摘要：大数据分析是继云计算、物联网之后IT产业又一次颠覆性的技术变革，电费工作也是供电企业核心环节。通过大数据与电费数据的有效结合和综合分析，使得电费工作在过程管控中得到强有力的支撑。在信息时代的大潮中，如何通过有价值的数据分析，使其为供电企业决策和供电企业发展服务，是大数据的核心作用，也是供电企业营销平台建立后累计的数据管理和数据分析的明确方向。
关键词：大数据；电费风险管控
1 前言
在电费风险管控分析中应用大数据技术，是贯彻落实国家电网“数字国网”的建设要求，进一步推动营销大数据应用工作，营造“用数据说话，用数据分析，用数据决策”的工作氛围，更好地服务国家与社会经济发展，服务公司生产经营，服务新业务发展。在电费风险管控分析中应用大数据技术进一步指导和督促各级供电单位加强电费回收管理、防范电费回收风险、确保企业利益不受损失，防范用电客户因主观原因形成电费或者电费呆、坏账。目前供电公司电费管控手段单一，事前分析预防能力不足；其次，新形势对电费回收风险防控工作提出更高的要求，要求管控重点不断前移；电力用户数量多，分类及用电情况复杂，电费信息基数大，智能化辅助分析水平不能满足管理需求；电费数据采集工作大多是人工采集，工作量大，工作效率低下，信息传递不及时。由于数据量庞大，人工采集就会经常出现数据漏采、误采、多采的现象，数据的准确性得不到保障，从而影响日后的工作正常运行。
根据大数据技术特点，对电费大数据和风险预警进行分析和管控，有效利用海量数据进行深入数据分析，增加数据融合度，充分挖掘数据价值，从而利用智能化的手段提高管理决策水平，降低电费回收风险。
2 基于大数据对电费大数据和风险预警进行分析
2.1基于大数据对电费大数据和风险预警进行分析的总体介绍
对电费大数据和风险预警分别从预收预警，应收电费，电费回收，付费购电，行业经济和企业经营，用电客户风险评级以及一户一案进行分析，通过采集营销数据库中用电客户的电量电费，应收，电费回收以及付费购电等数据，对未来三个月各单位的售电量及用户的用电量进行预测并根据用电客户用电特性和行为习惯建立了用电客户风险等级评价模型。
2.2基于大数据对电费大数据和风险预警进行分析的具体应用
（1）预收预警
对非卡表用户（由于卡表用户风险降低，这里只对非卡表用户进行分析）最近三年的用电量数据进行了预处理，包括对缺失值的填充以及格式的调整，把预处理后的数据作为模型的输入，经过Xgboost模型的计算，得到了非卡表用户未来三个月的用电量和电费预测，将非卡表用户当月的账户余额与模型预测的当月的电费进行比较，对账户余额不足以抵扣当月电费的非卡表用户做出预警，系统对各个单位当月的潜在欠费的预警用户进行统计汇总，预警的数据每天进行更新。
（2）应收电费
对应收数据进行全面的统计分析，包括当月各单位售电量的行业，用电类别分布，以及历史售电量变化趋势等。该模块具体分为
a、应收数据统计，主要是对各单位当月累计的售电量电费，均价等按照用电类别，行业以及电压等级进行分类的统计分析并展示；
b、新装用户统计，统计今年和去年新装用户的对各单位售电量的贡献程度
c、零度户统计，统计包括连续三个月和六个月的零度户
d、卡表异常用户统计以及应收电费预测。
（3）电费回收
具体分为电费回收状态分析，在途状态分析，缴费渠道分析以及电费回收预警。
期刊文章分类查询,尽在期刊图书馆
a、电费回收状态分析是对当月各单位的电费回收情况进行统计分析，包括到账口径和见票口径的实收金额和回收率等；
b、在途状态分析，是对当前处于在途的各个状态中金额和笔数的统计，对在途的数据做了精细化分析，准确定位了每一个在途状态下可能存在异常的在途数据；
c、缴费渠道分析，对缴费数据的渠道进行了统计分析，包括POS，ATM等；
d、电费回收预警，则是当前欠费的非卡表用户做出预警，包括大额在途欠费和大额见票欠费两部分。
（4）付费购电
分为协议录入及执行情况分析，付费购电统计分析和付费购电质量分析。协议录入及执行情况分析，是对当前和国网签订电费结算协议的用户进行分析，系统对这部分用户的协议缴费时间，金额以及实际的缴费金额和时间进行计算并分析，并给出了协议执行率指标，对于出现违约的用户会给出预警。
付费购电数据分析，是对各单位当月的冲抵金额以及付费购电完成率等指标按照行业和电压等级进行分类统计，同时也对付费购电的历史趋势进行了分析；
付费购电质量分析，则是针对各单位在付费购电完成的质量的不同进行分析，本模块中计算了各单位冲抵金额中冲抵时长的分布，该模块有助于领导审核各单位的付费购电工作。
（5）行业和企业经营状况
主要是通过对行业和企业用电客户的用电量以及缴费数据等进行分析，具体分为行业经济状况和企业经营状况两个小模块。行业经济状况，系统计算了各行业的用电量，增速，产能利用率等指标，并根据每个指标的贡献程度不同赋予了不同的权重，计算得到了衡量行业经济状况的综合性指标行业景气度，系统还计算了两两行业用电量之间的皮尔逊相关系数，用来衡量两个行业之间用电量变化的相关性，用于比较不同行业之间的共性和不同，同时系统还分析了各行业用电结构的变化趋势；在企业经营状况模块中，系统采集并计算了企业用电客户的用电量，增速，付费购电比重以及缴费行为习惯数据等，并赋予不同的权重，得到了企业经营状况的综合指标，分为良，一般和较差，并对各单位企业用户的经营状况进行了分类统计分析。
（6）用电客户风险评级
基于用电客户风险评级模型，通过用电客户不同维度的风险等级指标，例如信誉度类，缴费方式类以及电费额度类等指标判定风险等级。国网用电客户的风险评级模型基于综合评价法通过多维度不同的风险评级指标，全方位地评估用电客户的电费回收风险。将用电客户的风险等级分为A-E，风险等级依次降低。系统对用电客户的详细评级情况以及各单位A级用户的分布情况均进行了统计分析，同时还提供入口为各单位针对自己的实际情况，设定不同的评级指标。
（7）一户一案
具体分为高风险客户名单管理以及一户一案。高风险客户名单管理是对风险评级为A的用户进行管理，可以添加关注名单，更新处理进展等；一户一案是对A级用户添加针对性的电费回收方案，系统将一户一案拆分成三个部分，企业基本情况，电费风险方案措施以及保障措施及成效，并将每个部分中的内容都进行模块化，用户可以直接在页面的表单中录入高风险客户的一户一案并提交。
2.4基于大数据对电费大数据和风险预警进行分析的应用成效
（1）降低电费回收风险。针对电费发行前后的各类数据的分析，对存在风险的客户进行预警，准确定位电费风险预控点，制定精准防控策略，降低电费回收风险。
（2）提高工作效率。通过电费大数据分析提高电费数据的使用率及实效性，以及对风险客户的预警，大大提高管理人员的工作效率，达到有的放矢的过程管控。
（3）提高管理决策水平。全面的展现电费回收过程中的风险点，为管理者提供可视化风险数据，应充分利用大数据分析成果，实现基于数据的科学决策，推动营销管理理念和决策模式进步。
（4）提升业务指标。通过对重要用电大用户的用电行为或者缴费情况的大数据分析，结合用电客户电费风险评级分类，在过程管控中提升各项业务指标，对电费业务管理中起到前瞻性，预防性作用。
（5）通过电费大数据分析与风险预警系统，充分挖掘用电用户的应收数据、预收数据、欠费数据、付费购电数据的经济价值，进行指标提取、模型优化及电费风险等级，准确定位电费风险预控点，提升公司精益化管理能力和风险防控能力。
3 结束语
目前，供电企业将要面临越来越严峻的电费风险，通过大数据的分析与应用，，上下协同、群策群力，一定会实现电费回收管理和综合管理能力的全面提升。
参考文献：
[1]余长江，张海荣.探究电费大数据分析与风险预警[J].电脑知识与技术，2016，12（33）：23-24+26.
论文作者:郑飞
论文发表刊物:《电力设备》2018年第21期
论文发表时间:2018/12/5
标签：电费论文; 数据论文; 风险论文; 用户论文; 客户论文; 各单位论文; 用电量论文; 《电力设备》2018年第21期论文;