Hero SASCOM Background 3q2014

Analityka motorem przemian sektora energetycznego

Grzegorz Mikulski, Senior Business Development Manager, SAS Institute

Fundamentalne zmiany na rynku energii, trwająca liberalizacja i wzrost konkurencyjności, wymóg dostosowania się do polityki UE, wzrost zapotrzebowania na energię, konieczność zapewnienia bezpieczeństwa energetycznego i ciągłości dostaw energii, przy jednoczesnym starzeniu się jednostek wytwórczych, to tylko niektóre aspekty stanowiące duże wyzwanie dla firm z sektora energetycznego

Analityka, nie tylko ta z obszaru Big Data, ale również tradycyjnie rozumiana "Enterprise Analytics" może w istotny sposób przyczynić się do efektywnego zarządzania zmianą w nowoczesnym przedsiębiorstwie energetycznym. Duże zainteresowanie analityką obserwujemy szczególnie w obszarach sprzedaży, wytwarzania i dystrybucji energii. Liberalizacja rynku energii wprowadza możliwość zmiany sprzedawcy energii przez klientów. Coraz więcej klientów jest świadomych takich możliwości i są oni zainteresowani optymalizacją swoich wydatków. Jeśli spojrzymy na liberalizację rynku energii np. w Wielkiej Brytanii, która dokonała się w 1999 r., to według danych Ofgem (The Office of Gas and Electricity Markets) ponad 50 proc. klientów zmieniło sprzedawcę prądu, a ok. 47 proc. dostawcę gazu. W Polsce odsetek podmiotów zmieniających dostawcę prądu nadal jest niewielki, ale regularnie rośnie. Rynek staje się bardziej konkurencyjny, pojawiają się nowi gracze prowadzący coraz bardziej agresywną politykę marketingową i skutecznie pozyskujący klientów. Wśród nowych spółek obrotu energią znajdują się zarówno mali gracze budujący dopiero portfolio klientów oraz duże firmy telekomunikacyjne. Posiadają one nie tylko własne bazy klientów, ale też bogate doświadczenia z wykorzystania analityki klienckiej i operowania na bardzo konkurencyjnym rynku.

Przede wszystkim potrzeby klienta

Kluczem do sukcesu jest pozyskanie informacji o potrzebach klientów, odpowiednie ich zdiagnozowanie i zbudowanie atrakcyjnej oferty. Od dawna tak właśnie postępuje się w innych sektorach, takich jak np. telekomunikacyjny, bankowy czy ubezpieczeniowy. Prowadzone wnikliwe analizy klienckie pozwalają firmom odpowiednio szybko reagować na zmiany rynkowe i dostosowywać ofertę do wymagań klientów i działań konkurencji. Co warto wiedzieć o własnych i potencjalnych klientach? Na pewno to, czy są wiarygodni finansowo, jaką marżę mogą wygenerować, jaką formę kontaktu preferują, jakie kryteria biorą pod uwagę przy wyborze oferty. Popularnym zastosowaniem jest ocena lojalności własnej bazy klientów. Doświadczenia np. z rynku telekomunikacyjnego pokazują, że modele statystyczne potrafią zidentyfikować klientów skłonnych do zmiany usługodawcy nawet 10- krotnie skuteczniej, niż wybór takich klientów bazujący na doświadczeniu ekspertów branżowych. Analogicznie stosowane modele w kampaniach marketingowych: akwizycyjnych, up/crosssell potrafią podnieść ich skuteczność kilkanaście razy. Widzimy rosnące zainteresowanie sektora energetycznego takimi analizami i zastosowaniami. Niewątpliwie będzie to jedno z istotniejszych narzędzi do budowania przewagi konkurencyjnej. Równie istotnym tematem staje się nowoczesne, jeszcze efektywniejsze zarządzanie majątkiem sieciowym i wytwórczym. Infrastruktura się starzeje, inwestycje realizowane są w ograniczonym stopniu, a popyt na energię stale rośnie. Utrzymanie wysokiej sprawności infrastruktury i optymalizacja kosztów eksploatacji to sprawa kluczowa. Na rynku jest zainteresowanie wykorzystaniem metod statystycznych do przewidywania np. awarii urządzeń i minimalizowania nieplanowanych przestojów. Doświadczenia ze świata potwierdzają, że takie podejście daje wymierne korzyści i istotną poprawę wskaźników eksploatacyjnych.

Pozostałe atuty

Wraz ze wzrostem potrzeb biznesowych następuje dynamiczna transformacja w obszarze systemów IT. Pojawiają się nowe źródła informacji, z których można czerpać wiele korzyści biznesowych. Po pierwsze w spółkach intensywnie modernizowane są istniejące systemy IT: CRM, billing. Dodatkowo wzrasta rola portali internetowych w obsłudze klientów, jednostki wytwórcze są coraz lepiej opomiarowane, modernizowana jest infrastruktura sieciowa, wprowadzane są inteligentne sieci (smart grid). Daje to wiele nowych możliwości wykorzystania danych, np. do skuteczniejszego wykrywania nielegalnego poboru energii, optymalnego planowania inwestycji sieciowych, ale również podjęcia dialogu z klientami w celu optymalizowania ich zużycia, tworzenia nowych atrakcyjniejszych ofert, a w konsekwencji obniżania rachunków klientom przy utrzymaniu dotychczasowej marży. Co więcej klienci coraz częściej zgłaszają się do nas z potrzebami w obszarze zarządzenia i poprawą jakości danych. Jest to szczególnie pilna potrzeba w kontekście integracji i migracji systemów. Powszechne jest to, że dane wymagają deduplikacji np. kartoteki klientów, a informacje teleadresowe – standaryzacji. Spójna informacja o adresach, poza uporządkowaniem wiedzy o klientach, pozwala na nowe zastosowania np. wzbogacanie informacji o klientach o dane geolokalizacyjne i weryfikowanie adresów punktów poboru energii (PPE) z danymi z infrastruktury przesyłowej. Reasumując, rośnie jakość dostępnych danych, a więc i ich biznesowa użyteczność.

Skuteczne wdrożenie analityki

Do tego potrzebna jest przede wszystkim chęć wprowadzania zmian i usprawniania procesów we własnym przedsiębiorstwie. Konieczne jest w pierwszej kolejności określenie celu biznesowego dla projektów analitycznych i mierzalnych kryteriów sukcesu. Oczywiście ogromne wolumeny danych do przetworzenia wymuszają również potrzebę stosowania bardzo wydajnych narzędzi. Mamy doświadczenia poparte licznymi wdrożeniami, że wielkość danych nie stanowi dużego problemu. Istotne jest połączenie wiedzy biznesowej z technologią i to właśnie proponujemy naszym klientom.


Wykorzystanie rozwiązań typu text analytics przez sprzedawcę energii elektrycznej

Ze względu na rosnącą ilość korespondencji jeden z europejskich sprzedawców energii elektrycznej stanął przed dużym wyzwaniem: musiał znaleźć sposób na usprawnienie procesu komunikacji z klientami.

Przedsiębiorstwo otrzymywało coraz więcej informacji, zapytań od nowych klientów oraz reklamacji i zgłoszeń dotyczących problemów zarówno za pośrednictwem kanałów elektronicznych (e-mail, internet), jak i bardziej tradycyjnych (call center, poczta). Analiza wszystkich powyższych informacji metodami tradycyjnymi była czasochłonna i wymagała zaangażowania znaczących zasobów. W efekcie firma z trudem radziła sobie zarówno z przetwarzaniem dokumentacji od nowych klientów, jak i z rozwiązywaniem problemów oraz rozpatrywaniem reklamacji od istniejących klientów. Trudności w tym obszarze przyczyniły się do pojawienia się ryzyka utraty reputacji oraz wystąpienia potencjalnych problemów w spełnianiu wymagań regulacyjnych.
Implementacja rozwiązań text analytics umożliwiła w bardzo krótkim czasie dokonanie kategoryzacji oraz wstępnej analizy danych tekstowych, pochodzących z poszczególnych kanałów kontaktu z klientami, ze skutecznością przewyższającą 95 proc. Wdrożone narzędzia pozwoliły na szybką identyfikację zgłaszanych problemów, przeprowadzenie ich kategoryzacji na podstawie analizy treści, a także sporządzenie podsumowań pod kątem istotności oraz wagi dla klienta oraz organizacji.
Zastosowane rozwiązanie text analytics pozwoliło sprzedawcy energii elektrycznej na dostosowanie posiadanych zasobów do rodzaju otrzymywanych zgłoszeń i reklamacji. Ułatwiło także proaktywne przygotowywanie skryptów rozmów dla call center, odpowiednie dostosowanie systemów IVR w odpowiedzi na narastające problemy użytkowników oraz automatyzację procesów obsługi prostych zgłoszeń.
W dalszej perspektywie, rozważane jest rozszerzenie funkcjonalności narzędzi o możliwość identyfikacji klientów w mediach społecznościowych, a także dodanie opcji śledzenia ich wypowiedzi na temat konkurencji oraz komentarzy dotyczących jakości i obsługi klienta.

Rafał W. Cegielski ReeWise.com Business Analytics Company


Wpływ jakości danych na poziom satysfakcji klientów

Aspirujący do roli lidera, dostawca energii elektrycznej w jednym z krajów Unii Europejskiej stanął przed wyzwaniem związanym z satysfakcją klientów. Była zdecydowanie niższa w porównaniu z konkurencją (o ponad 4,3 proc.).

Po analizie poziomu satysfakcji klientów i czynników, które uruchamiały reklamacje okazało się, że ponad 17 proc. problemów dotyczy danych wykorzystywanych w komunikacji z klientami, a konkretnie jakości danych dostępnych w systemach informatycznych i ich spójności. Głównymi powodami były:

  • złe dane teleadresowe, ponad 3,5 proc. korespondencji firmy było kierowane na błędny lub nieaktualny adres,
  • dane billingowe, system odczytu liczników, CRM i system inwentaryzujący infrastrukturę funkcjonowały na 4 niezależnych zestawach danych, które się powielały, prowadząc do pomyłek, braku synchronizacji, błędów w interpretacji i problemów w trakcie łączenia i analizy.
  • Uruchomiono program w departamencie IT w celu rozwiązania problemów przy pomocy narzędzi do zapewnienia jakości danych (w tym przypadku SAS Data Quality wzbogacony o lokalną bazę QKB - Quality Knowledge Base).
  • Główne cele stojące przed rozwiązaniami DQ (Data Quality) to podniesienie powiązania infrastruktury z rzeczywistymi adresami z 78 proc. do ponad 95 proc., obniżenie współczynnika źle wysyłanej korespondencji z 3,5 proc. do 0,5 proc. i wyeliminowanie błędów w synchronizacji billingu z CRM. Oczywiście wszystkie zmiany parametrów miały w efekcie znaleźć odzwierciedlenie w poprawie satysfakcji klienta.

Rozwiązania SAS Data Quality umożliwiły powiązanie infrastruktury z rzeczywistymi adresami na poziomie 98 proc., obniżenie błędów w obsłudze korespondencji do poziomu pojedynczych promili, pozwoliły też wyeliminować powtarzające się błędy z obsłudze bilingów. Obecne trwa weryfikacja poziomu satysfakcji klientów powiązana z osiągniętymi rezultatami.

Paweł Grabowski ReeWise.com Business Analytics Company


Artykuł opublikowany w magazynie Manager.

Informacja o autorze:

Grzegorz Mikulski

Grzegorz Mikulski
Absolwent Wydziału Elektroniki i Technik Informacyjnych na Politechnice Warszawskiej. Ma wieloletnie doświadczenie w realizacji projektów analitycznych oraz we wdrażaniu systemów Business Intelligence w branżach takich jak telekomunikacja, bankowość, energetyka, media, retail. W SAS Institute od 2011 roku, odpowiedzialny za budowanie koncepcji wykorzystania analityki i rozwiązań wspierających podejmowanie decyzji w nowych obszarach zastosowań biznesowych.

Back to Top