EVU 4.0. Wie die IT die Geschäftsmodelle der Energiewirtschaft verändert PLN Abonax Sirnach, 30. Juni 2015

Transkript

1 EVU 4.0 Wie die IT die Geschäftsmodelle der Energiewirtschaft verändert PLN Abonax Sirnach, 30. Juni 2015

2 Good old Times

3 Die Zukunft Energieverteilung Transportnetze Produktion Dezentralisierte Produktion Neue Markt- Paradigmen Neue Spieler demand response Prosumers Off-Grid energy storage basierend auf PwC "Global Power & Utilities the road ahead, 2014 und eigenen Konzepten

4 Datenservices Daten dienen dem Business, aber was will ich wirklich wissen? Daten Funktionen Wissen Nutzen Welche Daten gibt es? Welche Daten brauchen wir Welche Daten könnten interessant sein? Interne oder externe Daten? Welche Kundenprozesse bieten Potenzial? Welche Funktionen generieren neues Wissen? Was benötigt der Kunde, um besser entscheiden zu können? Wie lauten die Fragen, die den Kunden bewegen? Welches Wissen verschafft den Kunden einen Wettbewerbsvorteil? Was weiss der Kunde nicht? Kosteneinsparungen (opex, capex) Umsatzsteigerungen Risikovermeidung Sicherheit, Regeleinhaltung Wohlbefinden Produkte/Services Kundensegmente Strategie/Vision

5 tive Technologie D1g1tal1s1erung

6 disruptive Technologie (engl. disrupt unterbrechen, zerreißen) ist eine Innovation, die eine bestehende Technologie, ein bestehendes Produkt oder eine bestehende Dienstleistung möglicherweise vollständig verdrängt. Disruptive Innovationen sind meist am unteren Ende des Marktes und in neuen Märkten zu finden. Die neuen Märkte entstehen für die etablierten Anbieter in der Regel unerwartet und sind für diese, besonders auf Grund ihres zunächst kleinen Volumens oder Kundensegmentes, uninteressant. Sie können im Zeitverlauf ein starkes Wachstum aufweisen und vorhandene Märkte bzw. Produkte und Dienstleistungen komplett oder teilweise verdrängen. Wertschöpfung Erzeugung Handel Transport Verteilung Vertrieb Abrechnung Kundenservice disruptive Risiken

7 Digitalisierung und Verzahnung aktuelle Business- Herausforderungen Abhängigkeit aktuelle IT- Herausforderungen neue Geschäftsmodelle neue Produkte und DL Smart Grid Smart Meter E-Mobility Anreizregulierung 2. Marktöffnung Steigende Komplexität EVU IT-Dienstleistungen Konsequenz Big Data In Memory Open Source Usability Mobility scrum Entwicklungszyklen Cloud Computing

8 Lösungsstrategie Wandel zum IT-Dienstleister IT ist Kernprozess IT Budgets massiv erhöhen IT Know-how zukaufen Daten sind die Assets

9 Daten managen - nicht Systeme worldwide amount of digital data 1) 1) IDC Digital Universe, april 2014, Vernon Turnet et al 2) 1 zettabyte = 1 trillion gigabytes double every two years 44 zettabytes 4.4 zettabytes 2)

10 small data world big data world intern Vergangenheit Kausalität exakt intern und extern Gegenwart und Zukunft Korrelation unscharf

11 mathematical methodology how can I create wisdom out of all this data? business knowledge what do I need to know? technological capabilities how can I handle all this data? Big Data added customer value environmental awareness what influences my business and what is the important external data?

12 Bitte jetzt noch konkret

13 Die Kernthemen und die Herausforderungen sind unter einen gemeinsamen Hut zu bringen Was muss ich können? Was sind die Hauptprobleme? Elcom Reporting (Regulierung) Finanzplanung (Netznutzungsentgelte- Kalkulation) Asset Management Netzauslastungsberechnungen (NEPLAN) Netzbewertung und Netzbewirtschaftung Wechselprozesse Integration Prosumer Unter Umständen auch Vertriebsthemen (Prognose/Beschaffung) Know-how muss in allen Disziplinen zusammengefügt werden Effiziente, modulare Dienstleistungen können nur mit der Digitalisierung kostengünstig attraktiv angeboten werden Umsetzung ist stark ITgetrieben und verlangt die Übersicht über die gesamte Prozesskette und deren Beherrschung der Komplexität Personal mit dem Know-how zur Abbildung der Leistungen Tiefe Kosten für IT-Systeme und Betrieb Effiziente Abwicklung der Leistungen Standardisierung von Commodity- Prozessen Beherrschung der Komplexität und des Zusammenspiels der Systemarchitektur zur effizienten Abwicklung der Prozesse Haltung einer hohen Datenqualität Implementierung einer guten cost-to-serve- Struktur

14 Herausforderung Abwicklungsprozess fehlende ganzheitliche Kostenbetrachtung, intransparente Abhängigkeiten und Folgeaufwände Interne, sequentielle Vertriebsprozesse aktiv gesteuert Produktentwicklung Vertrieb / Beschaffung Betrieb Betrachtete Kostentreiber: Produkte Tarife Marketing Angebote Preise Verträge Rechnungen Kundenbetreuung Kostenbetrachtung über grobe Schlüsselung externe, situative Einflüsse reaktiv bearbeitet Markteinflüsse Wechselprozesse Marktöffnung Preisentwicklung Technologie-Entwicklung Bereichsfremde Einflüsse Ablesung Kundenbetreuung Abrechnung Marktkommunikation Intransparente Einflüsse Produktwechselprozess Datenqualität Gemeinkosten IT-Systeme Problemstellung Fehlendes Know-how über Abhängigkeiten der Produktgestaltung über Betriebsaufwand Fehlende Betrachtung/Berechnung bereichsfremder Aufwände (Betrieb) Fehlende Betrachtung extern induzierter Aufwände Konsequenzen Keine Produkt-Vollkostenberechnung Verfälschte produktspezifische DBund Margenberechnung Wettbewerbsnachteile Gemeinkosten Produktspezifische Kosten Marge Intransparente spezifische Kosten Produktspezifische Kosten Marge Massnahmen Transparenz über Kostentreiber Produktspezifische Gemeinkostenschlüsselung Feedback-Schleife Betriebskosten an Vertrieb und Produktentwicklung 2015 enersis suisse AG kalkulierter Preis tatsächlicher Preis

15 M2C-Prozess als Datenlieferant Daten heben und zum Nutzen veredeln Verarbeitung Abrechnungs- und Zählerdaten, Dokumente Energieeinkauf, Gebäudedaten, weitere Benchmark-Daten Controlling Footprint Verbrauchsentwicklung, Massnahmen Datenkonsolidierung, QS, Normierung, CO 2 - footprint-berechnungen, Energiebilanzen intuitive Karten- und 3D Darstellung, moderne Web-Oberfläche Benchmarking, Korrelationsanalysen, Clusteranalysen, Verbrauchs-Simulationen, Prognosen 2015 enersis suisse AG

16 Reporting/Monitoring im Laufe der Zeit Der Informationsvorteil ist nur in Kombination der Daten zu heben Wettbewerbsvorteil was ist geschehen? warum ist es geschehen? was geschieht gerade? was soll geschehen? Prognose Optimierung und Simulation Echtzeitsysteme was wird geschehen? Rohdaten bereinigte Daten Standardberichte Ad-Hoc und OLAP generische Analysen Vergangenheit Gegenwart Zukunft 2015 enersis suisse AG Reifegrad der Analyse

17 Erfolgszielbild für die Transformierung in den nächsten Jahren Identifikation von strategischen Themenfeldern und Beurteilung strategischer Optionen bestehende Geschäftsfelder Spartenbündelung wo sinnvoll neues Asset-Management 2. Marktöffnungsstufe bearbeitet Wechselprozesse und Co Vertrieb Kernprodukte (DB Rechnung) Regulierung neue Geschäftsfelder Smart Meter DataManagement gelöst Neue Dienstleistungen für Grosskunden und Städte eingeführt E-Mobility adressiert Nicht-Energie Endkundenprodukte Dienstleistungen für kleine EVUs ausgebaut Betrieb und Co Online Marketing/Sales aufbauen zentraler Erfolgsfaktor IT Wandel zu einer E-Business Company Anhebung Stellenwert IT, auch Budgets und Verantwortung Wandel vom Unterstützungs- zum Kernprozess 100%ige Verbindung Business und IT Evtl. Zukauf von Kompetenz und Ressourcen Wettbewerb mit professionellen IT- Dienstleiter um Personal eingehen Big Data, Big Data, Big Data Technologie new economy Kultur Hot Potatoes

18 Die Kosten liegen in den Daten Datenqualität und management als neue Hauptaufgabe einer Serviceabteilung Fazit Digitale Transformation wird kommen Kompetenzen müssen aufgebaut oder eingekauft werden Betrachtung stets aus Daten- und nicht auf Systemebene Betrachtung in einer Gesamtarchitektur und nicht Kauf von Einzelstücken, die nicht zusammenspielen Trennung von Kernprozessen und neuen, smarten Themen Aufbau übergreifender Datenbasis zur Führung und zur Entwicklung von neuen smarten Themen Erfolgsfaktoren Datenqualität von Beginn weg vollständige und korrekte Datensätze erfassen Prozesseffizienz vom Angebotsprozess bis zur ersten Abrechnung Einmalige Eingabe von Daten Korrekte und einfache Verteilung von Daten an Nachfolge-Prozesse Automatisierung der Standardfälle und teil-manuelle Abwicklung der Spezialfälle (Pareto-Prinzip) Nicht Systeme führen, sondern Daten (systemunabhängige Master-Datenbank) 2015 enersis suisse AG

19 Energieanalyse und Identifizierung von Sanierungsobjekten

20 Nationale Energieportale für Erneuerbare Energien

21 Simulation der NS-Netzkapazitäten beim Ausbau von PV-Anlagen

22 Diskussion / Fragen Kontaktdaten Bei Fragen stehe ich gerne zur Verfügung. Stefan Siegrist