Le fil

L’élasticité-prix de la demande d’électricité en France

Expertise - 7 avril 2020

Benoit Ravel, CEO de Datastorm, Stéphane Auray et Vincenzo Caponi, deux enseignants-chercheurs en Economie à l’ENSAI, proposent trois spécifications différentes pour étudier l’élasticité‑prix de l’électricité. Leurs travaux sont publiés dans le dernier numéro de la revue Economics & Statistics de l’Insee.

La concurrence et le changement climatique étant des facteurs de plus en plus importants pour la production et la consommation d’électricité, les opérateurs du marché et les pouvoirs publics ont un besoin accru de prévisions fiables de prix et de consommation, pour planifier les investissements et définir les politiques de réglementation.

Afin d’établir des prévisions pertinentes, il est essentiel de comprendre la réaction des consommateurs face aux variations de prix, synthétisée par le concept d’élasticité. Grâce à un jeu de données unique rassemblant des millions de relevés semestriels de compteurs d’électricité en France entre 2007 et 2015, Stéphane Auray, Vincenzo Caponi et Benoit Ravel proposent trois spécifications différentes pour étudier l’élasticité‑prix, en tenant notamment compte des variations saisonnières.

Lire l’article dans la revue Economics & Statistics de l’Insee, n°513

R&D
Voici shinydrive, le dernier-né des packages Datastorm

Dans la famille des packages shiny de Datastorm, voici le petit dernier : shinydrive. Le package shinydrive a été développé pour répondre à un besoin simple : faciliter le partage de fichiers entre différents utilisateurs d’une application R/shiny.

R&D
Functional Data : un potentiel encore peu exploré

La dernière matinée R&D de Datastorm était notamment consacrée aux données fonctionnelles. Elles peuvent apporter de nouvelles pistes de modélisation pour la prévision ou l’analyse. Le point avec Benoit Ravel, CEO de Datastorm.

Replay webinar : Anticiper les dérives de vos Modèles de Machine Learning grâce au MLOps

La multiplication des projets data et des algorithmes expose les entreprises à un risque aujourd’hui clairement identifié : la baisse de performance des modèles de Machine Learning. Il est pourtant capital d’anticiper les dérives de vos modèles et le Machine Learning Operations (MLOps) peut vous y aider. Dans ce nouveau webinaire, les équipes de Datastorm vous expliquent comment.

Toute l'expertise du Groupe ENSAE-ENSAI

Plateau de Saclay
5 Avenue Henry-Le-Chatelier
91120 PALAISEAU - FRANCE

Paris
24 rue Barbès
92120 MONTROUGE - FRANCE