인노와츠의 CTO 데이브 바운디 – 인터뷰 시리즈

데이브 바운디는 인노와츠(Innowatts)의 CTO입니다. 인노와츠는 AI 데이터 분석 분야의 선두주자입니다. 이 SaaS 플랫폼은 기업들에게 고객과 요금 지불자와 더 예측적이고 프로액티브하며 연결된 상태로 유지하도록 필요한 데이터를 제공합니다. 이를 통해 기업들은 리스크를 더 잘 관리하고 수익성을 개선하며 그리드의 안정성을 유지하며 지속가능성 트렌드를 예측할 수 있습니다.

데이브 바운디는 20년 이상의 IoT와 에너지 산업 경험을 가지고 있습니다. 그의 경력은 엔터프라이즈 IT, 제품 개발, 연구 및 혁신, 새로운 비즈니스 시작 등 다양한 분야에서 활동했습니다. 현재의 역할 이전에, 그는 인텔의 글로벌 에너지 솔루션 비즈니스를 설립하고 운영했으며, 전 세계 고객들에게 기계 학습과 인공지능 솔루션을 제공했습니다. 데이브 바운디는 여러 특허를 보유하고 있으며, 여러 자문위원회에서 활동하고 있습니다.

인노와츠에 대해 설명해 주시겠습니까?

인노와츠는 고객의 총 마진을 개선하고 재생 에너지의 채택을 증가시키는 것을 목표로 하는 새로운 에너지 회사입니다. 우리는大量의 데이터를 분석하여 행동 가능한 통찰력을 얻습니다. 우리는 B2B 회사이지만, 고객들에게 B2C 서비스를 제공합니다. 우리는 집이나 비즈니스, 또는 네트워크 내의 미터 수준의 데이터를 수집하고, 사회 경제적 데이터, CRM 데이터, 리스크 관리 데이터 등 다른 데이터 세트와 결합합니다.

우리의 AI 기반 분석 엔진은 소비자 수준의 예측에서 현재 및 미래의 에너지 사용을 분리하는 것까지 다양한 통찰력을 제공합니다. 이를 통해 우리는 어떤 소비자에게도 적합한 제품을 식별할 수 있습니다. 우리는 또한 소비자에게 최적의 요금 모델을 식별하는 서비스를 제공합니다.

마지막으로, 우리는 네트워크 운영자와 공급업체를 지원하여 미래를 계획하도록 도와줍니다. 그들에게는 변경이 발생하는 곳을 이해하는 것이 중요합니다. 이를 통해 자산을 최적화하고 소비자에게 가격을 낮출 수 있습니다.

인노와츠에서 사용하는 기계 학습 기술은 무엇입니까?

본질적으로, 우리는 기계가 더 인간적인 방식으로 생각하도록 도와주고,同時에 매우 큰 데이터 세트를 처리하도록 허용합니다. 우리는 4,300만 개의 미터를 관리하고 있으며, 여러 지리적 지역과 고객을 대상으로 매시간 수십억 개의 데이터 포인트를 처리합니다. 지도 공간에서, 우리는 선형 회귀, 의사 결정 트리 등 다양한 모델을 사용합니다. 비지도 공간에서, 앙상블 모델, 신경망, 랜덤 포레스트 등이 있습니다.

다양한 모델을 사용하는 것은 우리 제품의 강점입니다. 우리는 어떤 고객에게도 적합한 모델을 식별할 수 있습니다. 우리는 실제로 미터 수준까지 이를 줄일 수 있습니다. 이것이 우리를 이 분야의 선두주자로 만드는 것입니다.

에너지 모니터링은 에너지 소매업체에게 왜 중요합니까?

고객을 획득하는 비용은 종종 1년 동안 고객으로부터 얻는 마진의 2~3배입니다. 즉, 고객 획득 비용을 회수하는 데 2~3년이 걸립니다. 따라서 고객을 유지하는 것이 매우 중요합니다.

우리는 소매업체가 차별화할 수 있도록 도와줍니다. 우리는 예측과 시간당 요금을 정의하고 개발하는 기능을 제공합니다. 우리는 또한 리스크 관리와 가격 플랫폼, 그리고 최적의 소비자를 식별하는 기능을 제공합니다. 우리는 또한 특정 제품에 가장 적합한 고객을 식별합니다. 모든 것이 더 매력적이고 비용 효율적인 서비스를 제공하여 고객 획득과 유지에 도움이 됩니다.

에너지 소비에 대한 연구에서 얻을 수 있는 주요 통찰력은 무엇입니까?

예를 들어, 최근에 전기 자동차를 구입했다고 가정해 보겠습니다. 우리의 모델은 이를 감지하여 전기 공급업체가 자동으로 맞춤형 통신과 대상 서비스를 제공할 수 있습니다. 예를 들어, 다른 요금제, 새로운 보험 제품, 또는 유지 보수 제품이 있을 수 있습니다.

또한 우리는 에너지 사용 패턴을 분석하여 15일 동안의 에너지 사용을 예측하고, 다음 30일 동안의 에너지 사용이 정상보다 훨씬 높을 수 있음을 알릴 수 있습니다. 우리는 예측 기능이 매우 강력하다는 것을 알립니다. 최근 텍사스에서 발생한 상황은 예측이 매우 어려웠습니다. 그러나 우리의 예측은 경쟁사보다 20~40% 더 정확했습니다. 따라서 우리의 고객은 혼란에 대비할 수 있었습니다.

이러한 수준의 에너지 데이터 모니터링과 해석은 점점 더 중요해지고 있습니다. 많은 소매업체가 사업을 접을 것입니다. 큰 소매업체는 이미 시장에서 에너지의 50%를 1년 전부터 구입했습니다. 그들은 에너지 가격이 증가함에 따라 더 많은 에너지를 구입하려고 했습니다. 그러나 그들은 이미 구입한 에너지의 25%만을 사용했습니다. 이제 그들은 실시간 시장에서 에너지를 구입하려고 합니다. 그러나 그들은 1년 전의 평균 가격인 25달러/메가와트 시our에 에너지를 구입하려고 합니다. 그러나 현재 시장 가격은 9,000달러/메가와트 시our입니다. 따라서 소매업체의 비용은巨大합니다. 이는 그들의 1년의 수익이 하루 만에 사라지는 것입니다.

이 정보를 사용하여 녹색 에너지 사용을 어떻게 영향을 줄 수 있습니까?

과거에는 그리드가 수요에 의해 주도되었습니다. 즉, 수요가 증가하면 운영자는 더 많은 발전소를 건설하고, 더 많은 전선을 설치하고, 더 많은 연료를 태웠습니다. 그러나 우리는现在 전환 단계에 있습니다. 우리는 재생 에너지로 전환하고 있습니다. 재생 에너지를 관리하는 방법을 배우고 있습니다. 새로운 세계에서는 공급이 언제 바람이 불거나 햇빛이 비칠 때 도착합니다. 또한 전기 자동차와 난방의 전기화로 인해 수요가 크게 증가할 것입니다.

우리는 고객이 에너지를 사용하는 방식을 분석합니다. 우리는 먼저 고객의 기본 부하를 확인합니다. 일부 고객은 기본 부하를 줄일 수 있습니다. 그러나 대부분의 고객은 기본 부하를 줄일 수 없습니다. 우리는 또한 날씨에 민감한 고객을 식별할 수 있습니다. 우리는 집이 보온이 필요하거나 온도 조절 장치가 필요할 수 있는 고객을 식별할 수 있습니다.

또한 우리는 시간 민감한 부하를 식별할 수 있습니다. 이는 행동을 나타냅니다. 우리는 고객이 집에서 무엇을 하는지 정확히 알지 못하지만, 고객이 에어컨이나 난방을 사용하는 시간을 조정하여 에너지 사용을 줄일 수 있습니다. 우리는 또한 수요 관리 전략을 사용하여 재생 에너지의 사용을 최적화할 수 있습니다. 예를 들어, 고객이 7시부터 7시까지 전기 자동차를 충전한다고 가정해 보겠습니다. 우리는 충전 시간을 조정하여 재생 에너지의 사용을 최적화할 수 있습니다.

2020년에 인노와츠는 5개의 다른 에너지 예측업체보다 더 높은 정확도로 예측에 성공했습니다. 이러한 높은 수준의 정확도는 얼마나 가치 있습니까?

텍사스에서 발생한 상황은 부정확한 예측의 비용을 보여주었습니다. 만약 소매업체가 5억 달러의 손실을 볼 수 있다면, 우리의 예측은 경쟁사보다 20~40% 더 정확하여 1억 달러 이상의 비용을 절약할 수 있습니다. 이는 극단적인 상황이지만, 우리의 세분화된 접근 방식은 고객이Extreme 상황이 아니더라도 매년 앞서 나갈 수 있습니다.

예를 들어, 우리는 유럽의 하나의 공급업체를 지원하고 있습니다. 그들은 상업적 및 산업적 고객을 대상으로 서비스를 제공하고 있습니다. 그들은 고객이 행동을 취할 때 예측하는 것을 시도해 왔지만, 성공하지 못했습니다. 우리는 15분 간격으로 상업적 및 산업적 고객의 부하를 예측할 수 있습니다. 이를 통해 그들은 부하 변화를 예측하고 더智能적인 구매 결정을 내릴 수 있습니다.

에너지 분야에서 데이터 과학과 기계 학습의 미래는 무엇입니까?

우리는 매우 큰 데이터 세트를 다루고 있습니다. 데이터가 더 많아지고, 더 세분화된 데이터가 더 많이 생길수록, 우리는 더 많은 정보를 추론할 수 있습니다. 컴퓨터의 처리 능력이 증가할수록, 우리는 데이터를 더 빠르게 처리하여 강력한 통찰력을 제공할 수 있습니다. 수학적 원리는 변하지 않지만, 우리는 복잡한 수학을 더 큰 규모로 적용할 수 있을 것입니다. 이는 이러한 기능을 더 효과적이고, 영향력 있고, 비용 효율적으로 만들 것입니다. 궁극적으로, 이는 탈탄화 그리드를 지원하는 데 도움이 될 것입니다.

인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 인노와츠를 방문하십시오.