유틸리티의 진화: 데이터 지능형 유틸리티의 부상
(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)
오늘날의 유틸리티
오늘날의 전력 그리드는 1800년대 후반 펄 스트리트 스테이션이 소수의 소비자에게 서비스를 제공한 것이 그 뿌리를 두고 있습니다. 지난 세기 동안, 기술적 진보와 사회적 변화가 계속해서 전기 풍경을 재구성해 왔습니다. 이러한 변화는 최근 재생 가능한 발전의 빠른 성장, 강화된 규제 감독, 그리고 더 자주 발생하는 극한의 날씨 이벤트로 인해 가속화되었습니다. 많은 현대 유틸리티 회사들이 이러한 도전에 적응하는 데 어려움을 겪고 있습니다.
혁신적인 유틸리티 회사들은 이러한 요구를 충족시키기 위해 데이터를 사용합니다. 가장 성공적인 회사들은 세련된 센서, 현대적인 데이터 인프라, 그리고 인공지능을 결합하여 효율성을 높이고, 신뢰성을 유지하며, 운영 비용을 줄입니다. 예를 들어, 성능이 뛰어난 전기 회사는 AI 기반 모델을 사용하여 변압기 수리가 필요한 비정상적인 부하 패턴을 감지할 수 있습니다. 이런 조기 감지 결과로, 회사는 변압기를 미리 수리하여 비용이 많이 드는 정전을 피하고 더욱 신뢰할 수 있는 서비스를 제공합니다. 데이터를 효과적으로 사용할 수 있는 유틸리티 회사는 현대 유틸리티 풍경의 요구를 성공적으로 탐색할 수 있는 좋은 위치에 있습니다.
해결해야 할 공통 문제들
- 야생화 방지: 강화할 영역을 식별하고 더 정확한 전력 안전 차단 프로그램을 구현합니다.
- 소비자 에너지 자원: 전기차가 어디에서 채택되고 있으며, 지붕 태양광이 네트워크 혼잡을 어떻게 영향을 미치는지 이해합니다.
- 고객: 각 개인에 맞춰진 더 나은 고객 접근 프로그램을 식별하고 각 고객에게 더 개인화된 서비스를 제공합니다.
- 수요 계획: 거의 실시간 간격으로 그리드 전체의 부하를 예측할 수 있는 능력.
진행을 방해하는 것은 무엇인가
불행히도, 이런 방식으로 데이터로부터 가치를 극대화하는 것은 여전히 도전적입니다. 데이터 사일로는 고객 기록, 운영 기록, 거래 기록, 그리고 수많은 제3자 표준에 대한 별도의 시스템을 통해 조직 전체에 존재합니다. 단일 회사 내의 다른 팀들은 종종 다른 해결책을 선호하며, 혼란과 비효율성을 초래합니다. 또한, 유틸리티 회사들은 사이버 보안과 지적 재산에 대해 정당하게 우려하고 있습니다. 이러한 도전들은 회사가 성공적으로 그들의 데이터를 활용하는 것을 방해할 수 있습니다.
유틸리티 회사는 운영 시스템에 고립된 데이터 보물을 가지고 있으며, 이는 자본 프로젝트에 대한 투자를 강화하고 운영 비용을 낮추는 독특한 기회를 제공할 수 있습니다. 전통적인 기술 환경에서 이러한 시스템들의 많은 부분이 데이터 분리를 줄이고, 횡단 기능 보고서와 분석을 가능하게 하기 위해 레거시 데이터 웨어하우스로 가져옵니다. 즉시 문제가 발생하는 것은 모든 데이터를 통합할 수 없다는 것입니다. 일부 데이터 유형은 이미지와 음성 녹음과 같이 지원되지 않습니다. 다른 경우에는, 데이터 세트가 너무 크거나 데이터셋의 속도가 너무 빨라 전체 이력을 가져오거나 전혀 가져오지 못하는 경우가 있습니다.
레거시 웨어하우스에서 교차 기능 데이터를 가지고 있으면 보고서 작성과 일부 고급 분석이 가능하지만, 이로 인해 극복할 수 없는 문제들이 발생합니다. 이러한 레거시 웨어하우스는 데이터에서 잠재력을 진정으로 해제하는 데 중요한 머신 러닝을 직접 지원하도록 설계되지 않았습니다. 이로 인해 고급 기술이 필요한 이니셔티브는 데이터를 웨어하우스에서 복사하여 다른 기계와 이를 지원할 수 있는 기술에서 사용하도록 강요받습니다. 유틸리티는 데이터 프로젝트를 실로로 운영하면서 교차 기능적 가치를 해제하는 데 어려 움을 겪습니다.
다중 모드 컴퓨팅
현대 문제는 다양한 데이터를 필요로 합니다. 이것은 구조화된 데이터, 지리공간 유형, 이미지, 메모, 오디오의 형태로 나타날 수 있습니다. 이들을 각각 풍부하게 사용하기 위해서는 이러한 다양한 데이터 유형에 대해 상호 운용할 수 있는 플랫폼이 필요합니다.
사일로화된 정보
문제를 해결하기 위해 필요한 데이터는 조직 전체에 흩어져 있습니다. 이러한 중요한 정보들은 운영 시스템, 웨어하우스, 파일 시스템에 저장되어 있습니다. 이는 이질적인 데이터를 활용하려고 할 때 마찰과 장애물을 만들어내며, 이로 인해 프로젝트 시간이 길어지고 실험을 할 수 없게 되며, 결국 프로젝트가 실패하게 됩니다.
중복 데이터와 거버넌스
이러한 실로화된 소스를 모으기 위해서는, 데이터가 다른 곳에서 복제되어 함께 결합될 수 있도록 해야 합니다. 중앙 집중식 거버넌스와 다중 모드 데이터를 처리할 수 있는 플랫폼이 없으면, 프로젝트는 개별 문제를 해결할 수 있는 맞춤형 기술을 선택하게 됩니다. 이로 인해 데이터가 여러 시스템에 여러 번 복사되고 거버넌스 모델이 파편화됩니다. 데이터를 중앙 집중식으로 관리하는 방법이 없으면 데이터 손실, 무단 접근, 비용 증가 등의 문제가 발생할 수 있습니다.
데이터 지능형 유틸리티
Databricks 데이터 인텔리전스 플랫폼은 유틸리티 회사들이 이러한 문제를 해결하는 데 도움을 줍니다. Databricks는 내부 및 외부의 데이터를 표준 형식으로 단일 플랫폼에 모아줍니다. 이는 AVEVA와 같은 솔루션 공급업체와 Accuweather와 같은 데이터 제공업체와 파트너십을 맺음으로써 외 부 소스와 원활하게 독점 데이터를 풍부하게 만드는 데 도움이 됩니다. 또한, Databricks는 모든 회사가 자신의 데이터와 AI를 소유해야 한다는 비전을 가지고 처음부터 설계되었습니다. Databricks는 엄격한 사이버 보안 및 IP 보호 요구사항을 충족시키기 위한 거버넌스와 보안을 갖추고 있습니다. 이 산업의 리더들은 데이터를 자산으로 활용하여 복잡한 문제를 해결하기 위해 Databricks에 의존합니다.
데이터 지능형 유틸리티는 센서, 인공 지능, 데이터 인프라의 최신 발전과 함께 자체적인 산업에 대한 깊은 전문 지식을 결합하여 현대적인 도전에 대처합니다. 이 유틸리티는 스마트 미터, 거래 시스템, 운영 기록에서 데이터를 병합하여 하나의 진실의 원천을 만들었습니다. 이러한 풍부한 독점 데이터 세트를 사용한 고급 분석은 정확한 날씨 예보를 사용하여 폭풍 피해를 정확하게 예측하고, 수리를 빠르게 할 수 있는 적절한 크루가 배치되도록 보장하는 데 사용할 수 있습니다. 유지보수 팀은 컴퓨터 비전과 실시간 센서 데이터에 의해 공급되는 인공지능을 사용하여 고장 난 일정 기반 유지보수 시스템을 계속 유지하는 대신 긴급 작업을 우선 순위로 합니다. 유틸리티의 독점 데이터에 훈련된 생성적 AI는 사용자가 콜 센터로 전화하는 고객을 더 빠르게 도울 수 있도록 필요한 정보를 손끝에서 얻을 수 있게 하며, 현장 기술자가 설치나 수리를 완료하는 데 필요한 정보를 매뉴얼에서 찾을 수 있게 합니다. 이 가치를 실현하기 위해서는, 유틸리티는 데이터 사일로를 분해하고, 구조화되었는지 아닌지에 관계없이 함께 상호 운용할 수 있는 단일 데이터 소스를 가져야 하며, 한 번에 관리할 수 있는 능력이 필요합니다.
데이터 지능형 유틸리티는 데이터의 가치를 최대화함으로써 고객 경험, 운영 효율성, 환경 지속 가능성에 대한 산업 표준을 재정의할 수 있습니다. 실로화된 시스템에서의 데이터는 모든 다른 유형의 데이터를 처리하는 열린 형식의 단일 진실의 원천에서 함께 가져올 수 있습니다. 모든 소스를 단일 상호 운용 가능한 형식으로 가지고 있으면 단일 거버넌스 및 검색 가능성 모델을 허용하며, 이는 데이터의 중복 및 데이터 손실 가능성을 제거합니다. 이 기반이 마련되면, 다른 사업 부문은 전통적인 마찰과 장애물 없이 자신들의 사업을 괴롭히는 문제에 대해 더 효과적으로 실험할 수 있습니다. 이를 통해 유틸리티 회사들이 기술적인 장애물을 극복하는 데 집중하는 대신 비즈니스에 가치를 제공할 수 있습니다. 데이터 지능형 유틸리티로의 변환은 운영 비용을 줄이고, 사일로와 거버넌스 문제를 제거하며, 팀이 이전에는 불가능했던 방식으로 비즈니스 문제를 해결할 수 있게 합니다. Databricks를 데이터와 AI의 기반으로 활용함으로써 데이터 지능형 유틸리티의 비전을 현실로 전환시킵니다.
더 자세한 정보를 얻으려면 Databricks 에너지 산업 페이지를 방문하세요.
