从传统的 SQL/Power BI 工具到由 AWS 驱动的 Serverless 预测和套利智能引擎。

1. 起点：脆弱的传统技术栈

该组织最初依赖于：

• 位于老旧本地硬件上的单个 SQL 数据库。
• 手动拼接的 Power BI 仪表板。
• 缓慢的刷新周期、有限的建模能力以及无法预测或模拟市场风险敞口。

能源交易员、采购团队和管理人员被迫使用僵化的工具做出数百万美元的决策，这些工具无法处理：

• 现货价格波动
• 网络损耗因子行为
• 合同风险敞口
• 风险和套利的概率情景

该系统功能尚可，但从根本上受到限制。如果它要支持现代能源采购，则需要完全重建。

2. 转型：在云端重建整个技术栈

该项目将传统系统重建为完全云原生、Serverless 的架构，由 AWS 提供支持。

主要成就：

Serverless、无限可扩展的数据层

• 将所有 SQL 工作负载迁移到 AWS 托管服务中。
• 实施事件驱动的摄取，用于 NEM 数据、网络资费、合同更新和市场价格。
• 为市场历史创建多年存储，从而实现长期建模而不会降低性能。

先进的预测和概率建模

该平台现在可以模拟：

• 远期现货价格曲线
• 不同季节和需求条件下的网络行为
• 合同与现货风险敞口
• 交易员的概率加权套利机会

这使业务从描述性分析转变为预测性和概率性智能 —— 这是旧技术栈永远无法做到的。

3. AWS Activate 成功案例：超过 20 万美元的信用额度与机构支持

重建解锁了超过 20 万美元的 AWS Activate 信用额度，在没有资本压力的情况下加速了开发。

这一成功还有助于：

• 在 Startup Bootcamp 加速器中获得一席之地。
• 与莫纳什大学建立正式合作伙伴关系，以创建实习计划。
• 将该实习计划转变为工程的主要人才管道 —— 一个可重复、低成本的优秀开发人员来源，他们多年来一直做出贡献。

云信用额度 + 加速器 + 大学合作伙伴关系的结合，估计将构建成本降低了 60-70%。

4. 企业影响：采购智能引擎

新平台成为多个大型客户（包括银行、企业和非营利组织）的中央采购和报告系统。

交付的关键成果：

1. 采购策略建模

• 多年情景模拟
• 合同与现货风险比较
• 以置信区间预测的对冲和套利机会
• 为管理人员和董事会提供的风险敞口报告

2. 网络行为分析

• 实时了解网络损耗因子 (DLF/MLF)
• 区域和站点级别的风险评分
• 针对影响未来账单的重大变化的预测性警报

3. 智能发票和验证

• 自动摄取和交叉验证发票
• 检测不匹配、异常和账单错误
• Serverless 报告自动分发给利益相关者

4. 企业级报告

• 实时刷新的自定义 BI 仪表板
• 为审计员和监管机构提供的合规性报告
• 为采购委员会提供的自动摘要

该平台从“报告工具”转变为能源采购的决策引擎。

5. 商业化和企业服务层

最初作为内部工具的产品演变为完整的企业智能服务：

• 作为托管服务的数据基础设施
• 作为订阅的预测和建模引擎
• 发票验证和异常检测
• 采购仪表板和策略报告

大型企业采用它是因为它消除了数百万美元的风险，并取代了从未进行现代化改造的传统内部系统。

6. 为什么这个构建脱颖而出

从小处着手 该项目始于一个 Power BI 文件和一个旧 SQL 服务器。没有团队。没有预算。没有路线图。

演变为现代化的弹性平台 云原生、事件驱动、模块化，能够摄取和分析多年的能源市场行为。

直接商业价值

• 能够跨多个百万美元的投资组合做出更好的采购决策。
• 减少了账单错误并防止了成本泄漏。
• 创建了一种可重复的能源智能产品，企业将其作为服务购买。

人才引擎 莫纳什大学的合作伙伴关系提供了持续的工程人才，并显着降低了开发成本。

面向未来的架构 Serverless、可扩展，专为预测、敏感性分析和市场模拟而设计 —— 即使在今天，也很少有企业能源工具能够处理。

7. 总结

该项目代表了一个执行良好的数字化转型的经典弧线：

传统 → 云 → 智能 → 企业产品

• 最初是一个僵化的 SQL + Power BI 报告技术栈。
• 重建为云原生预测和采购智能引擎。
• 利用了超过 20 万美元的 AWS 信用额度和加速器支持。
• 建立了大学驱动的人才管道。
• 商业化为大型组织采用的经常性企业服务。

最终，它成为了为采购决策、发票准确性、风险管理和长期战略提供支持的无形大脑 —— 这是澳大利亚大型企业业务运营中一个安静但至关重要的引擎。