dimecres, 10 de setembre del 2014

anàlisi predictiu vs anàlisi històric de dades


Moltes empreses s'estan adonant que l'enorme quantitat de dades  disperses que vindran, poden ser aprofitades per fer front als seus reptes més grans, com ara la generació distribuïda i pels consumidors, poden ser atractives més enllà de la factura d'energia tradicional. 
Un nombre creixent d'empreses d'energia, estan iniciant projectes d'anàlisi de la gran quantitat de dades, que inclouen informes, quadres de comandament i visualitzacions de dades històriques però, com es pot treure un major profit de les dades mitjançant l'anàlisi d'històrics? Es posible en base a les dades d'ahir sigui posible obtenir el màxim valor de quelcom dada pugui ser gestionada per atendre a les noves necessitats operatives i de màrqueting? 
Predictive Analytics Have the Highest Value, So Why Are Utilities Analyzing the Past?
Segons la firma d'investigació tecnològica Gartner, l'anàlisi predictiu pot sostenir molt més valor per a les empreses que simplement analitzar els històrics. Respondre a preguntes com:
"Què passarà" i "Com farem que passi?" en lloc de "Què va passar?"  esdevenen com una gran diferència en el seu valor no obstant això, la major part dels projectes d'anàlisi que s'estan iniciant en els distribuïdors d'avui cauen en aquesta darrera  "categoria"
Una de les principals raons d'això, és la manca d'aportació d'experts i dades científiques de la "màquina d'aprenentatge" amb un profund coneixement dels mercats energètics. Una altra raó pot ser la manca de comprensió del que l'anàlisi predictiu és, què es diferencia de l'analítica descriptiva, i quin valor es pot crear per als distribuïdors. 
Llavors, què és l'anàlisi predictiu? L'anàlisi predictiu utilitza maquinari d'aprenentatge avançat amb algoritmes estadístics per aprendre de les dades històriques amb la finalitat de proporcionar pronòstics precisos i coneixements que permetin actuar amb caràcter predictiu i així, permeten als usuaris ser més proactius i influenciar positivament sobre la previsió de demà.
Per exemple, per a utilities  per l'explotació s'inclouen prediccions d'interrupció, les prediccions de fallada del sistema, la predicció exacta de les càrregues a nivell de comptadors en diferents intervals de temps i així permetre equilibrar l'oferta i la demanda, l'optimització dels programes de resposta a la demanda, i la detecció d'alertes anticipatives sobre possibles irregularitats. 
Per a la comercialització, els exemples inclouen la predicció sobre pèrdua de clients, predicció de les respostes dels clients als preus específics, les ofertes de l'eficiència energètica, de màrqueting, detectar per avançant irregularitats del consum d'electricitat d'una llar i informar la família com a part de la participació del client amb iniciatives. 
Tots aquests exemples d'aplicacions d'anàlisi predictiu pot tenir un enorme impacte en les companyies elèctriques  mitjançant campanyes de màrqueting i captació de clients, així com l'adquisició i retenció de clients (en mercats competitius). Aplicacions d'anàlisi predictiu també poden ajudar a equilibrar el consums de la xarxa i així, reduir els pics durant les hores punta.
Aquests beneficis són atractius per a les empreses elèctriques no obstant això, tendeixen a començar amb l'anàlisi descriptiu perquè l'anàlisi predictiu encara es considera car, complex i requereix molts recursos. Això està lluny de la veritat. Atès que els projectes d'anàlisi predictiu són en general dirigits per experts, els algorismes que es desenvolupen gairebé sempre són totalment automatitzats. D'altra banda, si es té en compte l'impacte financer dels projectes d'anàlisi predictiu, el temps per collir la totalitat del valor de l'anàlisi predictiu podria ser significativament més curt. 
En els casos en què els DSO decideixin iniciar les implementacions d'anàlisi predictiu, com poden assegurar-se que obtenen el màxim valor d'aquests projectes? Heus aquí quatre suggeriments:
Definir correctament el objectiu de negoci 
Començar amb una prova del concepte, basat en un mostreig de dades
Cal exgir rebre les mesures amb precisió
Optar per algoritmes predictius transparents
 
Font: Greentechgrid

Cap comentari:

Publica un comentari a l'entrada

Aquest és un blog amb moderador dels comentaris. Per tant, no apareixen immediatament