Дэйв Баунди – технический директор Innowatts – Интервью

Дэйв Баунди – технический директор Innowatts, лидера в области аналитики данных с использованием ИИ. Платформа SaaS предоставляет компаниям данные, необходимые для того, чтобы быть более прогнозируемыми, проактивными и связанными с клиентами и абонентами, помогая им лучше управлять рисками, повышать прибыльность, поддерживать надежность сети и предвидеть тенденции устойчивого развития.

Дэвид имеет более 20 лет опыта работы в отрасли IoT и энергетики. Его карьера включала работу в корпоративной ИТ, разработку продуктов, исследования и инновации, а также создание новых бизнесов. До своей текущей должности он основал и возглавлял глобальный бизнес Intel (INTC ) по энергетическим решениям, предоставляя решения на основе машинного обучения и искусственного интеллекта клиентам по всему миру. Дэвид является обладателем нескольких патентов и входит в состав нескольких консультативных советов.

Можете ли вы описать, что такое Innowatts?

Innowatts – это новая энергетическая компания, которая фокусируется на повышении валовой маржи своих клиентов, одновременно увеличивая использование возобновляемых источников энергии. Мы достигаем этого, анализируя большие объемы данных, чтобы получить действенные идеи. Хотя мы являемся компанией B2B, мы предоставляем как B2B, так и B2C услуги через наших клиентов их конечным пользователям. Мы берем данные о потреблении энергии на уровне счетчика от дома или бизнеса, или внутри сети, и объединяем их с другими наборами данных, включая социально-экономические данные, данные CRM и данные по управлению рисками.

Наш движок аналитики на основе ИИ предоставляет идеи, начиная от прогнозирования потребления энергии на уровне потребителя и заканчивая разбивкой текущего и будущего потребления энергии. Благодаря этому мы можем определить потенциальные продукты, подходящие для любого потребителя. Мы также предоставляем розничным клиентам услуги, например, определение оптимальной модели тарифа для максимизации их валовой маржи.

Наконец, мы поддерживаем операторов сетей и коммунальных предприятий, чтобы помочь им спланировать будущее. Для них важно понимать, где происходят изменения, чтобы они могли оптимизировать активы и снижать цены для потребителей.

Какие типы технологий машинного обучения используются в Innowatts?

По сути, мы помогаем машинам думать более человечным образом, одновременно позволяя им масштабироваться и работать с очень большими наборами данных. У нас под управлением более 43 миллионов счетчиков, и мы работаем с миллиардами данных в час по нескольким географиям и клиентам. В области обучения с учителем мы используем различные модели, включая линейную регрессию, деревья решений и т. д.; в области обучения без учителя примерами являются ансамблевые модели, нейронные сети и случайные леса.

Использование нами разнообразных моделей является ключом к силе нашего продукта – мы можем определить правильную модель для любого клиента в любой данной ситуации. Мы можем фактически снизить это до уровня счетчика. Это действительно позиционирует нас как лидера в этой области.

Почему мониторинг энергопотребления важен для энергетических ритейлеров?

Стоимость привлечения клиента часто в два-три раза превышает маржу, которую ритейлер получает от этого клиента в течение года. Это означает, что для того, чтобы вернуть стоимость привлечения клиента, требуется два-три года, поэтому очень важно удержать каждого клиента.

Мы помогаем ритейлерам достичь этого, предоставляя им возможность дифференцироваться. Мы предоставляем прогнозы и возможность определить и разработать тарифы, основанные на времени использования, чтобы адаптировать свой продукт к клиентам. Мы также можем предоставить платформы управления рисками и ценообразования, а также возможность определить лучших потребителей в каждой территории. Мы также определяем, какие клиенты лучше всего подходят для определенных продуктов. Все это в сумме дает более убедительную и экономически эффективную услугу для клиентов, повышая как привлечение, так и удержание клиентов.

Какие ключевые идеи можно получить, изучая потребление энергии?

Представьте, что вы недавно купили электромобиль. Наши модели могут обнаружить это, позволяя вашему поставщику электроэнергии автоматически отправлять вам специальные сообщения и целевые услуги, соответствующие вашему статусу нового владельца электромобиля – например, другой тариф, новый страховой продукт или сервисный продукт.

Аналогично, мы можем определить и проактивно уведомить вас, основываясь на вашем потреблении энергии за последние 15 дней, что мы прогнозируем ваше потребление в течение следующих 30 дней будет намного выше нормы по определенной причине. Мы можем затем работать с вами, чтобы принять превентивные меры, чтобы избежать шока от счета. Это лишь несколько примеров того рода взаимодействий, которые мы можем обеспечить.

Наши возможности прогнозирования также чрезвычайно мощны. Недавние события в Техасе сделали прогнозирование очень трудным, поскольку это была совершенно новая ситуация. Но наши прогнозы были на 20-40% более точными, чем у наших конкурентов, поэтому наши клиенты были гораздо лучше подготовлены к нарушению. Используя наши прогнозы в качестве части своей стратегии хеджирования, они были гораздо лучше позиционированы, когда цены на энергию взлетели до 9 000 долларов за мегаватт-час. Экономия для них была значительной. То, что наши модели быстро адаптируются к меняющимся ситуациям, также позволяет нашим клиентам эффективно прогнозировать и участвовать в торгах в высоко волатильных ситуациях, даже во время отключений электроэнергии.

Этот уровень мониторинга и интерпретации данных об энергии становится все более важным. Многие ритейлеры будут обанкротиться, и крупные ритейлеры хеджировали свои потребности на рынке до года, может быть, дольше. В зависимости от их стратегии и профиля риска они могли приобрести 50% необходимой им энергии за последнюю неделю. Они пытались увеличить этот процент, поскольку профиль риска и цена энергии увеличивались. Они хеджировали больше, но в конечном итоге они были вынуждены покупать энергию на реальном рынке. Они пытались купить ее по средней цене за последний год, которая составляла около 25 долларов за мегаватт-час. Теперь, входя на рынок, они пытаются купить ее по 9 000 долларов за мегаватт-час. Итак, стоимость для ритейлера огромна – это их годовая прибыль, ушедшая за один день.

Как эту информацию можно использовать, чтобы повлиять на использование более зеленой энергии?

Исторически сеть была ориентирована на спрос – когда спрос увеличивался, операторы строили больше электростанций, укладывали больше кабелей, сжигали больше топлива. Теперь мы находимся в переходном периоде, когда мы переходим к сети, ориентированной на предложение. Когда мы переходим к возобновляемым источникам энергии, нам нужно уметь управлять предложением. В новом мире предложение появляется, когда ветер дует или солнце светит. Мы также увидим значительный рост спроса, обусловленный электрификацией транспорта и тепла.

Что мы делаем для наших клиентов, так это анализируем, как потребители используют энергию. Мы начинаем с того, что смотрим, сколько их нагрузки является так называемой “базовой нагрузкой”. Есть вещи, которые можно сделать, чтобы поощрить людей уменьшить это, но в целом это фиксировано. Мы можем определить тех, кто подвержен влиянию погодных условий, мы можем определить дома, которые могли бы извлечь пользу из термических вмешательств – изоляции или установки термостата.

Но мы также можем определить нагрузки, чувствительные к времени, что является индикатором поведения. Без слишком глубокого вторжения мы можем увидеть поведение, связанное с домом. Например, вы можете посоветовать клиенту, что он, возможно, захочет рассмотреть возможность охлаждения или нагрева своего дома в другое время, чтобы сделать его более комфортным, сэкономить деньги или максимизировать использование зеленой энергии.

Мы также можем использовать проактивные стратегии управления спросом, чтобы согласовать потребление с доступностью возобновляемой энергии без негативного влияния на опыт пользователя. Например, вы можете регулярно подключать свой автомобиль в 19:00 и отключать его в 7:00. Мы можем отправить сигнал управления спросом на точки зарядки, чтобы определить часы, когда ваш автомобиль фактически заряжается, чтобы оптимизировать использование возобновляемых источников энергии.

В 2020 году Innowatts объявила, что она превзошла пять других энергетических прогнозистов по большинству показателей в независимом испытании. Насколько ценно иметь возможность прогнозировать с таким высоким уровнем точности?

Ситуация в Техасе показала стоимость неточной прогнозирования. Если ритейлер смотрит на потенциальный убыток в полмиллиарда долларов, то наши прогнозы – которые на 20-40% более точны, чем у конкурентов – могли бы консервативно сэкономить им более 100 миллионов долларов. Это экстремальная ситуация, но наш гранулярный подход означает, что клиенты выигрывают на протяжении всего года, даже без экстремальной волатильности.

Например, мы поддерживаем поставщика в Европе с коммерческими и промышленными клиентами. Они пытались в течение многих лет получить проактивные уведомления о том, когда их клиенты собираются предпринять действия – когда они собираются увеличить или уменьшить свою мощность – но они не были успешны. Мы смогли прогнозировать для них с интервалом 15 минут для каждого из их коммерческих и промышленных клиентов, позволяя им предвидеть изменения нагрузки и принимать более умные решения о покупке на высоко гранулярном уровне – и это означает, что они могут сэкономить значительные деньги.

Каково будущее науки о данных и машинного обучения в этой отрасли?

Как я упоминал, мы имеем дело с очень большими наборами данных. По мере того, как мы получаем больше данных и более гранулярных данных, мы сможем сделать больше выводов и получить больше информации – и по мере увеличения вычислительной мощности мы сможем обрабатывать эти данные более быстро, чтобы предоставить мощные идеи. Математические принципы не меняются, но наша растущая способность применять сложную математику в масштабе сделает эти возможности все более эффективными, влиятельными и доступными в течение следующих нескольких лет. В конечном итоге это поддержит движение к децентрализованной сети.

Спасибо за отличное интервью. Читателям, которые хотят узнать больше, рекомендуется посетить Innowatts.