京公网安备 11010802034615号
经营许可证编号:京B2-20210330
电力大数据:商机无限 如何掘金
美国有不少家庭能源数据分析公司,这些数据公司与公用的电力公司合作,他们利用自己的云数据平台优势,在很大程度上抢占了家庭消费者的“入口”。今天,我们就为大家介绍一家来自美国的公司Opower。
Opower在2007年创办,他们获取家庭消费者的能源使用数据与别的公司不同,除了结合大数据方法,Opower还应用了行为科学理论,对消费者的用电行为进行更全面的分析,由此为用户提供更适合于他们的节能减耗方案。笔者认为,在电力改革以及互联网+能源的大风潮下,Opower的模式在一定程度上能够激发国内一批想要参与进电力市场的创业者们的灵感。
一、Opower的发展历程
DanielYates(左)andAlexLaskey(右)
2007年,两名哈佛毕业生AlexLaskey和DanYates创立了一家小公司,名叫PositiveEnergy(中文:正能量公司)。公司成立之初,两人只是单纯地帮助人们了解自家所消耗能源的真实数据。后来,在此基础上慢慢扩大业务,为更多客户提供家庭能源报告、web访问接口等。随着公司业务不断地扩张,客户也不断增加,为了更好的适应公司的发展,两位创始人才将PositiveEnergy更名为Opower,并将总部设于美国弗吉尼亚州。
2014年4月4日,Opower公司在纽交所首发上市。彼时,Opower迅速吸引了广大投资者的关注,当天股价涨幅就超过21%。而Opower也开始在全世界范围内积极开拓新的电力合作伙伴,发展更多的电力端客户。
到2015年3月,Opower已经发展成为一家员工超过560人的能创公司,其提供的数据已经覆盖5000多万户企业和个人,风投资金额达到6570万美元,收入连续几年实现持续增长。为了在世界范围内开拓新的电力合作伙伴,Opower公司逐渐在旧金山、伦敦、新加坡和东京等城市建立办事处。
二、Opower做了哪些事
1.一份个性化的电力账单
发电力账单,是每个公用电力公司都需要做的一项工作,看似简单,但是它的功能拓展往往被忽视。Opower公司利用云数据平台,结合大数据方法和行为科学理论,以公用事业公司的名义、为家庭用户发出了一份个性化的、贴心的电力账单。
通过这份电力账单,家庭的制冷、采暖、基础负荷、其他各类用能等用电情况被分类列示,并将用电量跟上个月的进行相比,鲜亮的图表呈现方式让用户对自己的耗能情况一目了然。电力账单上除了有本户用电数据的分析之外,还有相近区域内最节能的那20%的用户耗能数据——即所谓的邻里能耗比较,紧接着它会据此提供建设性的节能方案。这就是Opower所标榜的“行为科学理论”的结晶。
此外,Opower在用户的交互方面,也做得贴心,生动,到位。比如,用户的节能效果非常理想,Opower提供的账单上就会有一个高兴的表情,告诉你它的态度;再比如,Opower会通过客户端或邮件给客户发送一些节能技巧信息。
2.四类面向能效管理的服务
Opower公司通过自己的家庭能耗数据分析平台,对由公用电力公司提供的家庭能耗数据进行深入地分析和挖掘,进而为用户提供一整套适合于其生活方式的节能建议。尽管Opower志在为用户节能,但其自我定位是一家“公用事业云计算软件提供商”,由此可知Opower公司的运营模式并非B2C模式(企业对终端消费者),而是B2B模式(企业对企业)。Opower公司的服务对象是公用电力公司,而不是普通的家庭用户。Opower公司为公用电力公司提供如下四种服务。这四类服务中,Opower既扮演数据收集整合的角色,也为客户提供基于深入分析的有效性建议,而这四类服务都基于可扩展的Hadoop大数据分析平台。
通过Opower提供的服务,使公用电力公司了解到他们的客户是如何使用能源的,也使家庭用户了解到自己的能耗情况,这些服务形式改善了公用电力公司与用户的关系。通过个人历史比较、邻里比较来激发用户节能的意愿,这种方式让用户看到自己的电费在下降的同时,其对环保的公用电力公司满意度也在不断增长。
3.三大利好:节能省钱减排
打开Opower的网站,底端一行实时跳动的数据格外醒目:Opower客户已经节省了XXX千瓦时电,减少了XXX磅二氧化碳,节约了XXX能源费用。麻省理工学院研究员阿科特曾做过关于Opower对家庭用电量影响的研究,证实Opower的用电报告让用户的用电量减少了2%;根据其他第三方研究机构田野调查的结果,Opower平均帮助用户节能1.5%-3.5%。而这些成效都源于Opower为用户提供的节能方案。
据了解,Opower公司已经签下了来自北美、欧洲和亚洲9个国家的95家公用电力公司,其中包括很多传统大型的公用电力公司,比如美国的AEPIndianaMichiganPower、澳大利亚的EnergyAustralia、英国的E.ONUK等。据更新过的S-1文件显示,美国电力市场中50家最大的电力公司中,有27家都是Opower的用户,Opower拥有37%美国家庭的能源消费数据,能够获取约1.15亿家庭的能源消费数据,并据此提供节能方案。
根据Opower网站上的动态信息(截至2015-10-05),Opower已累计帮助用户节省了82.1亿千瓦时的电力,节省电费10.3亿美元,减排二氧化碳121.1亿磅,随着用户规模逐渐增大,这些数据均以加速度在增长。
三、Opower的亮点之处
1.家庭能耗数据分析平台
Opower的家庭能耗数据分析平台是基于可扩展的Hadoop大数据分析平台搭建的,综合利用了计算机科学、行为科学和大数据科学理论。Opower从所服务的公用电力公司取得大量的家庭能耗数据,整合房龄信息、周边天气等数据,运用自己的家庭能耗数据分析平台进行用能分析,建立家庭耗能档案,并与邻里的能耗数据进行比较,通过综合分析提出节能建议。
行为科学指导的邻里能耗比较
“如果你知道你的邻居比你节电,这就是你节电的动力。”
Opower所提供的账单上,除了分析本户的能耗数据,还与相近区域内最节能的那20%的用户进行耗能数据比较,这就是其所提供的电力账单的亮点即“邻里耗能比较”,这项比较是在“行为科学理论”的指导下进行的。Opower的首席科学家、原亚利桑那大学心理学系教授罗伯特?西奥迪尼(RobertCialdini)认为,告诉人们其邻居的电费帐单远要低于他的帐单,这将提供给用户非常直观的节能动力,因为人们会在潜意识里说服自己,从而采纳Opower据此提供的建设性节能方案。正是基于这一逻辑,Opower才设计出一目了然而又促人行动的帐单形式。
四、Opower的启示
自从2011美国著名学者杰里米?里夫金在其著作《第三次工业革命》中,首次提出了能源互联网(EnergyInternet)的愿景,“能源互联网”的概念就像起于青萍之末的风已席卷全球。在能源互联网+新电改的背景下,在大数据+云计算的新时代,依托电力大数据的电网将迎来新的发展机遇。而结合了计算机科学,数据科学和行为科学的Opower,其模式对于国内电网公司的服务拓展也具有一定借鉴意义。
比如,国家电网微信服务号提供的电力账单像酱样子的↓↓↓仅有一堆数字,僵硬、不个性、不贴心……
借鉴Opower的邻里能耗比较,并结合“微信运动”的模式,国网公司可以将电力账单引入社交元素,为用户提交一份更个性化和贴心的电力账单。通过导入家庭能耗数据,将其置于微信庞大社交链中实现好友分享及排名。将电力账单与社交相结合,朋友间这种家庭能耗的对比,一方面可以使力账单服务更个性化,另一方面,也会激发人们进行节能减耗。
结语
随着新电改的进一步推动,电力市场的竞争将拉开大幕,要想在市场的浪潮中居于不败之地,售电公司将不能只卖电,更应该比拼综合的能源服务。电网公司应该利用能源互联网,运用包括云计算、大数据技术,了解用户们形式多样的能源诉求,再有针对性地为用户定制创新的综合能源解决方案,从而实现用户的节能减排和电能成本降低。Opower的成功,也证明了互联网+大数据+电力能源这样一条路径的可行性。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16