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
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06