Multi-utility e Data: criticità e opportunità

Gli investimenti sulla raccolta dei dati li ha resi disponibili, spesso in una forma caotica, per progetti di AI ed ML anche nei diversi settori dell’energia e delle utilities. I dati, quando esistono devono però essere classificati, selezionati e gestiti con competenze specialistiche per poterli sfruttare nel modo migliore.

In questo articolo chiariamo il ruolo giocato dai dati e spieghiamo perché Injenia è il partner di riferimento con cui portare avanti iniziative significative nel settore dell’energia e delle utilities.

Data augmentation per i servizi delle multi-utility

Nel settore utility si parla ancora molto, sia a livello europeo sia a livello mondiale, di asset management, con le infrastrutture che continuano ad essere il perno attorno a cui ruota il sistema di ricerca e di investimenti delle aziende e delle istituzioni. Tuttavia, anche lato servizi le cose cominciano a muoversi. La direzione, dettata da ragioni di mercato, è quella di una maggiore flessibilità, necessaria per dare una risposta rapida all’esigenza di differenziare in modo sempre più preciso i consumi, ad esempio energetici e per tipologia di abitazione.

Una possibile soluzione per profilare con maggiore grado di accuratezza l’utente è lo sviluppo di progetti di data augmentation ad alto valore aggiunto, che integrano dati appartenenti ad aree separate della stessa azienda e altri attributi rispetto alle anagrafiche a disposizione, attributi che derivano, per esempio, da studi su dati ambientali.

I dati per ottimizzare le operations e sviluppare soluzioni innovative

La qualità e il successo dei progetti di intelligenza artificiale è strettamente connessa all’attenzione e agli investimenti sulla raccolta, la gestione e la classificazione dei dati. In generale a una maggiore conoscenza dai dati, tradotta in una efficiente, efficace e significativa modellizzazione dei dati stessi, e alla loro messa a disposizione per progetti di AI e ML sembra corrispondere un miglioramento sensibile della operatività, con una ottimizzazione del lavoro, dei consumi e dei costi, sia per l’organizzazione (risultato economico e obiettivi di responsabilità sociale) sia per l’ambiente (riduzione dell’inquinamento).

Ogni giorno vengono prodotte enormi quantità di dati relativi a consumi energetici, gestione dei rifiuti, distribuzione del gas e dell’acqua, erogazione dei servizi al cittadino e manutenzione degli asset. Per supportare le multiutility nell’analisi di questa massa per lo più caotica di dati servono esperienza e competenza: soltanto una parte di essi infatti è effettivamente utilizzabile e utile, soprattutto, per trovare quelle soluzioni che possono fornire risposte concrete alle crescenti esigenze della collettività e del business. Occorre strutturare dati prima destrutturati, immagazzinarli e poi applicare algoritmi di ML potenti che possono estrarre correlazioni e conoscenza da utilizzare per ottimizzare le operations e, perfino, per scoprire nuovi processi e modalità di lavoro.

I dati: criticità e opportunità

Per quanto riguarda i dati esiste ancora un sostanziale vuoto informativo, che lascia però un ampissimo margine di manovra. Una criticità che rappresenta una opportunità di crescita: a partire dai dati, su temi particolarmente importanti per retail e distribution di aziende multiutilities e multi utenti — come profilazione utenti e individuazione puntuale dei consumi —, in che modo possono intervenire ML e AI?

1. Per logiche di collaboration, integrando funzionalità VCA all’interno di piattaforme di collaborazione aziendale, come Interacta, la prima piattaforma di Social Process Management originale Injenia.

2. Gestendo in modo efficiente i processi di customer service, che diventano:

- più flessibili,

- più ricchi di contenuti, poiché i dati non provengono solo da CRM ma appartengono a unit diverse.

Diventa allora di vitale importanza per la riuscita dei progetti di intelligenza artificiale riuscire a strutturare il non strutturato, attraverso tecniche diverse, tra le quali sicuramente giocano un ruolo fondamentale quelle di NLP. La posta in gioco è alta: riuscire ad utilizzare un bagaglio conoscitivo consistente e strategico che mette a disposizione risorse informative di dominio da capitalizzare per lo sviluppo di soluzioni innovative.

Applicare l’ML al multiutility non è un’impresa facile ma necessario. Servono competenza ed esperienza, quelle che solo un partner con una raggiunta maturità su ML e Data può offrire. Un partner come Injenia.

Injenia e i dati per le utilities: qualità, scalabilità, sicurezza

Forti delle collaborazioni già in essere con le principali realtà italiane del settore, in Injenia abbiamo acquisito una conoscenza verticale di dominio e possiamo supportare l’azienda in tutto ciò che è “legacy”. Grazie alla nostra esperienza in Data Analysis e Industry 4.0 interpretiamo i dati che provengono dalle unit commerciali: quelli ottenuti dal contatto con il consumatore e quelli provenienti dalla sensoristica che rilevano il funzionamento oggettivo delle infrastrutture e creano punti di comunicazione tra Asset Management e Piattaforme IoT.

Per sviluppare progetti significativi di AI e ML precondizione fondamentale è quella di disporre di una visibilità completa dei processi aziendali e del patrimonio informativo enterprise, per poter compiere le scelte giuste nel minor tempo possibile e per prepararsi a reggere l’urto di eventuali emergenze. La ricetta di Injenia sugli analytics comprende una metodologia, il DataOps, approccio al dato basato sul process thinking e sulla creazione di un team cross-funzionale, e una tecnologia, quella di Google che integra in un unico ecosistema stream analitici, tool ed app cloud native. Queste scelte garantiscono alta qualità nelle performance, importante scalabilità e tutta la sicurezza dell’infrastruttura più grande del mondo. Caratteristiche imprescindibili per i progetti di AI e ML in settori complessi e strategici come quelli dell’energia e delle utilities.