La plupart des dirigeants de services publics savent que les données dont ils disposent ont une valeur énorme, mais peu d’entre eux agissent de manière agressive pour les utiliser maintenant.
Ils peuvent apprendre des exemples de leaders du marché qui découvrent comment utiliser ce qu’ils ont en main alors qu’ils commencent à créer leurs programmes d’analyse plus larges.
Pour un service public nord-américain, l’occasion s’est présentée alors qu’il cherchait à améliorer sa capacité à prévoir le rétablissement de l’électricité après une panne. Les dirigeants voulaient réduire la fenêtre de quatre heures qu’ils prévoyaient, en moyenne, quand l’électricité serait rétablie, non seulement pour mieux utiliser les ressources, mais aussi pour fournir des informations plus précises aux clients qui attendaient que leur électricité reviens.
Il a trouvé la solution en examinant davantage de données auxquelles les équipes avaient déjà accès mais n’utilisaient pas pour estimer les temps de restauration. En incluant la météo et les emplacements en temps réel des équipages dans son modèle de prévision, les équipes ont pu prendre des décisions mieux informées et plus réalistes sur qui était disponible pour les réparations et quand elles pouvaient les terminer. Leur nouveau modèle a doublé leur précision, entraînant non seulement un déploiement plus efficace du personnel sur le terrain, mais également des scores de satisfaction client plus élevés.
Les dirigeants de services publics du monde entier reconnaissent ce type de potentiel dans les données et l’analyse, mais la plupart ne savent pas par où commencer. De plus en plus de données circulent en permanence, des compteurs intelligents et autres capteurs sur le réseau de plus en plus intelligent, ainsi que des sources traditionnelles de données sur leurs opérations. Mais beaucoup attendent quand ils pourraient agir.
Certains services publics, comme celui nord-américain qui a amélioré ses prévisions de restauration, se lancent déjà, utilisant les données et les outils dont ils disposent pour améliorer leurs méthodes de travail, d’au moins trois manières.
L’un d’eux est la réduction des coûts. L’analyse peut aider les grands services publics à économiser jusqu’à des dizaines de millions de dollars en dépenses d’investissement et d’exploitation et de maintenance en les aidant à améliorer les opérations (ce qui peut réduire les volumes des centres d’appels ou aider à mieux gérer la végétation le long de leurs lignes électriques), optimiser leur déploiement de capital (en identifiant les moyens les plus efficaces de réduire les risques) ou de mieux comprendre leurs achats (en pondérant les dépenses par rapport à la valeur).
De meilleures données peuvent également améliorer la fiabilité. Des analyses avancées peuvent aider à prévenir les pannes grâce à des prédictions plus précises sur le moment de remplacer l’équipement défaillant ou grâce à une expédition plus rapide, parfois automatisée, du personnel de réparation grâce à l’identification en temps réel des problèmes.
Une troisième façon dont les données peuvent apporter de la valeur est un meilleur engagement client. L’analyse des données peut aider les services publics à mieux comprendre les clients et leur consommation d’énergie. Et, comme indiqué, des analyses plus sophistiquées peuvent aider à fournir des informations plus précises aux clients sur les pannes de courant, les mises à jour du réseau et les travaux de réparation effectués par les équipes de terrain, ce qui peut augmenter la satisfaction des clients.
Pour les cadres qui souhaitent se lancer, la première étape importante pour libérer cette valeur est de réaliser le potentiel et de commencer à expérimenter les outils dont ils disposent déjà. Certains services publics créent déjà de petits centres d’excellence chargés de projets d’analyse avancée. Ces équipes combinent généralement des compétences de l’entreprise avec des capacités de science des données plus avancées. Une fois les équipes en place, elles commencent à identifier et à exploiter les opportunités ayant la valeur potentielle la plus élevée.
Comme pour tout effort naissant, il est important d’obtenir quelques victoires rapides pour créer un élan. Les équipes devraient penser à utiliser les données existantes et les outils d’analyse prêts à l’emploi, comme l’a fait le service public nord-américain pour améliorer ses prévisions de restauration des pannes. À partir de ces explorations initiales, ils commenceront à développer leurs capacités et à étendre leur expertise croissante à davantage de leurs activités.
Il peut être utile de penser à trois niveaux de complexité (systèmes descriptifs de base, systèmes prédictifs modérément complexes et systèmes prescriptifs plus avancés) comme moyen de définir des aspirations et d’élaborer des plans stratégiques pour développer des capacités qui aideront les services publics à atteindre leurs objectifs en matière de données.
Au fur et à mesure qu’ils développent leurs capacités d’analyse, les services publics découvriront qu’ils doivent adopter des normes plus rigoureuses pour la capture, le stockage et la gestion des données. Le nettoyage des données est un défi majeur, nécessitant un travail minutieux pour rationaliser ce qui est souvent une collection aléatoire de systèmes et les restructurer selon des lignes communes afin qu’ils puissent partager et mieux utiliser les données disponibles.
Les services publics devront également mieux comprendre et utiliser des techniques de modélisation avancées pour découvrir des informations dans les données. Pour faciliter cette tâche, la plupart des services publics commencent à compléter leurs effectifs avec des talents avertis en matière de données qui apportent des compétences avancées en analyse, modélisation et visualisation pour soutenir ces efforts.
Les services publics doivent commencer par choisir un objectif ou un sujet clé et développer des analyses ciblées pour créer une dynamique. Ces domaines peuvent inclure les processus d’arrêt, la gestion des matériaux, la gestion de la demande ou l’analyse des actifs. Se concentrer sur un seul domaine peut aider de plusieurs manières.
Premièrement, il concentre l’organisation sur l’exploration de l’analyse avancée, mais dans le cadre d’un problème de conception unique, avec moins de parties prenantes que ce qui sera nécessaire à mesure que les programmes s’élargissent.
Deuxièmement, l’ingénierie initiale des données représente le gros du travail qui peut produire des résultats ailleurs dans l’organisation. Une fois les ensembles de données nettoyés et fusionnés, des applications supplémentaires et plus avancées pour les données peuvent être exécutées plus rapidement.
Enfin, un seul effort peut commencer à générer une dynamique, et l’organisation peut appliquer les leçons apprises à de futurs projets.
Le voyage peut prendre des années, mais les avantages sont considérables : des millions d’économies qui ne seraient pas possibles sans les mégadonnées et les analyses avancées.