Logo des Repositoriums

Auflistung nach Autor:in "Filipova-Neumann, Lilia"

1 - 1 von 1
  • Zeitschriftenartikel
    Clusteranalyse von Smart-Meter-Daten
    (Wirtschaftsinformatik: Vol. 54, No. 1, 2012) Flath, Christoph; Nicolay, David; Conte, Tobias; Dinther, Clemens; Filipova-Neumann, Lilia
    Die Einführung der Smart-Meter-Technologie stellt die Energiewirtschaft in Deutschland vor große Herausforderungen. Neben hohen Investitionen in die Zähler- und Kommunikationsinfrastruktur ist auch die Neugestaltung vieler Geschäftsprozesse erforderlich. Da die neu entstehenden Kosten nur begrenzt an Endkunden übertragbar sind, gilt es die Aufwendungen der Energiewirtschaft durch neue Dienste und verbesserte Prozesse auf Basis von Smart Metering zu kompensieren. So ist durch die Clusteranalyse der detaillierteren Verbrauchsdaten eine deutlich feinere Kundensegmentierung auf Basis des zeitlichen Verbrauchsverhaltens möglich. Im Rahmen eines Smart-Metering-Projektes bei einem regionalen Energieversorger wurde eine Clusteranalyse für die real vorliegenden Kundenverbrauchsdaten entwickelt und in eine Business-Intelligence-Umgebung integriert. In diesem Beitrag beschreiben und evaluieren wir dieses Artefakt im Sinne der Design Science. Wir gehen dabei insbesondere auf die Ergebnisse der Clusteranalyse von Realdaten und den möglichen Einsatz zur segmentspezifischen Tarifgestaltung ein.AbstractThe introduction of smart meter technology is a great challenge for the German energy industry. It requires not only large investments in the communication and metering infrastructure, but also a redesign of traditional business processes. The newly incurring costs cannot be fully passed on to the end customers. One option to counterbalance these expenses is to exploit the newly generated smart metering data for the creation of new services and improved processes. For instance, performing a cluster analysis of smart metering data focused on the customers’ time-based consumption behavior allows for a detailed customer segmentation. In the article we present a cluster analysis performed on real-world consumption data from a smart meter project conducted by a German regional utilities company. We show how to integrate a cluster analysis approach into a business intelligence environment and evaluate this artifact as defined by design science. We discuss the results of the cluster analysis and highlight options to apply them to segment-specific tariff design.