供電服務大數據分析應用

全振嘉

【摘 ?要】當今時代是一個信息大爆炸的時代，信息化的不斷深化依賴于網絡技術的迅猛發展。互聯網技術的快速發展為大數據能夠迅速覆蓋到各行各業提供了數據、信息和資源的保障。在越來越信息化和數據化的時代浪潮中，供電服務也緊跟時代步伐進入了數據化階段。電力大數據的有效應用可以面向行業內外提供大量高附加值的增值服務業務，對于電力企業盈利和管理水平的提升具有重大意義。本文先對大數據的發展進行簡要介紹，隨后分析了供電服務大數據的特點及其在電力行業各環節的應用，最后對供電服務大數據的關鍵技術進行了分析，希望能為供電服務業的進一步發展起到促進作用。

【關鍵詞】供電服務;大數據分析;大數據運用;關鍵技術

1 引言

大數據分析與應用正在快速改變著各行各業，電商的成功、互聯網行業爆發式增長以及互聯網金融的高速發展，向各大行業展現了互聯網與行業融合的巨大發展潛力。而在這其中，大數據扮演著核心角色。互聯網的本質是信息的互聯和處理，而信息則以數據為載體。電力行業蘊含了巨大的數據資源，同時也呈現出突出的數據價值需求。智能電網的不斷發展實現了電力系統與信息通信系統的高度融合，為提取海量的電力大數據帶來有力支撐，也給大數據的深化應用提供了較好的平臺，大數據分析應用在供電服務發展過程中必將發揮越來越重要的作用。

2 大數據下供電服務問題

2.1大數據下供電服務水平有待提升

目前，供電服務流程未能從根本上實現以客戶為導向的優化，仍存在諸多制約流程運作效率和影響客戶滿意度的因素，并且催費、業擴工程與服務等相關業務環節之間的關系，部分人員不能正確處理。因此，客戶日益提高的用電服務需求與現有供電服務管理水平的矛盾成為供電公司亟待解決的問題。從近年來的統計數據分析，客戶服務事件出現波動性上升態勢，尤其是投訴事件增長趨勢明顯，其中抄表不到位，抄表催費人員、營業窗口員工服務態度差，業擴新增工作流程超時限等服務事件頻發。這一系列的問題給供電公司敲響了一個警鐘，必須認真分析服務事件產生的原因，及剖析事件背后存在的管理漏洞。因此如何采取有效手段，減少投訴、意見等服務事件的產生，提高業擴報裝工作效率，提升供電服務管理水平，成為公司在管理工作中需要解決的重要問題。

2.2大數據下供電服務監督機制不健全

由于歷史原因，存在著對供電服務管理工作重視不夠的問題，沒有健全供電服務工作保證體系和監督體系，供電服務工作任務指令缺乏剛性化，造成執行能力的下降和監督考核工作的不利，難于對供電服務指標和過程進行實時監控。目前，供電服務管理基本上還是業務部門內部進行約束、管理，少有專門機構進行監督、分析、考核，對投訴、意見形成的原因沒有深入分析，對客戶投訴、意見等服務事件沒有專門機構進行分析、跟蹤、監督。

2.3大數據下供電服務管理信息實時性較差。

供電服務信息實時性不強而且分散，大量的供電服務信息保存在多個部門，各自獨立，形成了信息孤島，沒有統一、規范的統計和分析，無法形成全局的信息資源共享，對業擴報裝、計劃、故障停電等重要信息無法及時溝通，整個供電服務管理體系中沒有建立快速的供電服務預警信息反應機制。

3 典型應用研究

3.1停電影響分析

停電不僅是公司內部生產管理的事件，還是影響千家萬戶日常工作和生活的重要事件。供電服務指揮中心，除了根據停電信息對客戶開展停電查詢服務外，還應大力開展停電對客戶服務影響的分析，并根據客戶業務訴求提供主動干預和服務。同時，供電服務指揮中心還應有針對性地對進行停電分析和預測，找到服務改進的方向，進一步提升精益化管理水平和服務水平。停電大數據分析應用分為2個層面。

在管理層面，針對停電發布、變更等生成或修改的停電信息，管理人員根據發布的停電信息，一方面根據停電信息分析停電對客服中心話務和業務帶來的影響;另一方面根據停電信息的頻繁程度等分析電網質量情況。在座席層面，根據停電的用戶范圍，針對停電的敏感客戶及停電的反應和業務訴求，預測分析停電信息發布后的客戶行為，根據客戶訴求開展主動服務，對客戶行為進行干預，有效降低停電客戶的來電數量。

通過分析停電歷史數據，關聯分析在停電狀態下的用戶業務行為，包括停電區域內的用戶故障報修、投訴、意見、咨詢等業務情況，利用聚類、概率統計等分析方法，建立客戶停電敏感分析模型，從客戶分類分群的角度，為停電客戶的主動服務提供數據支撐。

3.2客戶關注熱點及客戶分群

為了保障客戶的滿意度，除及時解決客戶需求外，還可以主動了解客戶關注熱點，從客戶最關注的方面進行服務和管理。關注熱詞指數是指根據供電服務指揮中心每天產生的大量數據，進行高頻詞分析提取，匯總高頻詞出現率，形成客戶當前關注熱詞指數排行榜。

客戶分群是指根據客戶關注點及請求頻率等客戶特征，按照偏好標簽庫和交互頻次設置，自動識別客戶的偏好標簽和交互頻次類型，形成一定用戶量的客戶分群，為該群體提供更多個性化的交互服務和營銷服務。

偏好標簽是指按照客戶個人關注熱點，依據偏好標簽庫設置，自動識別客戶偏好標簽，如電費敏感型客戶、投訴熱衷型客戶、事件敏感型客戶、業務關注型客戶、微信關注型客戶、APP關注型客戶、潛在電動汽車客戶等。交互頻次是指按照客戶在各渠道的交互習慣進行分群管理，如按一定時間內與客戶的交互頻次進行分群，分析各類客戶的群體特性，提供精準服務。

3.3人工話務量預測

通過對歷史信息進行自我學習，分析影響人工話務需求量的特征信息，分析各類特征或特征組合與人工話務需求量之間的關聯規律。基于上述特征影響規律，對當前及未來的特征信息進行過濾及規律匹配，預測出人工話務需求量曲線以及各特征對話務需求的影響量。

1）特征過濾。對現狀信息、可預知的未來特征信息（如明日是節假日、天氣預報等），依據關鍵影響因素池進行過濾，剔除非關鍵影響因素。

2）匹配預測。將現狀信息、可預知的未來特征信息中的關鍵影響因素數據與影響規律庫進行匹配比對，預測出各特征因素影響的人工話務需求量，并經過綜合匯總得出人工話務需求量預測值。

3.4客戶滿意度分析

用于推測事物的可能結果。分析挖掘出影響客戶滿意度的強關聯事件，如高溫天氣、臺風，就可以完善事前管理，更合理地部署干預，盡可能降低影響范圍和影響程度，降低客戶的不滿意度。分析挖掘出影響員工滿意度的事件，就可以檢討管理問題，加強與員工的溝通，及時糾偏，防止績效下滑，從而提升客服能力。

4 結語

供電服務大數據符合當今電力發展的要求，適應國家當代的發展理念。對供電服務大數據進行深入分析和研究，能夠幫助人們對供電企業的正確認識，加快我國電力服務的發展。我們對供電服務大數據進行分析，實際上就是在關注我國電力系統發展的未來，促進我國電力服務的演進和提高。

參考文獻：

[1] 趙曉東.面向大數據的供電企業電力營銷服務體系構建分析[J].內蒙古電力技術，2016，34（4）：29-31.

[2] 郭永強，高峰，賈海鋒.基于大數據背景下的電力企業營銷管理創新分析[J].城市建設理論研究（電子版），2017（35）.