吴树霖、肖传奇、叶赓
网福建省电力有限公司信息通信分公司 350001
摘要：随着经济和各行各业的快速发展，电力行业发展也十分快速。售电市场逐渐进入了更为竞争激烈的时代，电力企业在电力营销服务过程中所面临的竞争压力将会越来越大，而信息化时代，则能够为电力营销这项工作提供更多的服务，使电力营销在市场中具有较强的竞争力，能够及时地根据客户的服务体验和需求占领电力市场，基于客户侧大数据分析的云服务模式将会成为电力营销的新模式。
关键词：客户侧；大数据；云服务；电力营销
引言
传统电力服务数据挖掘不足、数据融合度欠缺等问题，开发了基于大数据应用的一体化电力服务系统。以国网北京海淀供电公司东升供电所管辖内的海量数据为基础，充分挖掘电力数据的有效信息，通过将供电所各类工作单流程信息，电力客户基础信息、地图网格信息三者融合，构造电力数据多渠道一站式展示平台，从而实现电力服务领域的数据收集、智慧派单、故障预警、隐患排查等功能，有效弥补电力服务短板，解决电力供应痛点问题，提升地区客户的“电力满意度和获得感”。
1大数据技术的优势特点
大数据代表大量的数据信息，在当前的发展趋势下，数据呈现出了海量特点，同时能够带来更多的价值，因此数据信息对企业来说有重要的意义，为企业的运行提供更多的参考依据，还可使企业的发展需求得到满足，但是不是所有的数据都能够产生价值，不同的信息其价值性不同，需要经过数据分析及研究进行提取。在面对海量数据的时候，人们能够发现更多类型的信息，要想在大量的信息中挖掘出自己所需要的信息，企业可采取不同的措施来获取需要的数据。在海量数据中，包括了不同领域及学科的信息，呈现的方式具有多样性特点，其中有图片、音频、视频等模式，还包括了使用传感设备收集到的信号信息，在不同的呈现模式下，数据的类型也越来越多，这使数据的可靠性有所加强。大数据技术在应用中可将数据转换、整合在一起，提供给需要的用户，使其获取到匹配性更高的信息，保证了信息的全面性。
2电力营销管理工作中存在的问题
2.1管理信息十分落后
基于大数据的电力营销管理工作的问题之一是管理信息十分落后，其原因如下：在电力企业中关于用电业务的流程没有发生变化，还在使用过去的营销制度，没有充分发挥大数据技术的专业优势及精准优势，使得反馈电力营销的相关部门没能及时掌握全面真实的管理和营销信息，使其不能尽快处理来自客户的反馈信息，从而阻碍了电力企业的营销管理工作的顺利进行。
2.2客服专员在服务过程中缺乏对信息全面掌握
目前服务系统只能获取到部分营销系统中信息，较大一部分数据话务坐席无法获取，比如现场查勘后中止的新装流程，坐席无法查询，极易造成已申请未装表的投诉。对已开放的数据查询操作繁琐，信息整合不充分，导致客服专员的信息查询耗时久。
3电力客户服务数据分析系统设计及技术应用
3.1线上线下多渠道整合客户侧数据信息
客户侧数据信息的来源应当包括线上和线下多个渠道，既包括传统的线下整合数据和调研、访谈工作等，及时了解用户对于电力供应的体验。又要包括各种线上数据的获取渠道，来自各种服务平台、营销平台和企业自有服务平台的各种信息，提取其中有价值的客户信息。将多个渠道中的信息进行整合后，能够更好地使企业成为云服务体系中的客户侧大数据，能够更好地量化客户的不同需求。
线上数据获取渠道来自多款应用及网络营销系统，通过95598云座席应用、电e宝、掌上电力、智能客服应用等应用能够使客户的体验更好地反馈于电力营销部门，除了上述的企业自有数据之外，还可以积极与政府的信息平台进行对接，融合金融征信平台、商业信息平台等政府信息系统，对客户信息进行全面整理，快速获取客户有价值的信息。
3.2数据融合方面
工单信息和客户信息的契合点在于客户编号，通过调用客户编号，就能一键查询到该客户的基础信息以及下派的工单类型情况。工单信息与网格信息的结合要依靠客户信息的完整度，客户信息涵盖范围越广，就会使得网格信息的划分越准确。客户信息与网格信息的过渡节点就是“片区”的划分，不同“片区”划分的最终落脚点是是否包含国网智能表，可分别为只含国网智能表、半自管、纯自管3种“片区”。需要特别说明的是，在某种特定情况下，“片区”信息以外还并列存在电源信息，电源信息与“片区”信息的融合仍然需要客户信息的反馈才能建立连接。通过不断完善客户信息，搭建一座座“电源-台区-客户”的信息桥梁，实现工单信息与网格信息的充分融合，最终完成一体化电力服务系统建设。
3.3管理营销平台来完成对电源装置的控制
首先要做的是了解以往电源在运行时的体系，和新电网的高效优势和节能优势进行充分融合，结合分布式的电源设备，帮助企业获得长久发展。按照电力营销平台对工作准则进行调整，掌握用户之间的差别，使收缴电费的工作变得更加轻松，减少阻止电力企业运行的不利因素。为防止发生此类现象，辅助电费回收工作开展，电力企业可对用户信用进行评价，对用户资质进行审核，要求为高压用电提供担保。例如，对于高压用电企业可以通过银行的帮助来审核用户信息，判断客户的现金流能否符合照常缴费的标准，审核客户的借贷状况并审核其缴税状况，对回收电费的潜在危险进行计算。
3.4数据聚合与数据挖掘
首先，统计数据分析是对电力客户服务管理组织方式的主题分析，设计了电力客户服务业务信息、电力客户服务分析指标维度指标的多维数据模型。通过对数据的分析，结合统计的结果来进行客户服务数据挖掘及建模，经过有效的计算，能够形成具有多种功能的数据分析立方体，使数据分析更加全面，实现多种分析功能。其次，在预测数据分析中，以大数据技术为基础，建立数据挖掘预测模型涉及的内容比较复杂，应重视数据准备环节，将业务规则及挖掘模型结合起来，对电力企业客户服务数据进行优化，建立相应的模型，使数据得到简化，利用系统进行线性回归模型、对数线性模型等模型的建立，使数据分析具有相应的模型基础。最后，决策数据的分析中需要借助系统进行定量、统计分析，算法的选择在分析中发挥了重要的作用。一般经常使用算法包括了时间序列算法、线形回归算法、神经网络算法等，根据分析的需求及算法特点进行选择。在电力客户服务数据分析中，可采用分类回归树算法，在没有隐含假设的情况下，对预测变量及因变量之间的线性相关性进行预测分析。
结语
综上所述，在大数据的时代背景下，企业必须完成市场角色的转变，认识到营销信息化的重要性，通过树立正确的电力营销信息化理念，加快大数据平台的建设，并完善大数据服务系统等方式，尽可能提高营销工作的效果与效率，才能在愈发激烈的市场竞争中取得优势。要积极利用云服务模式所具有的各种优点准确定位客户的需求，能够超前地服务于客户，使电网企业在市场中的竞争力进一步提升，在社会和时代的洪流中得到更好的发展。
参考文献
[1]郑颖.浅谈大数据环境下电力营销信息化建设[J].中国设备工程，2019（24）：172-173.
[2]陈海辉，林楚航，张曼.大数据环境下的电力营销信息化建设探讨[J].城市建设理论研究：电子版，2020（14）：112.
[3]谢斌,宋晓波,窦国贤.大数据技术在电力行业的应用研究[J].数字通信世界,2018(01):176.
[4]张东霞,苗新,刘丽平,等.智能电网大数据技术发展研究[J].中国电机工程学报,2015,35(01):2-12.