摘要：客户服务是电力企业发展的最终目标，该过程中会产生大量的数据，对其进行分析研究可以进一步提高企业对于客户需要的认知程度，从而改善现有的工作状态，创新服务模式。本篇文章将对大数据环境下的电力客户服务数据进行分析研究，并探究其关键技术，以期更好的提高电力客户服务效果。
关键词：大数据；客户服务；数据分析；系统设计
随着经济的快速发展和人民生活水平的不断提高，社会对稳定可靠的电力供应和快速高效的供电服务有着更高的需求。电网企业也把“人民电业为人民”作业企业的宗旨，并把满足人民追求美好生活的电力需要作为矢志不渝的奋斗目标。但是在众多行业的国家能源局12398热线投诉排名中，电力企业的12398投诉量一直高居不下，凸显出了电力企业客户服务水平的不足。客观原因是电力企业生产和服务与人民的工作和生活高度密切相关，电力供应的中断和其他供电服务环节的体验最能引发客户投诉；主观原因是客户的要求越来越高，而电力企业的客户服务水平却满足不了客户的需求，不能及时制定灵活、有效的服务措施。因此，电力企业的服务模式需要紧紧跟着客户的需求进行改变，通过大数据分析来促进改革，将现有的状况进行调整从而采取更加具有市场针对性的服务措施。本篇文章将对大数据环境下的电力客户服务数据进行分析思考，旨在建立新型管理系统来提高客户服务工作质量和效率。
1 大数据基本的优势特点
1.1 信息化
大数据是多样化信息的体现，它可以为人类带来极大的帮助，大部分的信息可以帮助企业获得较大的经济效益，它满足企业发展的多重化需求。同时，相关人士也需要认清并不是所有的数据都可以产生的经济价值的，数据的价值是需要通过数据分析和研究提取出来的，故有价值的信息是较难获取到的。在对数据进行分析和研究的时候就是将最有价值的部分提取为企业所利用，这种技术具有一定的价值，各个企业需要对其进行充分利用。
1.2 数据种类多样化
人们会发现各种各样的数据种类，企业在发展的过程中可以找到合适自己的信息，这些数据中包含中多个学科和领域的知识，它们呈现的方式也是多种多样的，比如说音频、图片以及视频等，同时也可以利用各种各样的信息来将数据的类型进一步丰富，这使得数据的可靠性以及多元性进一步提升。利用科技将这些数据整合起来供人们使用，对于一件事情的分析也更加深入和透彻，最终得出的结论也会更加科学合理。
1.3 局限性小
科技的发展使得人们在使用某项技术的时候不会受到很多因素的局限，它不需要在固定的时间和地点进行操作，可以实时进行操作，这使得生活更加方便。其中一些频繁使用的技术和手段已经成为企业发展必不可少的手段和方法，现代更加需要高速化的信息来保障人们获得信息的及时性，这使得大数据的发展越来越广泛。对于企业的发展而言，及时性的消息可以使得决策更加科学和合理，也可以降低后期出现的客户服务风险。
2 大数据环境下提高电力客户服务的措施
2.1 电力客户服务体系构架设计
电力企业的服务监督内容以及规章制度等都需要经过大数据的分析来将其进一步完善，其中系统的架构模式和数据库的系统（如图1）是根据用户的需要以及种类为基础整合形成的，它可以体现出电力企业能够为用户提供的服务，同时将服务质量和标准显示出来。需要注意的是四个部分，第一是源数据同数据整合层，它主要的组成是呼叫中心数据库、营销系统数据库、配网系统数据库、SCADA系统数据库、OA系统数据库、排队叫号机系统数据库以及负控系统数据库等，源数据是企业在经营的过程中所产生的数据，它们都被专门存储和整理起来，通过不断将其整合和调整从而达到提高管理能力的目的；第二是数据仓流计算层，其中的Hadoop系统主要是对非结构化的数据进行存储。这其中包括呼叫中心的电话录音信息、呼叫中心自助服务的按键信息以及企业OA系统的文档数据等。像Stream流计算是对文本、语音以及图像信息进行分析，这可以帮助工作人员对特定的问题进行快速的判断；数据仓库是将营销和客户服务的决策制定过程提供适合的战略集合，在这个过程中数据ETL的设计和实现都是十分重要的，它们是数据仓库中数据分析的基础和关键性构件；第三是数据服务平台层，它主要是指在流计算和数据仓库同分析型应用层之间建立数据层，这可以对其进行统一的访问和管理，它提供基于业务模型的统一查询和更新API，而后者主要是提供基于热点缓存平台的二级缓存、异步并行的数据查询、并发保护等功能；第四是分析型应用层，主要是由报表构件、数据分析构件以及数据展示构件等组成，它主要是将数据以各类报表、数据分析与挖掘的定值、生成以及发布等工作反馈给专业分析者、执行者以及管理者，这可以为企业后期的发展奠定基础。
图1：电力客户服务基本设计
2.2 电力客户服务数据分析系统的功能
电力客户服务数据分析系统的功能主要有六个部分，第一是客户服务质量分析板块，它主要是对客户的服务质量进行自动的统计后形成服务质量体系。它可以对客户的具体感知价值等进行分析。第二是大屏显示板块，主要是指电力客户服务数据分析系统对用户的感知进行监控，并且根据相关额服务质量评价数据来对各项数据的指标显示出来；第三是监控工单板块，它主要可以在客户服务监控中对异常的活动进行监测从而生成监控工单，工作人员可以根据这些信息来对其进行跟踪处理。第四是服务质量与客户感知监控，这主要是从客户感知为出发点、营销指标监控为手段、信息化系统作为基数支撑点来对客户的停电以及故障急修服务情况进行监控，同时对营销业务流程客户体验点、各服务渠道运营情况以及营销服务人员工作情况进行监督，这可以实现对客户服务体系的全过程管控。第五是综合服务质量评价管理，主要是对供电企业的服务品质进行综合的评价，在对供电的服务现状等进行分析后建立服务品质的内部评价体系和外部的评价体系，将二者结合起来对其核心内容进行确定，对于现存的数据需要进行深度的挖掘，同时建立供电服务品质综合评价指标的体系来实现对供电服务指标数据的整合和综合评价的功能；第六是全景调度联动和信息支撑，主要是通过紧急语音通告、人员资源调度、引导短信通知以及临时应答策略等可以对其策略进行控制，同时将服务过程记录下来，在此基础上构建客户服务中心，将信息和知识作为支撑信息来为客户提供更加优化的服务。
3 大数据环境下的电力客户服务数据分析系统的关键技术
从上文中对大数据环境下的电力客户服务数据分析系统进行研究，主要有服务数据分析系统的数据体系构架设计和电力客户服务数据分析系统的功能这两个方面。接下来就对其关键技术进行思考讨论，主要有以下几个方面：
3.1 ETL模型
ETL模型是面向大数据的，故它需要满足一定的性能目标。为了可以达到高效率的目标，系统的数据抽取策略可以根据数据源来采用不同的方式，系统的数据处理策略主要是利用MapReduce的分布式计算，系统的数据加载策略应该支持并行装载。一般来说，电网的结构化数据设计ETL模型可以用五个定义来进行表达，这主要是根据实际情况来进行选择，这可以更好的保障工作的质量。
3.2 多维数据的分析技术
电力客服管理工作面对的对象很多，他们之间的属性也不一样，工作的表格也有一定的复杂性，同时随着电力营销和配网方面的数据量和信息量在不断的增加，如何对其进行科学的管理和分析是企业发展十分关注的。多维数据分析具有人机互动性强、数据表达灵活的特点，工作人员可以脱离技术人员的帮助来开展工作，很多信息可以利用其相应的模型来对其进行分析后生成不同的导向的模型，不同的用户可以通过多维数据库对结构进行查看。
3.3 数据聚合和数据挖掘
该技术分为三个方面，第一是统计数据分析，针对电力客户服务管理组织方式的主体分析设计了基于电力客户服务业务信息和电力客户服务分析指标两维度指标的多维数据模型。它主要是根据累计值、增量值、平均
值以及最大值等来生成相关的数据，后期再对其进行分析可以使其功能更加强大。第二是预测数据分析，在数据量极大的基础上对其建立模型是更加困难的，故根据业务规则来对其模型进行挖掘可以进一步优化，最终可以将数据形成低维度精简数据集或者是精简深度数据等。第三是决策数据分析，这主要是利用系统对其进行定量的分析和统计分析，其中BI算法有着极为重要的地位，它主要有时间序列算法、线性回归算法以及神经网络算法等。
4系统应用实例
某电网公司以客户和市场为导向，借助大数据服务平台构建了一套数字化管理模型，深入挖掘各类电力营销相关数据间所存在的隐藏关系，并提供全面、系统、直观且深入的数据预测和电力数据分析，从而有效提高电力客户服务效率。客户构成仪表盘对电力营销 MIS 系统、95598 客服系统、配网系统、计量自动化系统等业务系统数据进行了有效的整合，并提取出KPI数据指标190个，设立示警阀值，对各环节营销进行全方位、全过程、全维度的管理，在改善电力客户服务质量的同时，还可以有效提高其服务效率。例如，系统中某些KPI主题选择了相对独立的仪表盘页面，其主要由模板、内容区和层构成，图2描述的是客户构成仪表盘页面。
图2 客户构成仪表盘
5 总结
本文对电力系统客户服务的现状进行了分析，并提出大数据环境下电力客户服务数据系统的研究，以能更有效的利用各种大数据来为客户提供更具个性化和更具针对性的服务，以提高客户问题的解决效率和质量，提高客户满意度，塑造电网企业良好形象，为企业发展提质增效。
参考文献：
[1]李亮.解析开拓电力客户服务营销新建议[J].低碳世界.2017（14）
[2]曾翠珊.浅谈提高电力客户服务质量的策略[J].黑龙江科技信息.2015（04）
[3]刘惠娟.新形势下电力客户服务的现状及改进措施[J].技术与市场.2018（08）
[4]郑丽.新形势下如何开展电力客户服务工作[J].中国高新技术企业.2014（32）
论文作者:潘才煌
论文发表刊物:《基层建设》2018年第34期
论文发表时间:2019/1/15
标签：数据论文; 客户服务论文; 电力论文; 系统论文; 客户论文; 对其论文; 信息论文; 《基层建设》2018年第34期论文;