数据智能正在公用事业领域创造真正的进步

大数据的话题现在在科技新闻网站上很流行。许多公司正在收集和存储大量数据，希望提高他们的业务表现。但是，这些数据有用吗?答案取决于收集数据后会发生什么。如果没有处理大量信息的工具，它就会变成一个沉重的压载物，占据空间。如果没有机器学习模型和训练有素的人工智能，就不可能从这样的数据中获得真正的价值，因为这样的数据太多了。然而，最近的研究表明，如果运用得当，它可以释放出巨大的商机潜力德勤研究．

要知道客户需要什么，员工将从中受益，以及应该首先解决系统中的哪些痛点，方法就是数据智能。数据智能是使用人工智能和机器学习来分析海量数据集并将其转化为智能洞察的实践。在本文中，我们将看看一些创造性地使用公用事业、人工智能(AI)和机器学习(ML)收集的数据的例子。

资产管理

目前，公用事业公司正在安装智能电表，升级配电线路和新硬件，实施其他创新解决方案，产生tb级的数据，这些数据应该被正确分类和管理。在物联网分析的帮助下，公用事业公司可以破译哪些信号更相关，并建立更快、更有效的反应协议。

根据设备的适当报告和充分的分析，可以根据当前情况而不是平均估计，用智能的维护计划取代通常的维护计划。例如，通过这种方式可以快速发现和优化表现不佳的资产，从而促进收入增长。

边缘算法与来自资产的实时报告相结合，有助于将分布式能源(通常是可再生能源)整合到电网中，保持其稳定性。

其结果可以是延长设备的使用寿命，在没有停机风险的情况下以最高性能运行设施的可能性，可再生能源的集成，自然灾害后更快的电力恢复，更好的用户体验和更少的中断。

防止欺诈和更好的安全

了解消费模式可以更好地发现不寻常的峰值，更快地识别未经批准的活动。此外，有针对性的调查更容易进行，并且有足够的使用情况、账单和支付数据可以产生更多结果。如果做得好，分析可以在成熟环境中持续减少3%到5%的欺诈损失，在不断变化的环境中减少30%以上。

许多公司使用以下方法的组合来获得更好的结果:

• 模式外分析。将用户活动与同辈群体行为或自己过去行为的历史数据进行比较的过程，这有助于识别异常事件。
• 连锁分析。过程中使用了网络活动分析，其中帮助识别与已知类型的欺诈相关的实体，以及与之类似的欺诈所使用的实践。
• 规则的发展。为基本业务活动创建和应用规则以发现不寻常趋势的过程，以及为特定事务创建和应用专门规则的过程。

• 模型的发展。帮助创建欺诈评分工具和详细的统计分析，以提供对可能的欺诈活动的定量洞察。

基于规则的模型执行客户的风险分析，简化了预防策略的创建。更彻底地监察个别处所，不但可减少未收费的资源使用，更有助发现潜在的问题，如漏水、设备失灵、设施处理不当等。

更好的客户服务和教育

根据Acquia在美国，41%的品牌注意到，在个性化举措成为目标后，有更多客户回头客。这是一个意料之中的结果，因为在这个被许多邀请轰炸的时代，人们渴望联系，更有可能支持一家关心他们独特需求的公司。利用数据来预测终端用户的需求对于公用事业提供商来说至关重要，可以防止投诉，更快地解决问题，并促进公司与消费者之间的信任。使用ML和来自家用设备的数据，公司还可以预测并采取措施防止客户流失．

停电管理也可以从数据分析中受益，可以更快地识别电网中的薄弱环节和潜在风险资产。然后可以采取预防措施，延长设备的寿命，加强电网，避免代价高昂的中断，提高客户满意度。

消费模式识别和分析将为电力公司提供一个强大的工具，以教育他们的客户群体有关节能和智能使用的知识。事实证明，这对公司和用户都有好处，为后者节省了资金，并支持前者的可持续性。

提供商可以将数据用于个性化的报价包(帮助家庭更加节俭)和提供更多定制的发票(为希望管理账单的客户提供更多信息)。Livework已经发现，42%的能源客户对他们的计费体验不满意。这种情况会破坏提供者与用户之间的关系，破坏信任，降低用户留存的机会。智能数据分析可以为客户提供增强计费体验的手段，从而帮助双方更好地了解彼此。

推动行业向前发展

拥有任何规模客户群的公用事业提供商都可以收集和分析数据以实现上述优势。对于公司来说，建立伙伴关系并分享彼此的努力成果也很重要，这样才能完善电网，让每个参与者都能享受到更好的行业。更智能的电网和更满意的客户将创造一个健康的生态系统，有机会实现更快更简单的能源交易，实施可持续的实践，并提高忠诚度。

每个参与能源业务的人都有责任通过采取切实可行的措施来支持行业的进步，其中一个至关重要的步骤是谨慎和智能的数据处理。