Om energibransjens digitale reise (del 3): Data, den nye «digitale hovedstaden» – mer enn bare snakk om avansert analyse og AI

Denne serien med blogginnlegg bygger på 2018-utgaven av CGI Client Global Insights og gir et innblikk i hvordan energivirksomheter nærmer seg digital transformasjon. Funnene og perspektivene er basert på 1400 intervjuer med bedrifts- og IT-ledere, hvorav 127 fra energibransjen. CGIs ekspert Ana Domingues ser nærmere på bransjens vei videre, setter søkelyset på hva andre bransjer vektlegger og deler erfaringer fra lederne innenfor digital transformasjon.

2018-utgaven CGI Client Global Insights viser at energivirksomheter ser data som den nye «digitale hovedstaden». Samtidig viser undersøkelsen at sektoren fremdeles er i de tidlige fasene når det gjelder å utnytte avansert analyse og intelligent automasjon. Hvorfor venter virksomhetene med å levere fordelene med data?

Google og Facebook ser ut til å ta 24 prosent av det samlede beløpet som brukes på annonsering i USA, mens beløpet som brukes på tradisjonelle direkte responsmedier som aviser, har gått ned fra 38 prosent i 2008 til 14 prosent i 2016. Hvorfor er det slik? Svaret er ganske enkelt: data. Nærmere bestemt over 30 petabyte med brukergenererte data som lagres, åpnes og analyseres for å skape presisjonsannonser og målbare resultater.

I energibransjen genererer den raske spredningen av smartenheter, innføringen av smarte målere og bruken av sensorer på tvers av kraftnett ufattelige mengder data. Det anslås faktisk at antallet tilkoblede objekter vil nå 200 milliarder i 2020, opp fra bare 2 milliarder i 2006. CGIs kunder i energibransjen ser den enorme potensielle verdien i denne økende datamengden, både fra egne systemer og fra energiøkosystemet. I 2018-utgaven av CGI Client Global Insights rangerte 87 prosent av lederne i energivirksomheter analyse som høyeste prioritet innenfor både IT og forretningsdrift, sammenlignet med bare 41 prosent i 2016. Spesielt er prediktiv analyse fortsatt et svært viktig digitalt transformasjonsinitiativ, med 84 prosent av respondentene, opp fra 71 prosent i fjor. Over 70 prosent av lederne har også identifisert dette som en av de tre største IT-utgiftspostene tre år på rad.

Nye trender skaper mange muligheter for nye kundeopplevelser og forretningsmodeller for den digitale økonomien, med avanserte analyser som avgjørende for å oppnå høy kvalitet i drift, handel og samhandling med kunder. Data er imidlertid også en disruptor og kan true konservative virksomheter hvis det ikke kontrolleres.

Så hvor står energibransjen?

Selv om de har gjort betydelige fremskritt, er nesten halvparten av energivirksomhetene fortsatt i de tidlige fasene når det gjelder å oppdage verdien av data. I fjor var 62 prosent av respondentene i fasene «utforskning» og «design» – et tall som har gått ned til 46 prosent i år. Analyse representerer imidlertid en umoden funksjon, og energivirksomhetene har fremdeles ikke etablert solide business caser for å rettferdiggjøre konsernomfattende digitale strategier. Bare én prosent forteller at de har operasjonalisert avanserte analyser, mens resten fortsatt er i fasene «utvikling» eller «under innføring». 87 prosent av lederne i energivirksomheter oppgir prediktiv analyse som den viktigste investeringen i innovasjon de neste tre årene, men på kort sikt faller dette til 75 prosent. Så selv om energivirksomhetene ser data som «digital kapital» og investerer mer i IT, utsetter de foreløpig noen av disse investeringene.

Avansert analyse og automatisering: forretningsfokuset

Energibransjen identifiserer forbedring av kundeopplevelsen som en viktig forretningsprioritet (88 %), og ser data som en digital vektstang for personlig tilpasset samhandling med kunder. Relevant innhold til rett tid vil medføre adferdsendringer som støtter verdiøkende tjenester, tilpassede energianbefalinger og muligheter for kryssalg. Data er like viktig for å segmentere kunder for målrettede tilbud, som for å kontrollere kundereisen på tvers av kanaler med tanke på å forbedre salget og trafikken til kundesenteret. For energibransjen er dette ubrutt mark, og kunder spør meg ofte hvordan CGI leverer datastøtte til mer avanserte bransjer som personbankmarkedet og telekommunikasjon.

Det er et like sterkt fokus på driftsoptimalisering hos forhandlere som sliter med synkende marginer, som hos nettoperatører som må få mer ut av aktivaene sine. Sistnevnte ønsker bedre synlighet av nettbelastningsmønstre og energistrømmer for APM (Asset Performance Management), betingelsesbasert og prediktivt vedlikehold samt overvåking og kontroll av mobilt feltpersonell. De beveger seg dermed mot CGIs visjon om en innsiktdrevet digitalt integrert og optimalisert nettverksvirksomhet.

I tillegg til å fremme kostnadsbesparelser, investeringsutsettelser og forbedret håndtering av strømbrudd, vil dette gi energivirksomhetene mulighet til å håndtere uforutsigbar produksjon, skiftende etterspørselsmønstre og fremveksten av fleksible tjenester drevet av økende mengder distribuerte energiressurser (DER), samt kantanalyser drevet av IoT. På den annen side: Dagens fokus på digitalisering av eksisterende prosesser fører til at energivirksomhetene ikke revurderer hvordan arbeidet blir gjort, eller hvordan man innfører en tilnærming med komplette prosesser.

Intelligent automasjon: forankret i virkeligheten og mer enn bare snakk

Automasjon er det neste naturlige skrittet for å utvide verdien av avansert analyse og fremskynde forbedringssykluser, utvikle svært personlig tilpasset markedsføring og levere en førsteklasses kundeopplevelse. Amazon, for eksempel, endrer produktpriser 2,5 millioner ganger om dagen – én gang hvert tiende minutt – for å optimalisere konkurranseevnen og marginene. Dette nivået av intelligent automasjon er fortsatt langt fra virkeligheten i energibransjen.

Likevel har energivirksomheter i stor grad oppnådd enkel automasjon basert på skript og arbeidsflyter, og tre fjerdedeler av lederne forteller at de innfører eller allerede har innført dette. Modenheten deres faller dramatisk for alle andre nivåer av intelligent automasjon, som definert i CGIs rammeverk, inkludert mer avanserte nivåer av algoritmisk automatisering, maskinlæring og kunstig intelligens (AI). Innenfor robotisk prosessautomatisering (RPA) henger energibransjen 20 prosentpoeng bak personbankmarkedet for fasene «under innføring» og «innført».

Energivirksomhetene begynner nå å bruke enkle roboter i administrasjonstunge og gjentatte backoffice-prosesser. Chatbots blir sannsynligvis et sentralt AI-fokusområde for energivirksomheter med store behov innenfor kundeservice. Robotene bidrar til å styrke virksomheten gradvis ved å forbedre kundeopplevelsen til en lavere kostnad, uten behov for å etablere et stort prosjekt. På CGI innfører vi chatbots basert på en gradvis «flytting» av prosesser, og reduserer samhandlingen med fysiske kundebehandlere uten at det går ut over brukeropplevelsen.

Utfordringer og en fremtidssikker plattform

Det kan være lett å forklare hvordan man utnytter data, men å gjennomføre dette i praksis, kan være en annen sak. Så snart en energivirksomhet har sikret dataene sine, må dataene lagres og integreres også med eksterne datakilder. Det må være ett eneste lagringssted og én eneste «versjon av sannheten». Dataene må også være lett tilgjengelig for alle brukere. Energivirksomheter spør meg ofte hvordan man kan trekke ut verdier fra data, og hvilke bruksområder man bør fokusere på. Det virker lovende å sette opp en sandkasse for å prøve ut verdien av bruksområder for flere integrerte datakilder.

Noen energivirksomheter har bygd «data lakes» for å håndtere strukturerte og ustrukturerte data (vær, sosiale medier, sensorer osv.), og for å finne ut hvordan skyen passer inn i dette. For noen har dette ført til «data swamps» forårsaket av dårlig datakvalitet, styring og organisering, kombinert med den gjennomsnittlige brukerens manglende kompetanse til å utvinne dataene, visualisere dem i en kontekst og til slutt å handle på grunnlag av dette. I tillegg støtter ikke eldre arkitektur samarbeid. Dette fører til problemer med enkeltstående applikasjoner og datakilder samt dårlig datakvalitet. Svaret er heller ikke å tillate en eksplosjon i antall verktøy for hvert bruksområde innenfor hver enkeltstående enhet.

Ikke overraskende fortsetter energivirksomhetene å rapportere datakvalitet og datastyring som de største utfordringene i forbindelse med transformasjon, sammen med kulturforandring – emner jeg dekket i den første bloggen i denne serien.

Energivirksomhetene har fremdeles litt igjen før de kan utnytte data som «digital kapital» til å transformere og vokse. De trenger en fremtidssikret dataanalyseplattform for å legge til rette for skalerbarhet, smidighet og raske endringer, samtidig som de må sikre kvaliteten på og sikkerheten til dataene.

Gjør deg klar for del 4 i denne serien, der Ana Domingues drøfter nye tjenester og inntektsstrømmer, inkludert pengeskapelse gjennom data og åpne dataplattformer for det bredere økosystemet.