Energibranschen måste börja arbeta med analytics

Brain

Analytics är ett samlingsbegrepp för olika metoder och discipliner som handlar om att använda data för att bättre skapa sammanhang i data, förutse framtida utveckling och skapa underlag som understöttar bättre beslutsfattande.

Energibranschen genomgår just nu stora förändringar, vilket medför ett antal utmaningar som är mer eller mindre akuta att lösa. I Sverige står elmarknadshubben inför dörren, vilket innebär att nya aktörer kommer att göra entré på marknaden.

Dessutom utökar vissa energileverantörer med exempelvis produkter som fiberbredband. Det innebär ökad konkurrens och mindre lojala kunder, det resulterar i kunder som antingen säger upp hela eller delar av sina befintliga avtal.

Efterfrågan ökar och inom vissa områden är kapaciteten pressad som en följd av en föråldrad infrastruktur. Ökad efterfrågan och ett större fokus på miljö och hållbarhet bidrar till ett ökat intresse för alternativa energikällor. Utöver utmaningen med att integrera produktionen till det befintliga nätverket kan det också innebära att nya leverantörer gör entré på marknaden. Slutligen ökar kundernas krav också vilket visar sig i ökande krav på transparens gällande prisstrukturen.

 

Ta reda på hur du förbättrar resultatet med datadriven prognostisering

 

För att möta dessa utmaningar har energibranschen tidigare fokuserat på att optimera affärsprocesser och investera i traditionell it, såsom affärssystem och BI-lösningar. Under de senaste åren har man också fokuserat på kapacitet, inklusive det intelligenta elsystemet smart grid. Det råder ingen tvekan om att optimala affärsprocesser och grundläggande it såsom affärssystem och Business Intelligence är nödvändigt. Men allt fler energibolag når en punkt då det inte längre är tillräckligt. Det finns ett behov av att tänka nytt och att utnyttja nya och befintliga datakällor i betydligt högre utsträckning än tidigare. Det är här analytics kommer in i bilden.

Grundläggande element i analytics

Analytics är ett samlingsbegrepp för olika metoder och discipliner som handlar om att använda data för att bättre skapa sammanhang i data, förutse framtida utveckling och skapa underlag som understöttar bättre beslutsfattande.

Inom energibranschen finns det flera affärsområden som med fördel kan understöttas av analytics. Vilka specifika områden för analysfunktioner som är mest relevanta för den enskilda verksamheten beror på typen av företag och dess verksamhetsmässiga prioriteringar. Har man ett traditionellt utbud med energi eller erbjuder man även andra produkter - till exempel bredband och telefoni? Har verksamheten ansvar för det fysiska nätverket? Hur ser blandningen av privatkunder och företagskunder ut?

 

Stärk din verksamhet med Advanced Analytics. Läs mer här

 

Praktisk användning av analytics inom energibranschen

Följande lista innehåller några kortfattade beskrivningar av verksamhetsområden och hur analytics kan vara ett stöd.

Analys av kunddata: Med hjälp av analytics är det möjliga att fördjupa kunskapen om kunderna, behålla befintliga kunder samt öka cross sales och merförsäljning. Baserat på kunddata – specifikt beteende - kan analytics användas för att (mikro)segmentera kunder, t.ex. genom mer målinriktad kommunikation. Dessutom kan analytics också användas för att identifiera vilka kunder som sannolikt kommer att säga upp hela eller delar av sina avtal. Dessutom är det möjligt att identifiera vilka kunder som mest sannolikt kommer att agera på kampanjer - till exempel försäljning av fiberbredband till elkunder. Detta möjliggör maximal nytta av begränsade resurser.

Prognos gällande efterfrågan: Efterfrågan på t.ex. el varierar varje dag, varje vecka och beroende på årstid. Dessutom inverkar andra faktorer såsom temperatur, mängden solljus etc. Det gör det svårt att förutsäga framtida efterfrågan och därmed anpassa utbudet. Dessutom kan ett alltför stort utbud och för hög efterfrågan bli kostsamt. Analytics kan bidra till att prognosen för framtida efterfrågan blir mer exakt, något som minskar kostnaderna för obalans mellan efterfrågan och utbudet.

Optimal kapacitet: Eftersom de flesta verksamheter och hushåll använder varierande mängd naturgas under året är det nödvändigt att dra nytta av lagringsutrymmen för gas. Normalt sett sker överproduktion i Q2 och Q3 för att möta den höga efterfrågan som uppstår i Q1 och Q4. Eftersom alla energibolag inte äger gaslagringsanläggningar själva är det nödvändigt att ingå avtal om att hyra kapacitet. Analytics kan hjälpa energibolagen att få ut mesta möjliga av dessa kontrakt.

Optimal driftsplanering: Planering av teknisk personal sker på flera olika nivåer. En nivå är att besluta hur många resurser som ska tilldelas installationsuppgifter och hur många som ska tilldelas ad hoc-uppgifter såsom korrigeringsfel. En annan nivå är att planera de specifika uppgifter som varje tekniker ska utföra på en bestämd dag. Dålig planering kan leda till direkta kostnader i form av övertid, misslyckande av serviceavtal etc. samt indirekta kostnader såsom lägre kundnöjdhet. Analytics kan bidra till bättre planering på båda nivåerna. Ett exempel är att bättre kunna förutspå antalet felaktigheter som förekommer inom vissa områden på en viss dag och därmed bidra till fördelningen mellan regelbundna och icke-schemalagda aktiviteter. Dessutom kan analyser också förbättra planeringen genom att optimera rutten som ska köras på en specifik arbetsdag, det kan bidra till lägre kostnader och ökad kundnöjdhet.

Förebyggande av driftstopp/tidig varning vid onormal förbrukning: Större eller mindre strömavbrott, nätverksfel, är relativt ovanligt. Men om det inträffar kan det leda till omfattande kostnader. Analytics kan användas för att identifiera var och när driftsstopp sannolikt kommer att inträffa. Informationen kan användas för att planera underhåll. Även onormal konsumtion kan vara en indikation på en framtida "händelse" som kan vara förknippad med höga kostnader. Analytics kan användas för att identifiera när konsumtionen ska betraktas utanför den normala intervallen.

Prisoptimering: Kontrakt med stora företagskunder kan vara omfattade av individuella avtal med specifik prissättning för den enskilda kunden under olika perioder. Analytics kan användas för att få en djupare inblick i den enskilda kundens utgiftsmönster och använda detta för att optimera prissättningen i förhållande till kontrakt för framtida förbrukning.

Därför är data guld värt