोलिक क्षेत्रों और कई ग्राहकों में हर घंटे अरबों डेटा बिंदुओं से निपट रहे हैं। पर्यवेक्षित स्थान में, हम रैखिक प्रतिगमन, निर्णय वृक्ष आदि सहित विभिन्न प्रकार के मॉडल का उपयोग करते हैं; अनपर्यवेक्षित स्थान में, उदाहरणों में समूह मॉडल, तंत्रिका नेटवर्क और यादृच्छिक वन शामिल हैं।

विभिन्न प्रकार के मॉडलों का हमारा उपयोग हमारे उत्पाद की ताकत का केंद्र है - हम किसी भी स्थिति में किसी भी ग्राहक के लिए सही मॉडल की पहचान कर सकते हैं। हम वास्तव में इसे मीटर स्तर तक उबाल सकते हैं। यही बात वास्तव में हमें इस क्षेत्र में एक नेता के रूप में स्थापित करती है।

ऊर्जा खुदरा विक्रेताओं के लिए ऊर्जा निगरानी क्यों महत्वपूर्ण है?

एक ग्राहक को प्राप्त करने की लागत अक्सर उस मार्जिन से दो से तीन गुना अधिक होती है जो एक खुदरा विक्रेता एक वर्ष में उस ग्राहक पर कमाता है। इसका मतलब है कि आपकी ग्राहक अधिग्रहण लागत वापस पाने में दो से तीन साल लग जाते हैं, इसलिए प्रत्येक ग्राहक को बनाए रखना वास्तव में महत्वपूर्ण है।

हम खुदरा विक्रेताओं को अंतर करने की क्षमता देकर इसे हासिल करने में मदद करते हैं। हम उनके उत्पाद को उनके ग्राहकों के अनुरूप बनाने के लिए पूर्वानुमान और उपयोग के समय टैरिफ को परिभाषित करने और विकसित करने की क्षमता प्रदान करते हैं। हम प्रत्येक क्षेत्र में सर्वोत्तम उपभोक्ताओं की पहचान करने की क्षमता के साथ-साथ जोखिम प्रबंधन और मूल्य निर्धारण प्लेटफ़ॉर्म भी प्रदान कर सकते हैं। हम यह भी पहचानते हैं कि कौन से ग्राहक विशेष उत्पादों के लिए सबसे उपयुक्त हैं। यह सब ग्राहकों के लिए अधिक आकर्षक और लागत प्रभावी सेवा प्रदान करता है, जिससे अधिग्रहण और प्रतिधारण दोनों प्रयासों को बढ़ावा मिलता है।

ऊर्जा खपत के अध्ययन से प्राप्त होने वाली कुछ प्रमुख जानकारियां क्या हैं?

कल्पना कीजिए कि आपने हाल ही में एक इलेक्ट्रिक वाहन खरीदा है। हमारे मॉडल इसका पता लगा सकते हैं, जिससे आपके बिजली प्रदाता को एक नए ईवी मालिक के रूप में आपकी स्थिति पर लागू हमारे विशेष संचार और लक्षित सेवाओं को स्वचालित रूप से भेजने की अनुमति मिलती है - शायद एक अलग टैरिफ, एक नया बीमा उत्पाद, या एक सर्विसिंग उत्पाद।

इसी तरह, हम पिछले 15 दिनों में आपके ऊर्जा उपयोग के आधार पर आपको पहचान सकते हैं और सक्रिय रूप से सूचित कर सकते हैं, कि हम किसी विशेष कारण से अगले 30 दिनों के दौरान आपकी खपत सामान्य से बहुत अधिक होने का अनुमान लगा रहे हैं। फिर हम बिल के झटके से बचने के लिए पूर्वव्यापी कार्रवाई करने के लिए आपके साथ काम कर सकते हैं। ये उस प्रकार की सहभागिताओं के कुछ उदाहरण हैं जिन्हें हम प्रदान कर सकते हैं।

हमारी पूर्वानुमान क्षमताएं भी बेहद शक्तिशाली हैं। टेक्सास में हाल की घटनाओं ने पूर्वानुमान लगाना बहुत कठिन बना दिया, क्योंकि यह पूरी तरह से नया परिदृश्य था। लेकिन हमारे पूर्वानुमान हमारे प्रतिस्पर्धियों की तुलना में 20% से 40% अधिक सटीक थे, इसलिए हमारे ग्राहक व्यवधान के लिए कहीं बेहतर तरीके से तैयार थे। अपनी हेजिंग रणनीति के हिस्से के रूप में हमारे पूर्वानुमानों का उपयोग करके, वे कहीं बेहतर स्थिति में थे क्योंकि ऊर्जा की कीमतें 9,000 डॉलर प्रति मेगावाट घंटे तक बढ़ गईं। उनके लिए बचत महत्वपूर्ण रही है. तथ्य यह है कि हमारे मॉडल बदलती परिस्थितियों में तेजी से अनुकूलित होते हैं, यह हमारे ग्राहकों को अत्यधिक अस्थिर परिस्थितियों में भी प्रभावी ढंग से पूर्वानुमान लगाने और बोली लगाने में सक्षम बनाता है, यहां तक ​​कि ब्लैकआउट के बीच भी।

ऊर्जा डेटा की निगरानी और व्याख्या का यह स्तर तेजी से महत्वपूर्ण होता जा रहा है। कई खुदरा विक्रेता व्यवसाय से बाहर हो जाएंगे, और बड़े खुदरा विक्रेताओं ने बाजार में अपनी आवश्यकताओं को एक वर्ष तक, शायद इससे भी अधिक समय तक सीमित रखा है। उनकी रणनीति और जोखिम प्रोफाइल के आधार पर, उन्होंने पिछले सप्ताह में आवश्यक ऊर्जा का 50% हासिल कर लिया होगा। उन्होंने उस प्रतिशत को बढ़ाने की कोशिश की होगी क्योंकि जोखिम प्रोफ़ाइल और ऊर्जा की कीमत बढ़ रही थी। उन्होंने अधिक बचाव किया होगा, लेकिन अंततः, वे बिजली खरीदने की कोशिश में वास्तविक समय के बाजार में जा रहे होंगे। उन्हें ऐसा पिछले वर्ष की औसत कीमत पर करना पड़ रहा था, जो लगभग 25 डॉलर प्रति मेगावाट घंटा रहा है। अब बाजार में जाकर, वे 9,000 डॉलर प्रति मेगावाट घंटे पर खरीदने की कोशिश कर रहे हैं। तो खुदरा विक्रेता के लिए लागत बहुत बड़ी है, यानी उनका साल भर का मुनाफ़ा एक दोपहर में ख़त्म हो गया।

हरित ऊर्जा के उपयोग को प्रभावित करने के लिए इस जानकारी का उपयोग किन तरीकों से किया जा सकता है?

ऐतिहासिक रूप से, ग्रिड मांग-आधारित रहा है - जब मांग बढ़ती है, तो ऑपरेटर अधिक बिजली संयंत्र बनाएंगे, अधिक केबल लगाएंगे, अधिक ईंधन जलाएंगे। अब हम एक संक्रमण चरण में हैं जहां हम आपूर्ति-आधारित ग्रिड की ओर बढ़ रहे हैं। जैसे-जैसे हम नवीकरणीय ऊर्जा की ओर बढ़ रहे हैं, हमें आपूर्ति पक्ष का प्रबंधन करने में सक्षम होने की आवश्यकता है। नई दुनिया में, जब भी हवा चलती है या सूरज चमकता है तो आपूर्ति आती है। हम परिवहन और ताप के विद्युतीकरण से उत्पन्न मांग में भी भारी वृद्धि देखने जा रहे हैं।

हम अपने ग्राहकों के लिए यह विश्लेषण करते हैं कि उपभोक्ता ऊर्जा का उपयोग कैसे करते हैं। हम यह देखकर शुरुआत करते हैं कि उनका भार कितना है जिसे हम "बेस लोड" कहते हैं। इसे कम करने के लिए लोगों को प्रोत्साहित करने के लिए कुछ चीजें की जा सकती हैं, लेकिन कुल मिलाकर यह तय है। हम उन लोगों की पहचान कर सकते हैं जो मौसम की स्थिति के प्रति संवेदनशील हैं, हम ऐसे घरों की पहचान कर सकते हैं जो थर्मल हस्तक्षेप - इन्सुलेशन या थर्मोस्टेट लगाने जैसे काम कर सकते हैं।

लेकिन हम समय-संवेदनशील भार की भी पहचान कर सकते हैं, जो व्यवहार का एक संकेतक है। बहुत अधिक आक्रामक हुए बिना, हम घर-आधारित व्यवहार देख सकते हैं। उदाहरण के लिए, आप किसी ग्राहक को सलाह दे सकते हैं कि वे अपने घर को अधिक आरामदायक बनाने, पैसे बचाने या हरित ऊर्जा के उपयोग को अधिकतम करने के लिए अलग-अलग समय पर ठंडा करने या गर्म करने पर विचार कर सकते हैं।

हम उपयोगकर्ता के अनुभव पर नकारात्मक प्रभाव डाले बिना खपत को नवीकरणीय ऊर्जा की उपलब्धता के अनुरूप बनाने के लिए सक्रिय, मांग-पक्ष प्रबंधन रणनीतियों का भी उपयोग कर सकते हैं। उदाहरण के लिए, आप नियमित रूप से अपने वाहन को शाम 7 बजे प्लग इन कर सकते हैं और सुबह 7 बजे इसे अनप्लग कर सकते हैं। नवीकरणीय ऊर्जा के उपयोग को अनुकूलित करने के लिए, हम आपके वाहन के वास्तव में चार्ज होने के घंटों को निर्धारित करने के लिए चार्ज बिंदुओं पर एक डिमांड-साइड प्रबंधन सिग्नल भेज सकते हैं। .

2020 में, इनोवाट्स की घोषणा एक स्वतंत्र परीक्षण में अधिकांश उपायों पर इसने पांच अन्य ऊर्जा पूर्वानुमानकर्ताओं से बेहतर प्रदर्शन किया था। इतने उच्च स्तर की सटीकता के साथ पूर्वानुमान लगाने में सक्षम होना कितना मूल्यवान है?

टेक्सास की स्थिति ने गलत पूर्वानुमान की कीमत दिखा दी। यदि कोई खुदरा विक्रेता संभावित आधा अरब डॉलर का नुकसान देख रहा है, तो हमारे पूर्वानुमान - जो प्रतिस्पर्धा की तुलना में 20% से 40% अधिक सटीक हैं - रूढ़िवादी रूप से उन्हें 100 मिलियन डॉलर से अधिक बचा सकते हैं। यह एक चरम स्थिति है, लेकिन हमारे विस्तृत दृष्टिकोण का मतलब है कि ग्राहक अत्यधिक अस्थिरता के बिना भी साल भर आगे बढ़ रहे हैं।

उदाहरण के लिए, हम यूरोप में वाणिज्यिक और औद्योगिक दोनों ग्राहकों वाले एक प्रदाता का समर्थन कर रहे हैं। वे वर्षों से इस बात की सक्रिय सूचनाएं प्राप्त करने का प्रयास कर रहे हैं कि उनके ग्राहक कब कार्रवाई करने जा रहे हैं - कब वे अपनी शक्ति बढ़ाने या घटाने जा रहे हैं - लेकिन वे सफल नहीं हुए हैं। हम उनके प्रत्येक वाणिज्यिक और औद्योगिक ग्राहक के लिए 15 मिनट के अंतराल पर पूर्वानुमान लगाने में सक्षम हैं, जिससे उन्हें लोड परिवर्तन का अनुमान लगाने और अत्यधिक विस्तृत स्तर पर बेहतर खरीदारी निर्णय लेने की अनुमति मिलती है - और इसका मतलब है कि वे महत्वपूर्ण बचत करने में सक्षम हैं धन।

इस क्षेत्र में डेटा साइंस और मशीन लर्निंग का भविष्य क्या है?

जैसा कि मैंने बताया, हम बहुत बड़े डेटासेट के साथ काम कर रहे हैं। जैसे-जैसे हमें अधिक डेटा और अधिक विस्तृत डेटा मिलेगा, हम अधिक जानकारी निकालने और अनुमान लगाने में सक्षम होंगे - और जैसे-जैसे कंप्यूटर की शक्ति बढ़ेगी, हम शक्तिशाली अंतर्दृष्टि प्रदान करने के लिए उस डेटा को और अधिक तेज़ी से संसाधित करने में सक्षम होंगे। गणितीय सिद्धांत नहीं बदलते हैं, लेकिन जटिल गणित को बड़े पैमाने पर लागू करने की हमारी बढ़ती क्षमता अगले कुछ वर्षों में इन क्षमताओं को तेजी से प्रभावी, प्रभावशाली और किफायती बना देगी। अंततः यह डीकार्बोनाइज्ड ग्रिड की ओर ड्राइव का समर्थन करेगा।

बेहतरीन साक्षात्कार के लिए धन्यवाद, जो पाठक अधिक जानना चाहते हैं, उन्हें अवश्य आना चाहिए अनजाने में.