 |
Энергетическим компаниям нужна комплексная работа с данными, уверены эксперты компаний SAS Россия/СНГ и АйТи
Москва, 21 марта 2013 г. – В энергетике решение ключевых бизнес-задач – от планирования объемов генерации, реализации инвестиционных кампаний и ценообразования до управления рисками и планирования ремонтов – завязано на эффективную работу с данными. Автоматизация процессов сбора, обработки и анализа данных на базе инструментов SAS помогает менеджерам компаний быстрее получать важную информацию и принимать взвешенные решения. К таким выводам пришли участники бизнес-завтрака, посвященного возможностям бизнес-аналитики в энергетических компаниях.
Мероприятие было организовано компаниями SAS Россия/СНГ, признанным мировым лидером в области бизнес-аналитики, и АйТи, одним из крупнейших интеграторов на российском рынке. В нем приняли участие представители Министерства энергетики РФ, «Концерна Росэнергоатом», компаний «Энерголаб», «Консист-ОС», а также крупных генерирующих компаний.
Использование аналитических инструментов и обработка данных в компаниях энергетической отрасли имеет важные особенности. «Источников данных, с которыми нужно работать, много. По большей части они небольшие и при этом часто изменяются, - пояснил Кирилл Бутаев, менеджер SAS Россия/СНГ по работе с ключевыми клиентами. – Показатель из одной системы, показатель из другой, какие-то значения с внешних сайтов регуляторов, плюс текстовые данные. Если внутренние данные, которые менеджеры берут из собственных оперативных систем компании, еще можно контролировать, то внешние источники требуют повышенного внимания: регулятор обновляет или изменяет свой сайт, не предупреждая участников рынка».
Необходимость эффективной работы с большим количеством источников данных подтвердил также представитель крупной генерирующей компании, рассказывая о том, как на базе технологий SAS был реализован проект построения аналитического хранилища. «Для меня, как для трейдера, очень важно иметь возможность в удобном формате выгрузить данные по рынку, по ценам и быстро их проанализировать. С тем количеством порталов, узлов и источников, с которыми мы работаем, это очень трудная задача. Чтобы получить информацию из той базы данных, которой мы пользовались до внедрения SAS, нам приходилось постоянно обращаться за помощью к ИТ-специалистам. Кроме того, к анализу нужно было добавлять различные документы, которые хранились на серверах и локально, а также данные системного оператора, коммерческого оператора, исторические данные по рынку... Поэтому нам было важно объединить данные и создать систему регламентной и оперативной аналитической отчетности, помогающей в процессах торговли энергией. Благодаря SAS нам удалось наладить сбор данных из более чем 100 различных источников и построить процессы формирования необходимых отчетов, в том числе оперативных, которые нужны для принятия срочных решений», - рассказал о своем опыте один из клиентов SAS Россия/СНГ.
Учитывая износ основных производственных мощностей, в энергетике остро стоят вопросы перехода с планового ремонта на ремонт по фактическому состоянию, а также управления операционными и регуляторными рисками. Это задачи следующего уровня по отношению к задаче объединения данных и обеспечения их качества. «Существуют риски, которые могут влиять на все ваши планы по продажам. Если у вас выйдет из строя электрогенератор, будет просто нечего продавать. При этом регулятор еще наложит на вас штраф», - заявил Дмитрий Коновалов, консультант SAS Россия/СНГ по управлению рисками в компаниях реального сектора. Он рассказал о том, как решение SAS Enterprise GRC помогает компаниям по всему миру эффективно управлять рисками, в том числе составлять карты рисков с учетом их последствий и вероятности их реализации.
О том, как решение SAS Predictive Asset Maintenance помогает перейти на ремонт по состоянию, рассказал Кирилл Бутаев: «Причина поломки оборудования не всегда очевидна, она может находиться не в том блоке, который вышел из строя, а в любом другом месте производственной цепочки. Например, турбина, участвующая в процессе генерации электроэнергии, может выходить из строя по причине неравномерных нагрузок, возникающих, например, из-за некорректной работы управляющих систем. При этом показатели работы оборудования не выходят за критические пределы, установленные производителем, и, следовательно, не фиксируются штатными средствами контроля, что существенно усложняет выявление первопричин отказа. Наладив сбор данных со всего оборудования, задействованного в генерации и транспортировке энергии, с помощью прогнозных моделей SAS можно не только выявить причину отказа, но и предсказать сроки возможной поломки».
Сбор и интеграция данных – это краеугольный камень эффективной работы коммерческих департаментов энергетических компаний и решения задач, связанных с обеспечением непрерывности технологических процессов. Автоматизация сбора данных из сотен источников позволяет быстрее принимать решения, лучше ориентироваться в происходящем и эффективно решать задачи, где требуется применение углубленной аналитики.
Контактное лицо: Надежда Волкова (написать письмо автору)
Компания: SAS (все новости этой организации)
Добавлен: 20:31, 27.03.2013
Количество просмотров: 848
| СберЛизинг обработал более 36 тысяч заявок с помощью ИИ-модели, СберЛизинг, 21:22, 07.10.2026, Россия |
71 |
| СберЛизинг подвёл первые итоги работы ИИ-модели подбора оптимального поставщика предметов лизинга. Решение запустили в эксплуатацию в третьем квартале 2025 года. За первый год с использованием ИИ-модели обработано более 36 тысяч заявок, а финансовый эффект только за 2025 год превысил 25 млн рублей. |
 |
|
|
