Innowatts’ta CTO olan Dave Boundy ile Röportaj Serisi

Dave Boundy, AI veri analitiğinde lider olan Innowatts‘ta CTO’dur. Şirketin SaaS platformu, şirketlere müşterileri ve tarifeleri hakkında daha öngörülü, proaktif ve bağlantılı olmaları için gereken verileri sağlar. Bu sayede şirketler risklerini daha iyi yönetebilir, karlılıklarını artırabilir, şebeke güvenilirliğini sürdürebilir ve sürdürülebilirlik trendlerini önceden görebilir.

David, 20 yılı aşkın IoT ve enerji endüstrisi deneyimine sahiptir. Kariyeri, kurumsal IT, ürün geliştirme, araştırma ve inovasyon ve yeni iş kurma dahil çeşitli alanları kapsar. Mevcut görevinden önce, Intel’in Küresel Enerji Çözümleri işini kurdu ve müşterilere dünya çapında makine öğrenimi ve yapay zeka çözümleri sundu. David, several patentlerin sahibi olup çeşitli danışma kurullarında görev yapmaktadır.

Innowatts’ı tanımlayabilir misiniz?

Innowatts, müşterilerinin brüt marjlarını artırırken yenilenebilir enerji adoptionunu artırmaya odaklanan bir enerji şirketi. Bunu, büyük miktarda veri analiz ederek eyleme geçirilebilir içgörüler elde ederek gerçekleştiriyoruz. B2B bir şirket olarak, müşterilerimize B2B ve B2C hizmetleri sunuyoruz. Bir ev veya işyerinden veya şebekeden gelen sayaç düzeyindeki verileri diğer birçok veri setiyle birleştiriyoruz. Bunlar, sosyoekonomik veriler, CRM verileri ve risk yönetimi verileri gibi verilerdir.

AI tabanlı analitik motorumuz, tüketici düzeyinde tahminlerden gelecekteki enerji kullanımının ayrıştırılmasına kadar çeşitli içgörüler sağlar. Bu sayede her bir tüketici için uygun ürünleri belirleyebiliriz. Ayrıca perakende müşterilerimize, optimal tarif modelini belirlemek için hizmetler sunuyoruz.

Son olarak, şebeke operatörleri ve enerji şirketlerine gelecekteki planlamalarına yardımcı oluyoruz. Değişikliklerin nerede gerçekleştiğini anlamaları ve varlıklarını optimize ederek tüketiciler için fiyatları düşürmeleri çok önemlidir.

Innowatts’ta hangi tür makine öğrenimi teknolojileri kullanılıyor?

Temel olarak, makinelerin daha insan gibi düşünmesini sağlıyoruz ve aynı zamanda çok büyük veri setleriyle başa çıkabilmelerini sağlıyoruz. 43 milyondan fazla sayaç yönetiyoruz ve her saat milyarlarca veri noktasıyla uğraşıyoruz. Gözetimli alanda, lineer regresyon, karar ağaçları gibi çeşitli modeller kullanıyoruz; gözetimsiz alanda, toplu modeller, sinir ağları ve rastgele ormanlar gibi örnekler var.

Çeşitli modeller kullanmamız, ürünümüzün gücünün temelini oluşturuyor. Her bir müşterimiz için doğru modeli belirleyebiliriz. Hatta sayaç düzeyine kadar indirgeyebiliriz. Bu, bizi bu alanda lider konumuna getiriyor.

Enerji perakendecileri için enerji izleme neden önemlidir?

Müşteri edinme maliyeti genellikle bir tahun boyunca bir müşteriden elde edilen marjın iki ila üç katına ulaşabilir. Bu, müşteri edinme maliyetlerinin geri kazanılmasının iki ila üç yıl sürdüğü anlamına gelir. Bu nedenle her müşteriyi korumak çok önemlidir.

Bunu, müşterilere farklılaşma yeteneği sunarak gerçekleştiriyoruz. Tahminler ve zamanında kullanım tarifesini tanımlamak için hizmetler sunuyoruz. Ayrıca risk yönetimi ve fiyatlandırma platformları sunuyoruz ve müşterilerin en iyi müşterilerini belirlemelerine yardımcı oluyoruz. Bu, müşteriler için daha çekici ve maliyet-effective bir hizmet sunmamızı sağlar ve hem müşteri edinme hem de müşteri koruma çabalarını artırır.

Enerji tüketimini incelemenin bazı önemli içgörüler nelerdir?

Örneğin,最近 bir elektrikli araç satın aldığınızı düşünün. Modellerimiz, enerji sağlayıcınızın size özel iletişimler ve hedefli hizmetler göndermesini sağlayabilir. Belki de farklı bir tarif, yeni bir sigorta ürünü veya bir servis ürünü olabilir.

Ayrıca, enerji kullanımınızın gelecek 30 gün boyunca normalden daha yüksek olacağını öngörerek sizi proaktif olarak bilgilendirebiliriz. Bu, şok bir faturaya karşı önlem almanızı sağlar. Bunlar, sunduğumuz türden bazı etkileşimlerdir.

Tahmin yeteneklerimiz de çok güçlüdür. Teksas’taki recent olaylar, tahminleri çok zor hale getirdi çünkü tamamen yeni bir senaryoydu. Ancak tahminlerimiz, rakiplerimizinkine göre %20 ila %40 daha doğru oldu. Bu, müşterilerimizin kesintiye karşı çok daha iyi hazırlanmasını sağladı. Tahminlerimizi hedge stratejilerinin bir parçası olarak kullanarak, enerji fiyatları megawatt saat başına 9.000 dolar olduğunda çok daha iyi bir konumda oldular. Müşterilerimiz için tasarruf önemli oldu.

Bu düzeyde enerji verisi izleme ve yorumlama giderek daha önemli hale geliyor. Birçok perakendeci iflas edecek ve büyük perakendeciler, pazarın risk profiline ve enerji fiyatlarına bağlı olarak enerji ihtiyaçlarının bir kısmını bir yıla kadar önceden temin edecekler. Son hafta içinde enerji ihtiyaçlarının %50’sini temin etmeye çalıştılar. Hedge ettikçe ve enerji fiyatı arttıkça daha fazla hedge ediyorlardı. Ancak sonunda, gerçek zamanlı piyasada enerji satın almaya çalışıyorlardı. Geçen yılın ortalama fiyatına, megawatt saat başına 25 dolar civarında satın almaya çalışıyorlardı. Şimdi ise megawatt saat başına 9.000 dolar ödüyorlar. Bu, perakendecinin bir año içindeki kârlarının gittiği anlamına geliyor.

Bu bilgiler, daha yeşil enerji kullanımını teşvik etmek için nasıl kullanılabilir?

Tarihsel olarak, şebeke talebe göre yönetiliyordu – talep arttıkça, operatörler daha fazla enerji santrali inşa ediyor, daha fazla kablo döşüyor ve daha fazla yakıt yakıyordu. Şimdi, talebe dayalı bir şebekeden, arzın yönetildiği bir şebekeye geçiş aşamasındayız. Yenilenebilir enerjiye geçerken, arz tarafını yönetmemiz gerekiyor. Yeni dünyada, arz rüzgar estiğinde veya güneş olduğunda ortaya çıkıyor. Ayrıca, ulaşımın ve ısınmanın elektrifikasyonu nedeniyle talepte büyük bir artış göreceğiz.

Müşterilerimiz için yaptığımız şey, tüketicilerin enerji kullanımını analiz etmektir. İlk olarak, yüklerinin ne kadarının “base load” olduğunu inceliyoruz. Bazı şeyler, bu yükü azaltmak için yapılabilir, ancak genel olarak sabittir. Hava koşullarına duyarlı olanları, evlerde izolasyon veya termostat gibi termal müdahalelere ihtiyaç duyanları belirleyebiliriz.

Ayrıca, zaman duyarlı yükleri belirleyebiliriz ki bu, davranışın bir göstergesidir. Çok fazla müdahale etmeden, ev tabanlı davranışları görebiliriz. Örneğin, müşteriye, evini farklı bir zamanda soğutması veya ısıtmayı düşünmesini tavsiye edebiliriz. Bu, daha konforlu, daha ucuz veya yeşil enerji kullanımını en üst düzeye çıkarabilir.

Ayrıca, talep tarafı yönetim stratejileri kullanarak, tüketicilerin deneyimini olumsuz etkilemeden yenilenebilir enerji kullanılmasını optimize edebiliriz. Örneğin, aracınızı her gün 19.00’da takıp 07.00’da çıkardığınızı varsayalım. Talep tarafı yönetim sinyali, şarj noktalarına, aracınızın gerçekten şarj olduğu saatleri belirlemek için gönderebiliriz. Bu, yenilenebilir enerji kullanımını optimize eder.

2020’de Innowatts, beş diğer enerji tahmini şirketinden daha iyi performans gösterdiğini açıkladı. Bu kadar yüksek doğrulukta tahmin yapabilmenin değeri nedir?

Teksas’taki durum, yanlış tahminlerin maliyetini gösterdi. Bir perakendeci, potansiyel olarak 500 milyon dolarlık bir kayıp ile karşı karşıya kalıyorsa, bizim tahminlerimiz – rakiplerimizinkine göre %20 ila %40 daha doğru – en az 100 milyon dolar tasarruf sağlayabilir. Bu, bir aşırı durum, ancak granüler yaklaşımımız, müşterilerimizin yıl boyunca öne çıkmasını sağlar, hatta aşırı volatilite olmadan.

Örneğin, Avrupa’da bir enerji sağlayıcısına, hem ticari hem de endüstriyel müşterileri için destek oluyoruz. Müşterilerinin eylemlerini önceden bildirmeye çalışıyorlar, ancak başarılı olamadılar. Onlara, her bir ticari ve endüstriyel müşterileri için 15 dakikalık aralıklarla tahminler sunabiliyoruz. Bu, yük değişikliklerini önceden görmelerine ve daha akıllı satın alma kararları almalarına olanak tanır ve bu da önemli tasarruflar sağlar.

Bu sektördeki veri bilimi ve makine öğreniminin geleceği nedir?

Önce de dediğim gibi, çok büyük veri setleriyle uğraşıyoruz. Daha fazla veri ve daha granül veri aldıkça, daha fazla bilgi çıkarabileceğiz ve bilgisayarların gücü arttıkça, bu verileri daha hızlı işleyerek güçlü içgörüler sunabileceğiz. Matematiksel ilkeler değişmez, ancak karmaşık matematiği ölçeklenebilir şekilde uygulayabilme yeteneğimiz, bu yeteneklerin giderek daha etkili, etkili ve uygun fiyatlı olmasını sağlayacaktır. Bu, karbonsuz bir şebekeye doğru ilerlemeyi destekleyecektir.

Harika röportaj için teşekkür ederiz. Daha fazla bilgi edinmek isteyen okuyucular, Innowatts ziyaret edebilir.