摘要：本文主要以大数据分析技术在电费核算业务中的应用实践为重点进行阐述，结合当下电费核算业务工作实际开展情况为依据，首先分析电费核算业务与大数据分析技术使用的价值，其次从几个方面深入说明并探讨大数据分析技术在电费核算业务中的有效应用，最后阐述.大数据分析技术在电费核算业务中的实践思考，旨意在为相关研究提供参考资料。
关键词：大数据分析技术；电费核算业务；应用实践
所谓的大数据，主要是无法在有限时间内使用常规工具捕捉与处理信息集合，而是需要全新的处理方式，具备更大洞察力与流程整合能力的海量信息资产，大数据存在数据体量大且种类繁杂的特点，将其作用在电费核算业务工作中，不可缩小工作的时间，提高数据计算的准确性，还可以给企业降低人力和财力的消耗，便于电费核算业务水平的提升。
1.电费核算业务与大数据分析技术使用的价值
现阶段，电网企业已经利用营销信息体系给予电费核算业务进行运转和管理，大概的业务流程为：针对已经做好抄表数据检验的客户加以电费计算，营销数据体系结合人工设置的可调变量的检验要点，做好对全部电量电费进行异常化统计的检验[1]。对于体系校对出的电量电费异常用户，自主制作《电费异常复核清单》发送到区或者县供电局组织的“所核算人员”，这些人员给予异常的清单数据加以人工形式的再次检验，同时把信息反馈给市级客户服务机构中，之后通过市级客户服务机构中的“局核算人员”检验，明确之后发行电费。
在分析电费核算业务的过程中，因为体系中存在的可调变量检验的阈值受到人工的影响，且人工设置阈值的参考依据便是浅层次的信息比较，以致于整个体系筛选的异常信息量比较多，甚至达到十万多条，所以在很大程度上给工作者带来时间的紧张结果，降低人工工作效率。所以，需要给予用电客户量大数据中隐藏的内在关系与规则加以进一步挖掘，按照历史信息与算法模型检测今后电量的变化趋势，实效性筛选异常用电客户，加强发行电费的工作质量。
大数据分析技术的使用价值，体现在两个角度。其一，大数据分析技术的使用，可以加强电网企业电费核算业务的精准化。按照业务全过程工作，立足于精益视角判定工作的价值，整理现阶段业务存在的不足，使用大数据分析技术，找到数据信息资产存在的价值，给予业务工作者的电费阈值计算进行科学化方式的提供，保证电费核算业务的工作成效[2]。其二，大数据分析技术的使用，可以提高客户满意度以及工作者的热情。大数据分析技术降低电费计算差错的几率，促使电费发行准确率得以提升，进一步提高用电客户的满意度。并且加强电费核算工作质量，排除基层供电核算业务人员的不满情绪，促使找到工作的动力，提高工作热情，需要电网企业大力使用和推广。
2.大数据分析技术在电费核算业务中的有效应用
2.1制定大数据分析技术在电费核算业务中的使用制度。最近几年，企业怎样把大数据分析技术作用在电费核算业务中，作为企业管理者深入关注的话题。且目前大数据分析技术依旧具备较强的繁杂性，在实际的电费业务核算中，应该强化给予大数据技术的支撑，提高使用大数据核算的水平，保证对企业电费核算业务的有效监督。并且，检测可能出现的相关问题，设置对应的预警库，加强大数据技术在电费业务核算中的使用，及时处理好电费业务核算问题。再次，企业要设置电费核算业务资源库，将核算涉及的问题进行可视化呈现，给予今后的电费核算工作决策奠定基础。保证大数据分析技术可以切合实际的实施，并不是趋于形式，由此提高大数据分析技术在电费业务核算中的使用成效。
期刊文章分类查询,尽在期刊图书馆
2.2强化大数据分析核算体系的引进。大数据分析技术来源于互联网为基础的超级计算云计算模式，借助云端信息中心，诸多的计算机以及服务器端口之间进行连接，用户可以利用互联网的加密技术访问对应云端的信息中心，同时可以按照对应的命令对大量信息进行处理，大数据技术引出诸多的应用范围，包括大数据物联网、云安全和云储存等[3]。目前，大数据分析在电费业务核算中的使用缺少足够的资金投入，所以应该强化大数据分析技术的使用，提高工作者对分析技术的操作能力，对战略方针的决策进行依据的提供，保证电网企业可以健康的运行，逐步提升电网企业在市场中的竞争力与综合实力。
2.3电网企业在传统的电费业务核算中总结经验。处于大数据分析技术的时代背景下，数据信息比较繁多，电网企业的电费业务人员不需要担忧数据的偏差性带来核算数据失真问题，业不需要消耗更多的精力思考这些信息的不确定性，换言之大数据分析技术带来的优势，尤其是准确性角度上可以弥补传统电费业务核算工作的不足。电网企业应该一直到大数据分析技术存在的价值，按照实际核算情况设置电费计算的方案，确定电费业务核算工作人员，并且积极学习与更新自身的专业技能，参与到电费业务核算培训活动中，为电网企业的进展作出努力[4]。最后企业应该强化大数据服务器的使用，以横向对比计算电费信息，找到自身的市场位置，更好的给用户提供优质服务。
3.大数据分析技术在电费核算业务中的实践思考
其一，准备信息数据与环境搭建。选择大数据平台沙箱工具和数据源库表进行连接，同时设计定时引发ETL作业，之后通过smartDBM数据源，保证其可沙箱体系可以交互，得到对应的数据信息样本。重点分析用电客户电量实际情况，所以获得同比上期和环比上期的抄表用户信息充当信息分析样本，筛选连续越用电量指数为零的电量信息降低研究干扰[5]。计算多种类型的用电客户实际电量的波动率与电量差，涉及专变用户电量、公交非居民用户电量与居民用户电量、一户一表用户点亮、考核户电量等。
其二，分析流程。按照统计学的视角研究合理波动率与差值区间，包括用电客户用电量的突增率、突增值、突减率与突减值，最终发送到《电费异常复核清单》中。
结束语
综上所述，电网企业应高朝向数字型与智能型方向转变，按照大数据分析技术的使用要点，把数字信息转换成决策数据信息，目前企业的大数据处理停留在初步研究阶段，应该充分利用平台和处理模型，落实电费核算业务工作，全面给电网企业的发展带来价值，彰显大数据分析技术存在的效用。
参考文献
[1]王鑫,杜颖,张金桂,etal.大数据技术在潜在电费风险挖掘中的应用[J].自动化与仪器仪表,2018(1).
[2]刘嘉,蔡雨楠,邢琳.基于大数据的电网成本结构及效益综合分析研究与应用[J].电气自动化,2017(05):18-20+34.
[3]薛晴,路倩.多维数据的电费自动化核算浅析[J].低碳世界,2017 (15):10-11.
[4]陈佩莉,钱毅慧,潘勤,etal.基于交费大数据的电力用户欠费风险等级研究[J].自动化技术与应用,2019,38(01):54-57.
[5]赵雅迪,陈小峰,王宝亭.电费回收风险预测的大数据方法应用[C]//2018电力行业信息化年会.0.
论文作者:林冰虹
论文发表刊物:《电力设备》2019年第13期
论文发表时间:2019/11/12
标签：电费论文; 大数论文; 业务论文; 据分析论文; 技术论文; 数据论文; 电量论文; 《电力设备》2019年第13期论文;