智能分析让公司更环保、更精简
Nukissiorfiit 与 IBM 合作,精准跟踪绿色能源使用情况
北极光

Nukissiorfiit 是一家国有公司,主要职责是在不使用化石燃料的情况下为格陵兰岛提供清洁的水、电力和热能。这是一项艰巨的任务,但该公司 72% 的公用事业生产已经采用了可再生能源,并有望在 2030 年让这一数字达到 100%。此外,Nukissiorfiit 水电定价结构令人羡慕,在没有政府补贴的情况下,价格仅为加拿大同类地区的三分之一。

更深入研究后您会发现,这确实是一项巨大成就,因为格陵兰岛的面积相当于法国、西班牙、德国和意大利的总和,但人口数仅为 56,000。此外,该国 85% 的土地被冰雪覆盖,适合居住的面积仅占 15%,且天气通常非常寒冷。

Nukissiorfiit 只在格陵兰岛的两个地点实现了互联互通,两个地点共享一个电网。其余 68 个地点均采用独立电网,制水和供暖也是同样的情况。这意味着,在每个有人居住的地方,该公用事业公司都必须单独配备多级冗余和备份功能。Nukissiorfiit 还必须在全国各地派驻人员,以便他们能够在短时间内到达现场,因为缺水或断电的后果可能非常严重。

为实现 100% 淘汰化石燃料的目标,更好地响应客户需求,并继续开办新的水力发电厂,公司必须掌握准确的财务状况并进行预测。新设施的投资和现有设施的维护需要提前规划。此前,该公司每年只能开展一次预算预测,而当项目需要继续实施时,这些预测可能会非常不准确。

Nukissiorfiit 首席财务官 (CFO) 兼代理首席执行官 (CEO) Claus Andersen-Aagaard 表示:“我们使用的系统非常僵化。无法根据需要灵活做出规划。我们需要确定财务状况的走向,并需要更灵活、持续的规划来迎合我们所处的工作环境。”

他详细阐述道:“每年 10 月份,我们组织都会有 70 名员工花费大量精力来编制预算。到了 5 月份,假设发生重大变化,我们有时会尝试修订本年度剩余时间内的预算。这又会耗费大量的时间和精力。事实上,我们的业务发展速度远远超出了每年一次或两次的预算所能掌控的范围。”

预测包括总损益 (P&L) 表、现金流量表以及执行项目带来的财务影响。为创建这些预测,Nukissiorfiit 将详细营业额的子预测模型以及特定位置的可变成本、产能和维护成本以及人员成本的子模型组合起来,全部整合到一个大模型中,该模型可以完全分解到所有维度和帐户分类。此外,该公司还利用长期天气数据等外部信息作为输入,预测热能、水和电的销售情况。

Nukissiorfiit 生成的预测在整个公司范围内使用,从负责编制预算的经理和规划专家到工程师和供暖专家等一线技术人员都会用到。

帮助提供该解决方案的 CogniTech Analytics Solutions 首席销售官兼合伙人 Ole Moeller Madsen 解释了为何 Nukissiorfiit 寻求更先进的规划解决方案至关重要:“他们滞后很多。由于没有准确的预测和预算,他们不清除自己的发展方向,也不知道必须采取哪些措施。”

缩小团队规模

 

简化了规划和预测流程,规划团队的员工数量减少了 61 人

更快的预测

 

预测时间从每年 1,000 小时减少到 200 小时以下,下降了 80%

开展此项目的原因完全是为了提高预算和预测过程的效率和精确度。 Ole Moeller Madsen 首席销售官兼合作伙伴 IBM 业务合作伙伴 CogniTech Analytics Solutions
推出更强大的预测功能

Nukissiorfiit 的使命是 100% 淘汰化石燃料,并需要增加更多水力发电厂基础设施来实现其目标,因此更加准确、稳健的财务预测成为该公用事业公司的当务之急。

Nukissiorfiit 自 2015 年以来一直作为另一家组织的分支机构与 CogniTech 的顾问合作。该公司相信任顾问的建议,即为了实现宏大目标,Nukissiorfiit 可以利用融合 AI 技术的规划和分析解决方案并从中获得优势。

2018 年,CogniTech 邀请了来自该公用事业公司的五名代表参加在斯德哥尔摩举行的为期一周的 IBM Analytics 会议。Nukissiorfiit 代表团是来自同一家公司的人数最多的与会队伍。参会目的是获得全新数字解决方案的灵感,提高数据驱动化程度,并讨论 IBM® Cognos® Analytics 和 IBM Planning Analytics 的新版本以及 AI 解决方案。在讨论另一个项目时,Andersen-Aagaard 饶有兴致地了解了有关规划项目的更多信息。

Andersen-Aagaard 表示:“我们不能停留于传统的预算编制,需要开启动态预测,采用为期长达 18 个月的月度滚动预测,以不断整合最新信息。我们知道,新流程不应该造成不成比例的工作负担,就像之前每个月需要 70 名员工耗时耗力地进行预算。我们可以看到,由于正在处理 300 多个子预算,我们无法扩展此流程,并将继续使用传统方式。因此,我们需要变换思维,于是采用了 AI 驱动的滚动预测。”

CogniTech 合伙人 Kai Erik Ettrup 解释道:“我们提出了采用 AI 和机器学习来改进流程的想法,Nukissiorfiit 接受了这一思路。”该公用事业公司强调,新工具必须具有良好的用户界面以及高效的输入和验证过程。Andersen-Aagaard 表示:“参加在斯德哥尔摩举办的鼓舞人心的会议后,我们对于迁移至该平台以及与 CogniTech 开展合作满怀信心。”

在研讨会上,CogniTech 代表与 Nukissiorfiit 代表会面,讨论了公司如何从旧的规划和预测解决方案迁移到内置机器学习和前瞻性预测的滚动预测解决方案。

随后,CogniTech 帮助该公用事业公司迁移到 Cognos Analytics 解决方案,这是一个 AI 驱动的商业智能平台,支持从发现到运营的整个分析周期,并提供了一种受控方法来管理、探索和可视化数据。利用其 AI 助手,用户可以在需要关注的位置进行精准互动,并忽略 80% 不需要关注的概括和财务数据。

在整个项目过程中,CogniTech 极为专注且不负所望。我认为他们建立的解决方案十分独特,不仅仅是在格陵兰,放在全球环境中可能也独具一格。 Claus Andersen-Aagaard 首席财务官兼代理首席执行官 Nukissiorfiit

来自 CogniTech 的 Moeller Madsen 解释说,Nukissiorfiit 迁移到 IBM 滚动预测解决方案的主要目标之一就是让公用事业公司能够制定出更好的业务决策。

Andersen-Aagaard 对此表示赞同,并补充说:“在格陵兰岛,您有机会进行户外维修、启动新的基础设施项目或开办新的发电厂。非常重要的一点是,您拥有 100% 的可见性和相应的洞察力来判断我们是否有足够的现金流来完成这项工作。例如,如果位于该国南部区域的员工有一个项目组合出现延迟,那么费用支出是否也会延后,或者支出延后的时长是否足以让我们推进北方区域的其他项目?当您同时运行 100 - 200 个大型基础设施项目时,规划任务可能相当艰巨。”

Nukissiorfiit 依靠 Cognos Analytics 解决方案收集公司员工的意见,并将意见转换为一组报告,供高层管理人员制定有关基础设施项目持续工作的规划决策。否则,该公司在批准所有新的基础设施电网、新发电厂和变电站、新水厂和新的可再生能源解决方案时必须更加小心谨慎。

Andersen-Aagaard 说:“我们在如何构建解决方案以提供最高可信度方面进行了仔细斟酌。我们的财务账簿涉及诸多方面,包括营业额、可变成本,以及工资、折旧、利息成本和财务成本等产能成本。所有这些方面都具有独特的属性。我们在预算时面临着一个典型困境,那就是人们很难将所有因素都考虑进去。如果要从历史数据推断未来情况,机器的表现往往要出色很多。”该公司已经制定了 100 多份不同的报告,收集了方方面面的财务信息,并将这些信息提供给经理,供其据此采取行动。

“在 CogniTech 的帮助下,我们的技术员工不必再从事大量行政管理工作,他们对这种任务几乎没什么兴趣,”Andersen-Aagaard 说。“此外,他们可以确认 AI 的结果,而不是手动输入所有地点的数字并进行分类。一方面他们为从这类任务中解脱出来而感到兴奋,另一方面最终结果也好得多。”

Andersen-Aagaard 对 AI 解决方案方法的广度和深度称赞不已。他补充道:“当前最好的一点是,如果输入提供者对机器输入感到困惑,并询问我们的管理者为何 AI 预测的某个数字与输入提供者的认知不符,当他们进一步检查时,往往会发现 AI 是正确的,因为 AI 考虑到了所有因素和历史数据。这让我深感欣慰,”他说,“因为那时我明确知道,我们努力打造的成果让公司的工作质量进一步提升,并且我们在此过程中节省了金钱和时间。”

Andersen-Aagaard 解释说,公司希望开发一个前端和一个后端。他说:“我们的前端是用户输入和确认,其中用户与完全和半完全分解的机器生成的预测相关联,而我们的后端包含可调整参数,当我们了解到参数会发生变化时,可以手动调整这些参数。”

Ettrup 解释了该解决方案如何使用外部数据:“过去三年我们一直在使用大量天气数据。然后我们用这些数据来分析所谓的正常天气周期,以生成每个客户、每个地区的正常年度销售额。我们为他们提供了很多后端参数,以便 Nukissiorfiit 控制公司各方面的具体指标,如总体空缺率、项目完成率、每千瓦油耗等等。”

智能月度规划

通过迁移至 CogniTech 提供的滚动预测解决方案,Nukissiorfiit 减少了开展预算预测所需的人员数量,同时通过增加预测频率及采用 AI,提高了预测的准确性。借助该解决方案,公用事业公司可以根据天气等不断变化的变量灵活调整规划,这也让格陵兰岛政府对于审批雄心勃勃的新项目充满信心。

Andersen-Aagaard 说:“我们能够将不同输入提供者(即预算编制过程中所需的员工)人数从 70 名减少到 9 名。降幅非常大。”

“而且还不止这些,”他补充道。“实际上这些人所花的时间也随之减少。所以我想说的是,这九个人现在所花的时间比以前更少。而另外 60 多名不再使用工具为预测提供输入的员工也无需在这方面再花费任何时间。”

Andersen-Aagaard 很快便指出,虽然从事预测工作的员工大幅减少,但他公司中的每个人都会收到预测信息。他说道:“员工不仅从管理角度获得见解,在某种程度上还从 IBM Cognos Analytics 平台的生产数据中获得见解。”

总体而言,全新 Planning Analytics 和 Cognos Analytics 解决方案与智能机器学习预测相结合,使 Nukissiorfiit 得以采用更高效的运营方式。该公司现在可以利用这些见解来设置阈值,并在预测超出范围时收到警报;还可以根据经验或其他信息选择忽略警报。最重要的是,公司表现得更加敏捷,财务规划也更加准确。

Moeller Madsen 表示:“Claus [Andersen-Aagaard] 非常愿意每月进行预测,以确保损益表和现金流得到控制。如果消耗情况出现变化,或者某个项目延迟与否发生变化,他们能够更加灵活地做出调整。”

Andersen-Aagaard 说:“节省时间这一点对我们来说非常重要,也能带来很大优势。从 70 名输入提供者减少到只需 9 名,这节省了我们在该项任务上花费的时间。此外,我们实际进行预测的次数也有所增加,现在我们每个月都会根据最新信息获得新的预测。按照以前的方式,我们可能要花费 5,000-10,000 个小时来完成这一工作。”

Andersen-Aagaard 报告称,另一项收益是预测更加精确。现在,公司可以在获得新信息后,根据需要灵活更改方案,并了解更改所带来的结果。

Andersen-Aagaard 补充说,用户体验也得到了极大改善。据他报告,员工对他们所做决策的财务结果更感兴趣,且从自动向员工提供的报告来看,输出质量也得到了显著提升。

采用规划平台和机器学习后,Nukissiorfiit 对未来发展充满信心。Andersen-Aagaard 说:“我认为值得一提的是,每当我们开展大型项目(如大型水力发电厂项目)时,都必须对公司充满信心。格陵兰岛政府必须确保他们让我们代表该郡所投的资金得到负责任的管理。”

对于未来,Andersen-Aagaard 表示,公司正在寻求将此平台与工厂的物联网 (IoT) 传感器相集成,并内置到格陵兰每个家庭的电表中。“我们正在研究物联网是否可以发挥更大的作用,以便我们更频繁地获取数据。物联网是一个经济高效的平台,支持以更低的成本传输大量数据。”

Nukissiorfiit 还考虑通过与装瓶公司和散货船运公司合作,将格陵兰岛的水出口到其他国家或地区。此外,加拿大等其他北极国家或地区也非常有兴趣了解如何利用 Nukissiorfiit 成功的公用事业定价结构来降低本国的能源价格。

我们能够将不同输入提供者(即预算编制过程中所需的员工)人数从 70 名减少到 9 名。 Claus Andersen-Aagaard 首席财务官兼代理首席执行官 Nukissiorfiit
Nukissiorfiit 徽标
关于 Nukissiorfiit

Nukissiorfiit(链接位于 ibm.com 外部)是格陵兰自治政府所有的一家公用事业公司。它负责为该国 17 个城市和 53 个居民区的消费者生产和供应电力、水和热能。Nukissiorfiit 的能源供应有 72% 基于可再生能源。公司的目标是尽可能使用可再生能源,并确保每个人都能获得清洁的饮用水。该公司拥有 405 名员工,其中 90 名员工位于努克总部。

关于 CogniTech Analytics Solutions

IBM 业务合作伙伴 CogniTech(链接位于 ibm.com 外部)是丹麦唯一一家 IBM 分析领域的金牌合作伙伴。该咨询机构于 2019 年以收购方式成立,专注于其主要技术合作伙伴 IBM 的各项业务。CogniTech 可以为 100 多家客户创建统一的集成解决方案,涉及从数据集成到商业智能,再到集成了 AI 和机器学习的预算、预测和财务整合等方方面面的业务。该公司拥有 40 多家规划分析客户。

采取后续步骤

要详细了解本案例中介绍的 IBM 解决方案,请联系您的 IBM 代表或 IBM 业务合作伙伴。

查看更多案例 联系 IBM SCOR SE

将风险降至最低

阅读成功案例
PalaisPopulaire 艺术博物馆

认识 MIA——您的 AI 导游

阅读成功案例
德国汉莎航空公司

扩展 AI 在汉莎航空的应用

阅读成功案例
法律

© Copyright IBM Corporation 2021. IBM Corporation, IBM Analytics, New Orchard Road, Armonk, NY 10504

美国出品,2021 年 4 月。

IBM、IBM 徽标和 ibm.com 和 Cognos 是 International Business Machines Corp. 在世界各地司法辖区的注册商标。其他产品和服务名称可能是 IBM 或其他公司的商标。ibm.com/legal/copyright-trademark 上的“版权和商标信息”部分中提供了 IBM 商标的最新列表。

本文档为自最初公布日期起的最新版本,IBM 可能随时对其进行更改。IBM 并不一定在开展业务的所有国家或地区提供所有产品或服务。

文中引用的性能数据和客户实例仅作说明之用。实际性能结果可能因具体配置和操作条件而异。本文档内的信息“按现状”提供,不附有任何种类的(无论是明示的还是默示的)保证,包括不附有关于适销性、适用于某种特定用途的任何保证以及非侵权的任何保证或条件。IBM 产品根据其提供时所依据的协议条款和条件获得保证。