Dave Boundy è il CTO di Innowatts – Serie di interviste

Dave Boundy è il CTO di Innowatts, un leader nell’analisi dei dati di intelligenza artificiale. La piattaforma SaaS fornisce alle aziende i dati necessari per essere più prevedibili, proattivi e connessi ai propri clienti e utenti, aiutandoli a gestire meglio i rischi, migliorare la redditività, mantenere l’affidabilità della rete e anticipare le tendenze di sostenibilità.

David ha oltre 20 anni di esperienza nel settore dell’IoT e dell’energia. La sua carriera ha spaziato dall’IT aziendale, allo sviluppo di prodotti, alla ricerca e all’innovazione e alle nuove startup. Prima del suo ruolo attuale, ha fondato e diretto il business globale di soluzioni energetiche di Intel (INTC ), fornendo soluzioni di apprendimento automatico e intelligenza artificiale ai clienti in tutto il mondo. David detiene diversi brevetti e siede in numerosi consigli di amministrazione.

Potresti descrivere cosa è Innowatts?

Innowatts è una nuova azienda energetica che si concentra sull’aumento dei margini lordi dei nostri clienti, promuovendo al contempo l’adozione di energie rinnovabili. Ciò avviene analizzando grandi quantità di dati per sbloccare informazioni azionabili. Sebbene siamo un’azienda B2B, offriamo sia servizi B2B che B2C ai nostri clienti e ai loro utenti finali. Prendiamo i dati del livello del contatore da una casa o un’azienda, o all’interno della rete, e li combiniamo con molti altri set di dati, tra cui dati socioeconomici, dati CRM e dati di gestione dei rischi.

Il nostro motore di analisi basato sull’intelligenza artificiale fornisce informazioni che vanno dalla previsione a livello di consumatore alla disgregazione dell’uso energetico attuale e futuro. Ciò ci consente di identificare potenziali prodotti adatti a qualsiasi consumatore. Forniamo inoltre ai clienti al dettaglio servizi come l’identificazione del modello di tariffa ottimale per massimizzare i loro margini lordi.

Infine, supportiamo gli operatori di rete e le aziende di servizi pubblici per aiutarli a pianificare il futuro. È essenziale che capiscano dove si verificano i cambiamenti in modo che possano ottimizzare gli asset e ridurre i prezzi per i consumatori.

Quali tipi di tecnologie di apprendimento automatico vengono utilizzate in Innowatts?

Essenzialmente, stiamo aiutando le macchine a pensare in modo più umano, consentendo loro di scalare e gestire grandi set di dati. Abbiamo oltre 43 milioni di contatori in gestione e stiamo trattando miliardi di punti di dati ogni ora in più geografie e per più clienti. Nello spazio supervisato, utilizziamo una varietà di modelli, tra cui regressione lineare, alberi decisionali, ecc.; nello spazio non supervisato, esempi includono modelli ensemble, reti neurali e foreste casuali.

Il nostro utilizzo di una varietà di modelli è centrale per la forza del nostro prodotto: possiamo identificare il modello giusto per qualsiasi cliente in qualsiasi situazione data. Possiamo effettivamente ridurlo al livello del contatore. È questo che ci posiziona veramente come leader in questo settore.

Perché il monitoraggio dell’energia è importante per i rivenditori di energia?

Il costo per acquisire un cliente è spesso due o tre volte il margine che un rivenditore guadagna su quel cliente in un anno. Ciò significa che ci vogliono due o tre anni per recuperare i costi di acquisizione del cliente, quindi è davvero importante trattenere ogni cliente.

Noi aiutiamo i rivenditori a raggiungere questo obiettivo fornendo loro la capacità di differenziarsi. Forniamo previsioni e la capacità di definire e sviluppare tariffe basate sull’orario di utilizzo per adattare il loro prodotto ai loro clienti. Possiamo anche fornire piattaforme di gestione dei rischi e prezzi, insieme alla capacità di identificare i migliori consumatori in ogni territorio. Possiamo anche identificare quali clienti sono più adatti a prodotti specifici. Tutto ciò si traduce in un servizio più convincente e conveniente per i clienti, aumentando sia l’acquisizione che la fidelizzazione.

Quali sono alcune delle principali informazioni che possono essere ottenute studiando il consumo di energia?

Immagina di aver appena acquistato un veicolo elettrico. I nostri modelli possono rilevare ciò, consentendo al tuo fornitore di elettricità di inviare automaticamente comunicazioni personalizzate e servizi mirati applicabili al tuo stato di nuovo proprietario di un veicolo elettrico: forse una tariffa diversa, un nuovo prodotto assicurativo o un prodotto di manutenzione.

Allo stesso modo, possiamo identificare e notificare proattivamente, in base al tuo uso di energia negli ultimi 15 giorni, che prevediamo il tuo consumo nei prossimi 30 giorni sarà molto più alto del normale per una particolare ragione. Possiamo quindi lavorare con te per prendere azioni preventive per evitare uno shock della bolletta. Questi sono solo alcuni esempi del tipo di coinvolgimenti che possiamo offrire.

Le nostre capacità di previsione sono estremamente potenti. Gli eventi recenti in Texas hanno reso la previsione molto difficile, poiché si trattava di uno scenario completamente nuovo. Tuttavia, le nostre previsioni sono state dal 20% al 40% più accurate di quelle dei nostri concorrenti, quindi i nostri clienti erano molto meglio preparati per la perturbazione. Utilizzando le nostre previsioni come parte della loro strategia di copertura, erano molto meglio posizionati quando i prezzi dell’energia sono saliti a 9.000 dollari per megawattora. I risparmi per loro sono stati significativi. Il fatto che i nostri modelli si adattino rapidamente alle situazioni in evoluzione consente anche ai nostri clienti di prevedere e partecipare efficacemente in situazioni altamente volatili, anche in mezzo a black-out rollanti.

Questo livello di monitoraggio e interpretazione dei dati energetici è sempre più importante. Molti rivenditori falliranno e i grandi rivenditori hanno coperto le loro esigenze nel mercato fino a un anno, forse più a lungo. A seconda della loro strategia e del profilo di rischio, potrebbero aver acquisito il 50% dell’energia necessaria nell’ultima settimana. Avrebbero cercato di aumentare quella percentuale man mano che il profilo di rischio e il prezzo dell’energia aumentavano. Avrebbero coperto di più, ma alla fine sarebbero entrati nel mercato in tempo reale per acquistare energia. Dovevano farlo al prezzo medio dell’ultimo anno, che è stato di circa 25 dollari per megawattora. Ora, entrando nel mercato, stanno cercando di acquistare a 9.000 dollari per megawattora. Quindi, il costo per il rivenditore è enorme, è il loro profitto dell’anno andato in un pomeriggio.

Quali sono alcuni modi in cui queste informazioni possono essere utilizzate per influenzare l’uso di energia più verde?

Storicamente, la rete è stata guidata dalla domanda: quando la domanda aumentava, gli operatori costruivano più centrali elettriche, mettevano più cavi e bruciavano più carburante. Ora siamo in una fase di transizione in cui stiamo passando a una rete guidata dall’offerta. Man mano che ci spostiamo verso le energie rinnovabili, dobbiamo essere in grado di gestire il lato dell’offerta. Nel nuovo mondo, l’offerta arriva quando il vento soffia o il sole splende. Vedremo anche un enorme aumento della domanda derivante dall’elettrificazione dei trasporti e del calore.

Ciò che facciamo per i nostri clienti è analizzare come i consumatori utilizzano l’energia. Iniziamo esaminando quanto della loro domanda sia quella che chiamiamo “carico di base”. Ci sono alcune cose che possono essere fatte per incentivare le persone a ridurre ciò, ma in generale, è fisso. Possiamo identificare coloro che sono sensibili alle condizioni meteorologiche, possiamo identificare le case che potrebbero trarre beneficio da interventi termici – come l’isolamento o l’installazione di una termostato.

Ma possiamo anche identificare i carichi sensibili al tempo, che è un indicatore del comportamento. Senza essere troppo invasivi, possiamo vedere i comportamenti domestici. Ad esempio, potresti consigliare a un cliente di considerare il raffreddamento o il riscaldamento della casa in un momento diverso per renderla più confortevole, risparmiare denaro o massimizzare l’uso di energia verde.

Possiamo anche utilizzare strategie di gestione della domanda proattive per allineare il consumo all’offerta di energia rinnovabile senza impattare negativamente sull’esperienza dell’utente. Ad esempio, potresti abitualmente collegare il tuo veicolo alle 19:00 e scollegarlo alle 7:00. Possiamo inviare un segnale di gestione della domanda ai punti di ricarica per determinare le ore in cui il tuo veicolo si ricarica effettivamente, al fine di ottimizzare l’uso delle energie rinnovabili.

Nel 2020, Innowatts ha annunciato di aver superato cinque altri previsionisti energetici nella maggior parte delle misure in un trial indipendente. Quanto è prezioso essere in grado di prevedere con un livello di accuratezza così alto?

La situazione in Texas ha mostrato il costo della previsione inaccurata. Se un rivenditore guarda a una potenziale perdita di mezzo miliardo di dollari, allora le nostre previsioni – che sono dal 20% al 40% più accurate di quelle dei concorrenti – potrebbero conservare loro oltre 100 milioni di dollari. È una situazione estrema, ma il nostro approccio granulare significa che i clienti guadagnano tutto l’anno, anche senza volatilità estrema.

Ad esempio, stiamo supportando un fornitore in Europa con clienti commerciali e industriali. Hanno cercato per anni di ottenere notifiche proattive su quando i loro clienti avrebbero preso azioni – quando avrebbero aumentato o diminuito la loro potenza – ma non sono stati in grado di farlo. Siamo stati in grado di prevedere per loro a intervalli di 15 minuti per ciascuno dei loro clienti commerciali e industriali, consentendo loro di anticipare i cambiamenti di carico e prendere decisioni di acquisto più intelligenti a un livello molto granulare – e ciò significa che sono in grado di risparmiare denaro significativo.

Qual è il futuro della scienza dei dati e dell’apprendimento automatico in questo settore?

Come ho menzionato, stiamo trattando con set di dati molto grandi. Man mano che otteniamo più dati e dati più granulari, saremo in grado di dedurre e inferire più informazioni – e man mano che la potenza del computer aumenta, saremo in grado di elaborare quei dati più rapidamente per fornire potenti informazioni. I principi matematici non cambiano, ma la nostra crescente capacità di applicare la matematica complessa su larga scala renderà queste capacità sempre più efficaci, impattanti e accessibili nel prossimo futuro. Ciò sosterrà alla fine la spinta verso una rete decarbonizzata.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Innowatts.