Dave Boundy là CTO tại Innowatts – Loạt phỏng vấn

Dave Boundy là CTO tại Innowatts, một công ty hàng đầu trong lĩnh vực phân tích dữ liệu AI. Nền tảng SaaS của công ty cung cấp cho các doanh nghiệp dữ liệu cần thiết để trở nên dự đoán, chủ động và kết nối với khách hàng và người dùng của họ, giúp họ quản lý rủi ro tốt hơn, cải thiện lợi nhuận, duy trì độ tin cậy của lưới điện và dự đoán xu hướng bền vững.

David có hơn 20 năm kinh nghiệm trong lĩnh vực IoT và năng lượng. Sự nghiệp của ông đã bao gồm công nghệ thông tin doanh nghiệp, phát triển sản phẩm, nghiên cứu và đổi mới, cũng như khởi nghiệp mới. Trước khi đảm nhiệm vai trò hiện tại, ông đã thành lập và lãnh đạo bộ phận Giải pháp Năng lượng Toàn cầu của Intel (INTC ), cung cấp các giải pháp học máy và trí tuệ nhân tạo cho khách hàng trên toàn thế giới. David sở hữu một số bằng sáng chế và là thành viên của nhiều hội đồng tư vấn.

Bạn có thể mô tả Innowatts là gì?

Innowatts là một công ty năng lượng mới tập trung vào việc cải thiện tỷ suất lợi nhuận gộp của khách hàng trong khi thúc đẩy việc áp dụng năng lượng tái tạo. Chúng tôi thực hiện điều này bằng cách phân tích lượng lớn dữ liệu để tìm ra những thông tin có giá trị. Mặc dù chúng tôi là một công ty B2B, nhưng chúng tôi cung cấp cả dịch vụ B2B và B2C thông qua khách hàng của mình cho người dùng cuối. Chúng tôi lấy dữ liệu từ đồng hồ đo tại nhà hoặc doanh nghiệp, hoặc trong mạng lưới, và kết hợp với nhiều tập dữ liệu khác bao gồm dữ liệu kinh tế – xã hội, dữ liệu CRM và dữ liệu quản lý rủi ro.

Công cụ phân tích AI của chúng tôi cung cấp thông tin chi tiết từ dự báo tiêu dùng ở mức độ người tiêu dùng đến việc phân tích sử dụng năng lượng hiện tại và tương lai. Thông qua điều này, chúng tôi có thể xác định các sản phẩm phù hợp với từng người tiêu dùng. Chúng tôi cũng cung cấp dịch vụ cho khách hàng bán lẻ, chẳng hạn như xác định mô hình giá tối ưu để tối đa hóa tỷ suất lợi nhuận gộp của họ.

Cuối cùng, chúng tôi hỗ trợ các nhà vận hành mạng và tiện ích để giúp họ lên kế hoạch cho tương lai. Điều quan trọng là họ phải hiểu được nơi nào đang có sự thay đổi để họ có thể tối ưu hóa tài sản trong khi giảm giá cho người tiêu dùng.

Loại công nghệ học máy nào được sử dụng tại Innowatts?

Thực chất, chúng tôi đang giúp máy móc suy nghĩ theo cách con người, đồng thời cho phép chúng mở rộng quy mô và xử lý lượng lớn dữ liệu. Chúng tôi có hơn 43 triệu đồng hồ được quản lý, và chúng tôi đang xử lý hàng tỷ điểm dữ liệu mỗi giờ trên nhiều địa lý và khách hàng khác nhau. Trong không gian được giám sát, chúng tôi sử dụng nhiều mô hình bao gồm hồi quy tuyến tính, cây quyết định, v.v.; trong không gian không được giám sát, các ví dụ bao gồm mô hình tập hợp, mạng nơ-ron và rừng ngẫu nhiên.

Sự đa dạng của các mô hình là trung tâm của sức mạnh sản phẩm của chúng tôi – chúng tôi có thể xác định mô hình phù hợp cho bất kỳ khách hàng nào trong bất kỳ tình huống nào. Chúng tôi thực sự có thể thu hẹp nó xuống đến mức độ đồng hồ. Đó là điều thực sự đặt chúng tôi vào vị trí dẫn đầu trong lĩnh vực này.

Tại sao việc theo dõi năng lượng lại quan trọng đối với các nhà bán lẻ năng lượng?

Chi phí để có được một khách hàng thường là hai đến ba lần lợi nhuận mà nhà bán lẻ kiếm được từ khách hàng đó trong một năm. Điều đó có nghĩa là phải mất hai đến ba năm để thu hồi lại chi phí thu hút khách hàng, vì vậy việc giữ chân mỗi khách hàng là rất quan trọng.

Chúng tôi giúp các nhà bán lẻ đạt được điều này bằng cách cung cấp cho họ khả năng phân biệt. Chúng tôi cung cấp dự báo và khả năng xác định và phát triển thuế sử dụng theo thời gian để điều chỉnh sản phẩm của họ cho phù hợp với khách hàng. Chúng tôi cũng cung cấp các nền tảng quản lý rủi ro và định giá, cùng với khả năng xác định những khách hàng tốt nhất trong mỗi khu vực. Chúng tôi cũng xác định những khách hàng nào phù hợp với sản phẩm cụ thể. Tất cả những điều này cộng lại tạo thành một dịch vụ hấp dẫn và tiết kiệm chi phí hơn cho khách hàng, tăng cường cả nỗ lực thu hút và giữ chân.

Những thông tin quan trọng nào có thể được thu thập từ việc nghiên cứu tiêu thụ năng lượng?

Hãy tưởng tượng bạn vừa mua một chiếc xe điện. Các mô hình của chúng tôi có thể phát hiện ra điều đó, cho phép nhà cung cấp điện của bạn tự động gửi thông tin và dịch vụ tùy chỉnh áp dụng cho tình trạng của bạn với tư cách là chủ sở hữu xe điện mới – có thể là một mức giá khác, một sản phẩm bảo hiểm mới hoặc một sản phẩm dịch vụ.

Tương tự, chúng tôi có thể xác định và thông báo cho bạn một cách chủ động dựa trên việc sử dụng năng lượng của bạn trong 15 ngày qua rằng chúng tôi dự đoán việc tiêu thụ của bạn trong 30 ngày tới sẽ cao hơn nhiều so với bình thường vì một lý do cụ thể. Chúng tôi sau đó có thể làm việc với bạn để thực hiện hành động phòng ngừa để tránh bị sốc hóa đơn. Đây chỉ là một vài ví dụ về loại tương tác mà chúng tôi có thể cung cấp.

Khả năng dự báo của chúng tôi cũng cực kỳ mạnh mẽ. Các sự kiện gần đây ở Texas đã khiến việc dự báo trở nên rất khó khăn, vì đó là một kịch bản hoàn toàn mới. Nhưng dự báo của chúng tôi đã chính xác hơn 20% đến 40% so với đối thủ cạnh tranh, vì vậy khách hàng của chúng tôi đã được chuẩn bị tốt hơn cho sự gián đoạn. Bằng cách sử dụng dự báo của chúng tôi như một phần của chiến lược phòng ngừa, họ đã được đặt ở vị trí tốt hơn khi giá năng lượng tăng vọt lên 9.000 đô la mỗi megawatt giờ. Tiết kiệm cho họ đã rất đáng kể. Việc các mô hình của chúng tôi thích nghi nhanh với tình huống thay đổi cũng cho phép khách hàng của chúng tôi dự báo và đặt giá hiệu quả trong các tình huống biến động cao, ngay cả trong các tình huống mất điện luân phiên.

Loại theo dõi và giải thích dữ liệu năng lượng này ngày càng quan trọng. Nhiều nhà bán lẻ sẽ bị phá sản, và các nhà bán lẻ lớn đã phòng ngừa nhu cầu của họ trên thị trường lên đến một năm, có thể lâu hơn. Tùy thuộc vào chiến lược và hồ sơ rủi ro của họ, họ có thể đã mua 50% năng lượng cần thiết trong tuần cuối cùng. Họ đã cố gắng tăng tỷ lệ đó khi hồ sơ rủi ro và giá năng lượng tăng. Họ đã phòng ngừa nhiều hơn, nhưng cuối cùng, họ đã phải tham gia thị trường thực để mua điện. Họ đã phải mua với giá trung bình của năm trước, khoảng 25 đô la mỗi megawatt giờ. Bây giờ, khi tham gia thị trường, họ đang cố gắng mua với giá 9.000 đô la mỗi megawatt giờ. Vì vậy, chi phí cho nhà bán lẻ là khổng lồ, đó là lợi nhuận của họ trong một năm bị mất trong một buổi chiều.

Có những cách nào để thông tin này có thể được sử dụng để ảnh hưởng đến việc sử dụng năng lượng xanh hơn?

Lịch sử, lưới điện đã bị dẫn dắt bởi nhu cầu – khi nhu cầu tăng, các nhà vận hành sẽ xây dựng thêm nhà máy điện, lắp đặt thêm cáp, đốt thêm nhiên liệu. Chúng tôi hiện đang trong giai đoạn chuyển đổi sang một lưới điện dẫn dắt bởi cung. Khi chúng tôi chuyển sang năng lượng tái tạo, chúng tôi cần phải quản lý được phía cung. Trong thế giới mới, cung cấp đến bất cứ khi nào gió thổi hoặc mặt trời chiếu. Chúng tôi cũng sẽ thấy sự tăng trưởng lớn về nhu cầu từ việc điện khí hóa giao thông và nhiệt.

Điều chúng tôi làm cho khách hàng của mình là phân tích cách người tiêu dùng sử dụng năng lượng. Chúng tôi bắt đầu bằng cách xem xét lượng tải cơ bản của họ là gì. Có một số việc có thể được thực hiện để khuyến khích mọi người giảm tải đó, nhưng nói chung, nó là cố định. Chúng tôi có thể xác định những người dễ bị ảnh hưởng bởi điều kiện thời tiết, chúng tôi có thể xác định những ngôi nhà có thể được hưởng lợi từ các can thiệp nhiệt – cách nhiệt hoặc lắp đặt bộ điều nhiệt.

Chúng tôi cũng có thể xác định tải thời gian nhạy cảm, đó là một chỉ số của hành vi. Không xâm phạm quá nhiều, chúng tôi có thể nhìn thấy hành vi dựa trên nhà. Ví dụ, bạn có thể tư vấn cho khách hàng rằng họ có thể muốn xem xét việc làm mát hoặc sưởi ấm nhà của mình vào một thời điểm khác để làm cho nó thoải mái hơn, tiết kiệm tiền hoặc tối đa hóa việc sử dụng năng lượng xanh.

Chúng tôi cũng có thể sử dụng các chiến lược quản lý nhu cầu chủ động để phù hợp với việc tiêu thụ với sự sẵn có của năng lượng tái tạo mà không ảnh hưởng tiêu cực đến trải nghiệm của người dùng. Ví dụ, bạn có thể cắm xe của mình vào lúc 7 giờ tối và rút ra vào 7 giờ sáng. Chúng tôi có thể gửi tín hiệu quản lý nhu cầu đến các điểm sạc để xác định thời gian xe của bạn thực sự sạc, nhằm tối ưu hóa việc sử dụng năng lượng tái tạo.

Vào năm 2020, Innowatts đã công bố rằng họ đã vượt trội so với năm nhà dự báo năng lượng khác về hầu hết các chỉ số trong một thử nghiệm độc lập. Làm thế nào để có thể dự báo với mức độ chính xác cao như vậy?

Tình huống ở Texas đã cho thấy chi phí của việc dự báo không chính xác. Nếu một nhà bán lẻ đang xem xét một khoản lỗ tiềm năng là nửa tỷ đô la, thì dự báo của chúng tôi – chính xác hơn 20% đến 40% so với đối thủ cạnh tranh – có thể tiết kiệm cho họ hơn 100 triệu đô la một cách bảo thủ. Đó là một tình huống cực đoan, nhưng cách tiếp cận chi tiết của chúng tôi có nghĩa là khách hàng của chúng tôi đang đi trước trong suốt cả năm, ngay cả khi không có biến động cực đoan.

Chúng tôi đang hỗ trợ một nhà cung cấp ở châu Âu với cả khách hàng thương mại và công nghiệp. Họ đã cố gắng trong nhiều năm để có được thông báo chủ động về khi khách hàng của họ sẽ thực hiện hành động – khi nào họ sẽ tăng hoặc giảm công suất – nhưng họ đã không thành công. Chúng tôi đã có thể dự báo cho họ tại các khoảng thời gian 15 phút cho từng khách hàng thương mại và công nghiệp, cho phép họ dự đoán thay đổi tải và đưa ra quyết định mua thông minh hơn ở mức độ rất chi tiết – và điều đó có nghĩa là họ có thể tiết kiệm một khoản tiền đáng kể.

Tương lai của khoa học dữ liệu và học máy trong lĩnh vực này là gì?

Như tôi đã đề cập, chúng tôi đang xử lý lượng dữ liệu rất lớn. Khi chúng tôi có được nhiều dữ liệu hơn và dữ liệu chi tiết hơn, chúng tôi sẽ có thể suy luận và suy diễn nhiều thông tin hơn – và khi công suất máy tính tăng, chúng tôi sẽ có thể xử lý dữ liệu đó nhanh hơn để cung cấp thông tin chi tiết mạnh mẽ. Các nguyên tắc toán học không thay đổi, nhưng khả năng ngày càng tăng của chúng tôi trong việc áp dụng toán học phức tạp ở quy mô lớn sẽ làm cho những khả năng này trở nên hiệu quả, có tác động và tiết kiệm chi phí hơn trong vài năm tới. Cuối cùng, điều này sẽ hỗ trợ việc chuyển đổi sang một lưới điện phi carbon.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập Innowatts.