電費回收日跟蹤指數監測分析

趙向群 陳湘媛

摘要：為積極響應疫情期間“客戶欠費不停電”總要求，運用大數據手段搭建電費回收日跟蹤平臺，實現電費回收全過程數字化在線管控，助力電費催收工作向差異化、定制化轉型升級。構建便于管理人員全面、及時掌握回收工作進展，實現電費回收精準定位、精準施策、精益管理。欠費情況分類統計、催收措施線上制定等功能的設計，實現 “一戶一策”催收策略在線制定，幫助基層人員差異化實施催收策略，并根據實際情況動態調整催費手段，防范資金損失風險平的平臺。同時，該平臺具有客戶欠費信息在線維護、電費催收材料系統上傳等功能，幫助基層催費人員對催收過程進行痕跡化、過程化在線管控。

關鍵詞：電費回收;助力電費催收;精益管理;電費回收率;電費管理規范;數字化在線管控

一、需求分析

長期以來，由于電能銷售方式的特殊性、供電企業在電費回收措施和管理的局限性，電費拖欠現象時有發生，電費回收成為供電企業的焦點問題。傳統的電費回收風險評估往往依靠業務人員的工作經驗，風險評估和風險防控沒有形成一個常態化的閉環工作機制。同時，隨著國家產業結構調整和環保治理力度加大，一些高污染、高耗能企業或小散亂污企業隨時可能出現關?；虻归]，給電費回收工作帶來較大影響和難度，電費回收形勢變得更加復雜嚴峻。

二、主要做法

基于電力大數據平臺，通過皮爾森系數、決策樹、邏輯回歸等大數據算法，構建電費風險識別模型，構建多維度的電費風險分析指標體系。同時以行業、用電類別、欠費額度等維度，利用用戶的用電行為、服務訴求、用電負荷變化趨勢、繳費渠道、繳費習慣等電力數據，結合客戶的行業特征、政策影響、生產經營等方面的外部數據，全面掌握企業的生產經營情況，深入挖掘電費回收的風險點，進而建立電費風險預測模型，對用電客戶進行綜合分析，提前預測和評估客戶電費回收存在的風險。結合客戶經理的工作經驗和相應的法律依據，建立起客戶從新裝用電到銷戶的全生命周期的電費回收風險防控跟蹤機制，有針對性的制定風險防控策略。從客戶用電行為、政策影響、經濟指標影響三個方面構建電費風險指數，實現對各地市風險預警和風險防范，科學調控風險防控資源，有的放矢地開展防控工作，進而主動應對電費回收風險，確保電費回收風險可控、能控、在控，保障電費管理規范、高效，提高電費回收率。

1.通過全行業、全類別、全用戶的歷史電費回收情況分析，結合湖南經濟發展結構，從宏觀經濟政策影響分析、上下游行業關聯影響分析、行業內企業關聯影響分析、企業內部關聯影響分析、企業用電行為影響分析五種角度，研究基于行業關聯性的電費風險因素，進而剖析企業生產經營情況，提前預測和評估客戶電費回收存在的風險。

2.全生命周期防控策略，為風險防控保駕護航。結合客戶經理的工作經驗和相應的法律依據，建立起客戶從新裝用電到銷戶的全生命周期的電費回收風險防控機制，實現欠費用戶每日電費用電跟蹤，構建省、市、縣、所、催費員、臺區六級電費風險日防控體系，針對重點客戶實現一戶一策、一類一策，科學制定風險防控策略，讓電費回收工作事半功倍。

3.構建科學風險指數，實現數字化風險預警。基于宏觀經濟指數、疫情期間等電費政策、客戶用電行為三駕馬車，從宏觀到微觀，多維度全景式挖掘風險因素，通過層次分析法、歸一法等數據分析方式，分別構建出宏觀經濟行業性波動影響指數、政策影響指數、用電行為行業性風險預測指數，并擬合全省電費風險指數，實現數字化風險預警。

三、應用成效

1.風險客戶預測更加精準。風險客戶預測基于已發生的用電行為數據分析為基礎，多維度綜合考慮客戶的生產經營情況，同時結合當下經濟政策環境，利用大數據算法技術，深度挖掘風險特征，構建風險客戶預測模型，實現風險客戶的精準預測。

2.防控工作開展更加高效。以經濟、政策、用電行為三駕馬車構建的電費風險指數，實現了對全省電費回收的日跟蹤和風險預警，借助機器學習模型，對地市風險情況智能化分級，重點關切高風險地市的防控工作，便于防控資源的科學調配，有的放矢的開展防控工作。

3.逾期壞賬現象的大幅降低。大數據技術構建的風險預測模型，以真實用電數據為訓練樣本，定期開展機器學習，模型不斷迭代優化;結合實際防控工作開展情況，定期組織專家開展研討會，改善防控措施。通過兩定期工作的開展，一方面風險客戶的預測越來越精準，另一方面防控策略越來越貼近客戶實際情況。

國網湖南供電服務中心（計量中心） 湖南長沙 ?410000