AIBR プレミアム
拓海先生、最近部下から「スマートメーターのデータを使って顧客を分けられる」と聞いたのですが、これって本当に現場で役立つんでしょうか。投資対効果が気になります。
素晴らしい着眼点ですね！結論を先に言うと、これで『似た稼働パターンの商業・産業アカウントを同じグループに分ける』ことができ、エネルギー効率施策の効果測定やターゲティングに使えるんです。大丈夫、一緒に整理すれば必ずできますよ。
なるほど。で、具体的にはどんなデータをどれくらい集める必要があるんですか。現場は忙しいので、無限にデータを取れるわけではありません。
よい質問です。要点は三つありますよ。第一に必要なのは時間分解能のある消費データ、論文では1時間ごとの日別プロファイルを使っています。第二に比較対象を作るための同種のアカウント群が必要です。第三に欠損や休日などの前処理をすることで精度が保てるんです。これだけ押さえれば導入の見積もりができますよ。
データの前処理と言われてもピンと来ません。要するに現場でやることはどの程度の手間なんでしょうか。これって要するに現場のデータをまとめて平均を取るだけでいいということですか？
素晴らしい着眼点ですね！平均だけでは情報が抜け落ちますよ。もう少し具体的に言うと、外れ値処理、欠損補完、曜日や休日の正規化が必要です。例えるなら、製品の検査で不良品だけを除く作業に似ていて、これをやらないと似たもの同士が正しく比べられないんです。とはいえ自動化で大半は処理できますよ。
なるほど。導入コストや効果はどう測ればいいですか。うちの投資判断ではROIが必須です。
いい視点ですね。ROI評価のために抑えるべきポイントは三つです。第一にクラスタリングで作る『ピアグループ』の精度、第二にそこから抽出する省エネ候補の実行可能性、第三に施策適用後の実測で効果が出るかどうかです。パイロットで小さく始め、効果が出れば水平展開するのが現実的に投資を抑える方法ですよ。
現場から反発は来ませんか。従業員が勝手に監視されるような印象を持つと問題になりそうです。
その点も大丈夫です。プライバシーの配慮と透明な説明があれば、データはアカウント単位の集約指標として扱えます。技術的には個々の利用者を特定しないままパターン分析が可能であり、現場説明の資料を用意すれば受け入れられますよ。
分かりました。要点を私の言葉で整理すると、スマートメーターの時間別データをきちんと整えて似た利用パターンをまとめ、そこから省エネ施策の対象を絞って小さく試す、という流れでよろしいですか。
その通りです、田中専務。素晴らしいまとめですね！小さく始めて検証し、効果が出たら展開する。これが現場で成功する王道の進め方ですよ。
