Dave Boundy es el CTO de Innovatios, líder en análisis de datos de IA. La plataforma SaaS proporciona a las empresas los datos necesarios para ser más predictivos, proactivos y conectados con sus clientes y contribuyentes, ayudándoles a gestionar mejor el riesgo, mejorar la rentabilidad, mantener la fiabilidad de la red y anticipar las tendencias de sostenibilidad.
David tiene más de 20 años de experiencia en la industria de IoT y energía. Su carrera ha abarcado desde la TI empresarial, el desarrollo de productos, la investigación y la innovación y la puesta en marcha de nuevos negocios. Antes de su puesto actual, estableció y dirigió el negocio de soluciones energéticas globales de Intel, ofreciendo soluciones de aprendizaje automático e inteligencia artificial a clientes de todo el mundo. David posee varias patentes y forma parte de varios consejos asesores.
¿Podría describir qué es Innowatts?
Innowatts es una nueva compañía de energía enfocada en mejorar los márgenes brutos de nuestros clientes mientras impulsa una mayor adopción de energías renovables. Lo hacemos analizando grandes cantidades de datos para desbloquear información procesable. Si bien somos una empresa B2B, brindamos servicios B2B y B2C a través de nuestros clientes a sus usuarios finales. Tomamos datos a nivel de medidor de un hogar o negocio, o dentro de la red, y los combinamos con muchos otros conjuntos de datos, incluidos datos socioeconómicos, datos de CRM y datos de gestión de riesgos.
Nuestro motor de análisis basado en IA ofrece información que va desde pronósticos a nivel de consumidor hasta desglosar el uso de energía actual y futuro. A través de esto, podemos identificar productos potenciales adecuados para cualquier consumidor. También proporcionamos a los clientes minoristas servicios como, por ejemplo, la identificación del modelo tarifario óptimo para maximizar sus márgenes brutos.
Finalmente, apoyamos a los operadores de red y las empresas de servicios públicos para ayudarlos a planificar el futuro. Es esencial que entiendan dónde están ocurriendo los cambios para que puedan optimizar los activos y reducir los precios para los consumidores.
¿Qué tipo de tecnologías de aprendizaje automático se utilizan en Innowatts?
Esencialmente, estamos ayudando a las máquinas a pensar de manera más humana, al mismo tiempo que les permitimos escalar y manejar conjuntos de datos muy grandes. Tenemos más de 43 millones de medidores bajo administración y estamos tratando con miles de millones de puntos de datos cada hora en múltiples geografías y múltiples clientes. En el espacio supervisado, utilizamos una variedad de modelos que incluyen regresión lineal, árboles de decisión, etc.; en el espacio no supervisado, los ejemplos incluyen modelos de conjuntos, redes neuronales y bosques aleatorios.
Nuestro uso de una variedad de modelos es fundamental para la fortaleza de nuestro producto: podemos identificar el modelo correcto para cualquier cliente en cualquier situación dada. De hecho, podemos reducirlo al nivel del metro. Eso es lo que realmente nos posiciona como líderes en este espacio.
¿Por qué es importante el monitoreo de energía para los minoristas de energía?
El costo de adquirir un cliente suele ser de dos a tres veces el margen que un minorista obtiene con ese cliente en un año. Eso significa que se necesitan de dos a tres años para recuperar los costos de adquisición de clientes, por lo que es muy importante retener a todos los clientes.
Ayudamos a los minoristas a lograrlo dándoles la capacidad de diferenciarse. Brindamos pronósticos y la capacidad de definir y desarrollar tarifas de tiempo de uso para adaptar su producto a sus clientes. También podemos proporcionar plataformas de gestión de riesgos y precios, junto con la capacidad de identificar a los mejores consumidores en cada territorio. También identificamos qué clientes se adaptan mejor a determinados productos. Todo eso se suma a un servicio más atractivo y rentable para los clientes, lo que impulsa los esfuerzos de adquisición y retención.
¿Cuáles son algunos de los conocimientos clave que se pueden obtener del estudio del consumo de energía?
Imagina que recientemente compraste un vehículo eléctrico. Nuestros modelos pueden detectar eso, lo que permite que su proveedor de electricidad envíe automáticamente nuestras comunicaciones personalizadas y servicios específicos aplicables a su estado como nuevo propietario de EV, tal vez una tarifa diferente, un nuevo producto de seguro o un producto de servicio.
Del mismo modo, podemos identificarlo y notificarle de manera proactiva, en función de su uso de energía durante los últimos 15 días, que proyectamos que su consumo durante los próximos 30 días será mucho más alto de lo normal por un motivo en particular. Entonces podemos trabajar con usted para tomar medidas preventivas para evitar un impacto en la factura. Estos son solo algunos ejemplos del tipo de compromisos que podemos ofrecer.
Nuestras capacidades de pronóstico también son extremadamente poderosas. Los eventos recientes en Texas hicieron muy difícil pronosticar, porque era un escenario completamente novedoso. Pero nuestros pronósticos fueron entre un 20 % y un 40 % más precisos que los de nuestros competidores, por lo que nuestros clientes estaban mucho mejor preparados para la interrupción. Al usar nuestros pronósticos como parte de su estrategia de cobertura, estaban mucho mejor posicionados cuando los precios de la energía se dispararon a $9,000 por megavatio hora. Los ahorros para ellos han sido significativos. El hecho de que nuestros modelos se adapten rápidamente a situaciones cambiantes también permite a nuestros clientes pronosticar y ofertar de manera efectiva en situaciones altamente volátiles, incluso en medio de apagones continuos.
Este nivel de monitoreo e interpretación de datos de energía es cada vez más importante. Muchos minoristas cerrarán y los grandes minoristas han cubierto sus requisitos en el mercado hasta por un año, tal vez más. Dependiendo de su estrategia y perfil de riesgo, pueden haber adquirido el 50% de la energía requerida que necesitaban en la última semana. Habrían intentado aumentar ese porcentaje a medida que aumentaba el perfil de riesgo y el precio de la energía. Habrían cubierto más, pero en última instancia, habrían entrado en el mercado en tiempo real tratando de comprar energía. Tuvieron que hacerlo al precio promedio del último año, que ha sido de alrededor de $25 por megavatio hora. Ahora yendo al mercado, están tratando de comprar a $9,000 por megavatio hora. Entonces, el costo para el minorista es enorme, esas son las ganancias de su año que se pierden en una tarde.
¿Cuáles son algunas formas en las que esta información se puede utilizar para influir en el uso de energía más ecológica?
Históricamente, la red ha estado impulsada por la demanda: cuando la demanda aumentaba, los operadores construían más centrales eléctricas, instalaban más cables y quemaban más combustible. Ahora estamos en una fase de transición en la que nos estamos moviendo hacia una red impulsada por el suministro. A medida que avanzamos hacia las energías renovables, debemos ser capaces de gestionar el lado de la oferta. En el nuevo mundo, el suministro llega cada vez que sopla el viento o brilla el sol. También vamos a ver un gran aumento en la demanda derivado de la electrificación del transporte y el calor.
Lo que hacemos por nuestros clientes es analizar cómo los consumidores usan la energía. Comenzamos observando cuánto de su carga es lo que llamamos “carga base”. Hay algunas cosas que se pueden hacer para incentivar a las personas a reducir eso, pero en general, está arreglado. Podemos identificar aquellos que son susceptibles a las condiciones climáticas, podemos identificar hogares que podrían necesitar intervenciones térmicas: aislamiento o instalación de un termostato.
Pero también podemos identificar cargas sensibles al tiempo, que es un indicador de comportamiento. Sin ser demasiado invasivos, podemos ver comportamientos basados en el hogar. Por ejemplo, puede aconsejar a un cliente que tal vez desee considerar enfriar o calentar su hogar en un momento diferente para hacerlo más cómodo, ahorrar dinero o maximizar el uso de energía verde.
También podemos utilizar estrategias proactivas de gestión del lado de la demanda para alinear el consumo con la disponibilidad de energía renovable sin afectar negativamente la experiencia del usuario. Por ejemplo, puede enchufar su vehículo de forma rutinaria a las 7 p. m. y desenchufarlo a las 7 a. m. Podemos enviar una señal de gestión del lado de la demanda a los puntos de carga para determinar las horas en que su vehículo se carga realmente, con el fin de optimizar el uso de las energías renovables .
En 2020, Innowatts Anunciado que había superado a otros cinco pronosticadores de energía en la mayoría de las medidas en un ensayo independiente. ¿Qué tan valioso es poder pronosticar con un nivel tan alto de precisión?
La situación en Texas mostró el costo de los pronósticos inexactos. Si un minorista está considerando una pérdida potencial de 500 millones de dólares, nuestras previsiones, que son entre un 20 % y un 40 % más precisas que las de la competencia, podrían ahorrarles de forma conservadora más de 100 millones de dólares. Esa es una situación extrema, pero nuestro enfoque granular significa que los clientes salen ganando todo el año, incluso sin una volatilidad extrema.
Por ejemplo, estamos apoyando a un proveedor en Europa con clientes comerciales e industriales. Han intentado durante años recibir notificaciones proactivas de cuándo sus clientes van a tomar medidas, cuándo van a aumentar o disminuir su potencia, pero no han tenido éxito. Hemos podido hacer pronósticos para ellos en intervalos de 15 minutos para cada uno de sus clientes comerciales e industriales, lo que les permite anticipar cambios de carga y tomar decisiones de compra más inteligentes a un nivel altamente granular, y eso significa que pueden ahorrar significativamente dinero.
¿Cuál es el futuro de la ciencia de datos y el aprendizaje automático en este sector?
Como mencioné, estamos tratando con conjuntos de datos muy grandes. A medida que obtengamos más datos y datos más granulares, podremos deducir e inferir más información, y a medida que aumente la potencia de la computadora, podremos procesar esos datos más rápidamente para brindar información valiosa. Los principios matemáticos no cambian, pero nuestra creciente capacidad para aplicar matemáticas complejas a escala hará que estas capacidades sean cada vez más efectivas, impactantes y asequibles en los próximos años. En última instancia, esto respaldará el impulso hacia una red descarbonizada.
Gracias por la gran entrevista, los lectores que deseen obtener más información deben visitar Innovatios.