Tendências de Dados no Setor Energético
A atual vaga de digitalização está a mudar o rosto da indústria da Energia de várias formas. E os dados estão, definitivamente, a ser moldados por ela. Após mais de um ano a estabelecer relações com empresas deste setor para a Two Impulse, posso partilhar algumas tendências de dados que foram percetíveis.
Certamente, esta não é uma lista exaustiva. Nem pretende sê-lo. Estas são apenas as 5 tendências de dados em Energia que mais me impressionaram.
1. A sensorização está a avançar rapidamente
As empresas que produzem ou detêm equipamentos para o setor da energia têm cada vez mais facilidade em incorporar sensores IoT (Internet das Coisas) capazes de fornecer leituras regulares sobre métricas operacionais.
Com isto, surge a possibilidade de as empresas ou os seus clientes otimizarem os processos de gestão de ativos, levando a um aumento da receita potencial para todos na cadeia de valor. Outro exemplo vem das empresas que operam redes de distribuição de gás e que estão a adaptar a sua infraestrutura física (ex: novos pontos de injeção múltipla) a gases de baixo carbono (biometano e hidrogénio), gerando, por isso, a necessidade de maior sensorização.
2. Diferentes tecnologias levam a desafios de agregação de dados
Por exemplo, os operadores de redes elétricas e os produtores de energia solar fotovoltaica possuem várias instalações que utilizam tecnologia de diferentes fornecedores, com diferentes normas e sistemas de informação heterogéneos, dispondo de diversos dashboards e sistemas de recolha de dados.
E, claro, dados heterogéneos. Isto não é apenas operacionalmente ineficiente, mas também extremamente dispendioso, podendo até levar a erros de processamento ao extrair dados para relatórios e faturação. Os desafios de dados na indústria da Energia podem ir desde a monitorização e controlo até à manutenção e otimização de equipamentos, afetando, em última análise, a eficiência da produção.
3. Soluções de bases de dados legadas estão a tornar-se obsoletas
Quer falemos de sensores IoT em equipamentos industriais, subestações de distribuição ou postos de carregamento de veículos elétricos (VE), a maioria dos dados provenientes do “boom” da sensorização (tensão, corrente, etc.) são, na verdade, dados de séries temporais (time series data). Por outras palavras, dados que estão associados a um carimbo de data/hora (timestamp).
Embora as bases de dados legadas (relacionais, de documentos, colunares, etc.) possam ser excelentes “canivetes suíços” para volumes menores de dados temporais, elas terão dificuldades de desempenho e escalabilidade perante volumes muito elevados. Por exemplo, gerar um relatório online de apenas alguns meses de dados armazenados pode demorar vários minutos — e os clientes que tentam aceder aos seus dados não ficarão satisfeitos com isso.
4. A análise de dados cria oportunidades de valor em todo o lado
As empresas de energia que gerem ou armazenam grandes volumes de dados estão sentadas sobre um enorme potencial inexplorado. Isto pode abranger desde métricas de desempenho de painéis solares, inversores ou postos de carregamento de VE até dados básicos de clientes.
Obviamente, a resolução do desafio da agregação de dados surge muitas vezes em primeiro lugar. Mas, uma vez superado, os analistas de negócio e cientistas de dados podem analisar profundamente esta informação e perceber onde reside realmente o valor. Isto pode significar:
-
Manutenção preditiva: antecipar ciclos de manutenção e prever falhas com impacto no CapEx e OpEx.
-
Comportamento do cliente: extrair insights de dados de consumo e faturação para detetar novos segmentos e fontes de receita.
5. Os Cientistas de Dados têm uma procura elevada
Ao contrário das tendências anteriores, esta foca-se nos recursos humanos em vez de processos e ferramentas. Embora esta tendência seja uma vantagem para profissionais numa carreira que era pouco mais do que um nicho há dez anos, coloca as empresas orientadas por dados numa posição difícil.
Num mercado tão dinâmico e volátil, muitas empresas lutam para reter Cientistas de Dados por mais do que alguns meses. Sem uma retenção adequada de conhecimento e com a constante reinicialização de processos de recrutamento, esta situação está a gerar ineficiências e desperdício de tempo.
