2山东鲁能软件技术有限公司 山东济南 250000
摘要：随着我国电力市场改革的逐步深化，电力市场需求多元化的特性将逐步凸显。电力企业亟需完善针对客户的精准化评价模式及策略，要求电力企业服务理念亟待从“客户需求导向”进一步向“客户体验导向”提升，各电力公司为实现企业精准化、差异化的客户服务这一目标，在基于大数据技术的电力用户行为挖掘分析及员工实训应用等方面已做了大量工作，以此支撑风险防控、降本增效的长远战略。
关键词：大数据；用户行为分析；供电服务；实训
一、电力用户行为大数据分析主要研究内容
针对传统用电行为分析过程中，定量特征分析工具匮乏、客户细分深度不足，导致分析结果精确度、颗粒度和针对性不高等问题。依托大数据平台，基于95598海量历史工单信息，开展电力用户行为分析研究，深度挖掘客户用电行为特征，结合业务场景，找准客户服务环节与客户需求之间的差距，并应用于员工实训工作中，使电力企业能有针对地性优化营销组织，改善服务模式。
1.根据客户个人关注热点，建立客户偏好标签库。通过客户细分模型，对客户的用电情况、停电反映、投诉类型、热点关注事件等行为特征，将客户按照偏好标签，分为不同类型群体，并针对不同的客户群，深度挖掘客户价值，提供差异化、个性化服务。
2.根据客户服务请求频次和渠道，建立客户细分群。按照一定时间（月度/年度）内的与客户交互频次的强度，将客户分为强交互客户、一般交互客户、弱/无交互客户等三类。分析各类客户群体特性，提供精准服务。
3.可视化展现客户的用电行为数据。通过对各单位客户群进行多维度统计分析，为各单位、各专业查找管理差距、明确业务的改进方向提供依据。
二、电力用户行为大数据分析技术路线
1.大数据分布式存储和计算技术
分布式存储和分布式计算通常选用大数据业界主流的Hadoop集群处理框架。基于此，分布式存储和分布式计算选用了大数据业界主流的Hadoop集群处理框架。Hadoop集群具有以下优点：
全新架构 弹性扩展：可随数据和业务的增长而不断灵活扩展，保证良好的线性度，从根本上解决传统架构在性能、扩展性方面存在的难题。
资源节约 充分利用：可以通过普通的X86服务器组成的集群来分发以及处理数据，避免使用昂贵的专用存储设备和服务器。这些集群节点总计可达数千个，而且每个节点都是运行在开源操作系统Linux上面的。
稳定高效安全可靠：集群采用高可用元数据备份、元数据管理以及共享存储异常机制等方法保障软件层面的可靠性，采用高冗余设计、以及I/O设备绑定技术等方法保障硬件层面的可靠性，可以有效做到快速故障定位、故障网络隔离以及高可用任务恢复等任务，全方位、多层面保障系统安全级业务连续性。
期刊文章分类查询,尽在期刊图书馆
系统优化性能强劲：采用整体性融合式调优,硬件层优化包括存储单元方面、计算单元方面和通信单元方面的优化;系统软件层优化包含自适应调度算法、低消耗锁算法、热点数据感知的负载均衡算法等算法层面的优化。多层次整合优化保障性能卓越，有效实现海量数据的存储、分析挖掘需求。
2.数据挖掘技术
数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘任务可分为两类：描述性和预测性。描述性挖掘任务刻画数据的一般特性，主要基于非监督学习算法，如分类规则、聚类等；预测性挖掘任务是在当前数据上进行推断，以进行预测，一般基于监督学习算法，如神经网络、决策树、时间序列、回归分析、朴素贝叶斯算法等。
3.文本挖掘技术
文本挖掘，是指从大量文本中抽取事先未知的、可理解的、最终可用的知识的过程，同时运用这些知识能更好地组织信息以便将来参考。文本挖掘的主要目的是从非结构化文本文档中提取有趣的、重要的模式和知识。一般来说，文本挖掘的主要处理过程是对大量文档集合的内容进行预处理、特征提取、结构分析、文本摘要、文本分类、文本聚类、关联分析等。
三、电力用户行为大数据分析在员工实训与提升企业服务中的作用
1.降低组织级培训学习成本
未开展电力用户行为大数据分析之前，优秀营销业务人员对所服务用户情况和特点了然于心，并能在实际工作中及时调整自己的营销服务行为，但若更换其他营销业务人员服务该用户，不仅需要重新了解用户，了解用户的时间成本也非常高。开展该项工作之后，将过去服务用户从依赖个别优秀营销业务人员的知识传承，转变为依赖统一的用户行为分析平台，将组织内员工学习的时间成本降至过去的15%（从至少需要1周降至1天），覆盖面也扩展到需要学习的全体人员。
2.降低用户数据获取成本
未开展电力用户行为大数据分析之前，营销现场人员、营业厅服务人员、远程客服人员与用户接触及获取用户数据的渠道各有不同，获取数据内容也相对独立，较难将不同营销渠道采集的用户不同数据通过统一的平台和措施进行整合、维护及利用。通过用户行为大数据分析，将过去用户数据获取成本降低至原有的30%），大大节约了一线单位对用户的调研、策略制定和策略实施成本。
3.降低供电服务风险
未开展电力用户行为大数据分析之前，电力企业难以区分不同客户对供电服务的不同需求，只能采取“千人一面”的服务方式。通过用户行为大数据分析，有助于了解用户对供电服务存在不清楚、不满意或有待改进之处，提前采取措施，规避服务风险，如通过对投诉类用户画像挖掘分析，找准营业类服务投诉的短板和问题，针对性改进一线营销人员、营业厅人员和远程人员的服务品质，减少投诉风险；通过对故障报修类用户画像挖掘分析，发现用户供电质量不稳定的原因分布、区域分布及用户忍耐程度，便于协同运监部门制定停电容忍度较低用户的停电信息100%推送及优先检修服务。
四、结束语
基于大数据技术的电力用户行为分析研究，对来电用户根据工单内容与来电频次，进行用户群的细分，可提高对一线人服务人员及营销策略制定人员业务培训与服务改进的针对性。针对不同的用户群，可采取个性化与差异化的营销服务，提供主动的精准服务，进而提高用户服务感知与供电服务质量，降低投诉风险，提高服务满意度。
作者简介：吴雪霞（1987.10-），女，山东，东北电力大学，工程师，单位：国网山东省电力公司电力科学研究院，电力营销服务，邮编：250000
论文作者:吴雪霞1,孟巍1,王婧1,李静1,徐美玲1,邢宏伟
论文发表刊物:《基层建设》2017年第13期
论文发表时间:2017/9/14
标签：用户论文; 客户论文; 数据论文; 电力论文; 大数论文; 人员论文; 据分析论文; 《基层建设》2017年第13期论文;