インノワッツのCTO、デーブ・バウンダイ氏とのインタビュー・シリーズ

デーブ・バウンダイは、AIデータ分析のリーダーであるインノワッツのCTOです。同社のSaaSプラットフォームは、企業に予測、プロアクティブ、顧客および料金所得者との接続性を高めるために必要なデータを提供し、リスクをよりよく管理し、収益性を向上させ、グリッドの信頼性を維持し、持続可能性のトレンドを予測するのに役立ちます。

デーブには、20年以上のIoTおよびエネルギー業界の経験があります。彼のキャリアは、エンタープライズIT、製品開発、研究およびイノベーション、新規事業立ち上げと多岐にわたります。現在の役職に就く前は、インテルのグローバルエネルギー・ソリューション事業を立ち上げ、世界中の顧客に機械学習および人工知能ソリューションを提供していました。デーブは複数の特許を保有し、複数のアドバイザリーボードに参加しています。

インノワッツについて説明してください。

インノワッツは、顧客の総利益率を向上させながら、再生可能エネルギーの採用を促進することに重点を置いた新しいエネルギー会社です。大量のデータを分析して、実行可能な洞察を解放することでこれを実現しています。B2B企業ですが、顧客のエンドユーザーにB2BおよびB2Cサービスを提供しています。家や事業所、またはネットワーク内のメーターレベルデータを収集し、それを社会経済データ、CRMデータ、リスク管理データなど他の多くのデータセットと組み合わせます。

私たちのAIベースの分析エンジンは、消費者レベルの予測からエネルギー使用の分解まで、幅広い洞察を提供します。消費者に適した製品を特定することができ、また小売顧客に最適な料金プランを特定するサービスも提供します。

最後に、ネットワークオペレーターと公益事業者を支援して、将来の計画を立てるのに役立ちます。変化が発生している場所を理解することが重要です。そうすれば、資産を最適化し、消費者にコストを削減することができます。

インノワッツではどのような機械学習技術を使用していますか。

基本的に、人間のような思考をマシンにさせることを支援し、同時に大規模なデータセットを処理する能力を与えます。私たちは4300万以上のメーターを管理し、複数の地理的地域や顧客を跨いで毎時数十億のデータポイントを処理しています。教師あり学習では、線形回帰、決定木などさまざまなモデルを使用しています。教師なし学習では、アンサンブルモデル、ニューラルネットワーク、ランダムフォレストなどを使用しています。

さまざまなモデルを使用することは、私たちの製品の強みの源泉です。顧客や状況に合わせて最適なモデルを特定できます。メーターレベルまで分析することができます。これが私たちをこの分野のリーダーにしているのです。

エネルギー小売業者にとってエネルギー監視はどれほど重要ですか。

顧客を獲得するコストは、多くの場合、1年間での小売業者の利益の2〜3倍に達します。つまり、顧客獲得コストを回収するには2〜3年かかることになります。したがって、顧客を維持することは非常に重要です。

私たちは、小売業者が差別化する能力を提供することでこれを実現します。予測と時間帯別料金プランを特定して開発する機能を提供します。また、リスク管理と価格設定プラットフォーム、特定の地域で最適な消費者を特定する機能も提供します。さらに、顧客が特定の製品に適しているかどうかを特定することもできます。これらすべてが消費者にとってより魅力的なサービスとなり、獲得と維持の両方を促進します。

エネルギー消費を分析することで得られる主な洞察は何ですか。

例えば、最近電気自動車を購入したとします。私たちのモデルはそれを検出でき、電気提供者は自動的にカスタマイズされたコミュニケーションとターゲットサービスを送信できます。たとえば、別の料金プラン、新しい保険製品、またはメンテナンス製品などです。

同様に、過去15日間のエネルギー使用状況に基づいて、次の30日間の消費量が通常よりも大幅に増加することを予測できます。そうすれば、請求書のショックを避けるために事前に対策を講じることができます。これらは、私たちが提供できるエンゲージメントの例です。

私たちの予測能力は非常に強力です。テキサス州での最近の出来事は予測を非常に難しくしました。なぜなら、それは完全に新しいシナリオだったからです。しかし、私たちの予測は競合他社よりも20〜40%正確でした。したがって、私たちの顧客は混乱に対してかなりよく準備されていました。私たちの予測をヘッジ戦略の一部として使用することで、エネルギー価格が1メガワット時あたり9,000ドルまで上昇したときに、かなり良い立場にいました。彼らの節約額は相当なものでした。私たちのモデルが変化する状況に迅速に適応することも、顧客が非常に不安定な状況の中で効果的に予測し、入札することを可能にしました。

このレベルのエネルギーデータの監視と解釈は、ますます重要になっています。多くの小売業者は事業を停止することになります。大手小売業者は市場での必要なエネルギーを1年、またはそれ以上先までヘッジしています。リスクプロファイルやエネルギー価格に応じて、必要なエネルギーの50%を先週までに取得しようとしました。彼らはリスクプロファイルやエネルギー価格が上昇するにつれて、さらにヘッジしようとしました。しかし、最終的には、リアルタイム市場で電力を購入しようとしていたでしょう。彼らは、過去1年の平均価格で購入しようとしていました。過去1年の平均価格は約25ドル/メガワット時でした。現在、9,000ドル/メガワット時で購入しようとしています。小売業者のコストは巨大です。1日のうちに1年の利益が失われることになります。

この情報を使用して、よりグリーンなエネルギー使用を促進する方法は何ですか。

歴史的に、グリッドは需要によって主導されてきました。需要が増加すると、運営者は発電所を増設し、ケーブルを増やし、燃料を燃やしました。現在、供給主導のグリッドへの移行期にあります。再生可能エネルギーに移行するにつれて、供給側を管理する必要があります。新しい世界では、風が吹いたり太陽が輝いたりするたびに供給が到着します。また、輸送と熱の電化によって需要の増加も見込まれています。

私たちが顧客に提供するのは、エネルギー使用を分析することです。まず、顧客の負荷のうち「ベースロード」と呼ばれる部分を調べます。ベースロードを削減する方法はある程度ありますが、基本的には固定です。天候条件に敏感な顧客を特定できます。断熱やサーモスタットの導入が必要な家庭を特定できます。

また、時間依存の負荷を特定できます。これは、行動の指標です。侵入的にならない範囲で、家庭での行動を確認できます。たとえば、顧客に、別の時間帯に家を冷房または暖房することを検討するようアドバイスできます。そうすれば、快適性を高め、コストを削減し、グリーンエネルギーの使用を最大化できます。

また、需要側管理戦略を使用して、消費を再生可能エネルギーの可用性に合わせることができます。ユーザーの体験に悪影響を与えることなく、需要を管理することができます。たとえば、毎日午後7時に車を充電し、午前7時に充電を停止することができます。充電ステーションに需要側管理信号を送信して、車の充電時間を最適化できます。

2020年、インノワッツは、独立した試験で他の5つのエネルギー予測企業よりも優れた成果を発表しました。高い精度での予測がどれほど有価値であるかについてお話しください。

テキサス州での出来事は、不正確な予測のコストを示しました。小売業者が5億ドルの損失を被る可能性がある場合、私たちの予測は競合他社よりも20〜40%正確でした。保守的に見積もると、100万ドル以上の節約になります。極端な状況ですが、私たちのグラニュラーなアプローチにより、顧客は一年を通じて先んじています。極端な変動性がない場合でもです。

例えば、ヨーロッパの提供者を支援しています。彼らは商業および工業顧客と取り組んでいます。彼らは何年も前から、顧客が行動を起こすときに事前に通知を受け取ろうとしました。増減する電力のときに、ですが、成功していません。私たちは、商業および工業顧客ごとに15分間隔で予測を提供することができました。そうすれば、負荷の変化を予測し、より賢明な購入決定を下すことができます。顧客は、かなりの金額を節約することができます。

エネルギー分野におけるデータサイエンスと機械学習の将来はどうなりますか。

私たちが扱っているデータセットは非常に大きいです。より多くのデータを取得し、よりグラニュラーなデータを取得するにつれて、より多くの情報を推測し、推論することができます。コンピュータの能力が向上するにつれて、より迅速にデータを処理し、強力な洞察を提供することができます。数学的原理は変わりませんが、複雑な数学を大規模に適用する能力が向上するにつれて、これらの機能はますます効果的、影響力があり、費用対効果の高いものになります。最終的には、脱炭素化グリッドへの推進を支援することになります。

素晴らしいインタビュー、ありがとうございます。詳しく知りたい読者は、インノワッツを訪問してください。