运用电力大数据分析全面提升客户服务质量

2018-11-20黄渊军王明荣

机电信息 2018年33期

周玲李飞黄渊军王明荣

（贵州电网有限责任公司，贵州贵阳550002）

0 引言

随着智能电表及智能终端的安装部署，电力公司能够收集到比以往粒度更细的大量电力数据，通过对数据进行分析可以更好地理解电力客户的用电行为，合理地设计电力需求响应系统和短期负荷预测系统等。作为“一口对外”的客户服务中心，除了应用故障和停电信息对客户开展停电查询服务以外，还应当开展停电对客户服务影响的主动分析，以及根据客户对停电事件的关注程度和业务诉求过程中的行为，进行主动干预，并提供针对性的主动服务。同时，对未来停电开展主动分析和预测，找到服务改进的方向，进一步提升精益化管理水平和服务水平。除了故障和停电这些常见热点关注事件外，电网运行服务过程中的任何事件都应采用技术手段提取，并给予关注。

1 面向演进的客户细分模型建立

根据数据挖掘任务的构成，电力客户细分结构模型由建立大数据存储仓库、抽取客户细分指标数据、实行大数据分析和可视化展示四部分组成。数据部分是整个模型的基础，数据的准备和预处理是产生真实有效的挖掘模式的保证，而客户细分结构是否满意在很大程度上依赖于客户维度的选择和度量的确立；方法部分是整个模型的核心部分，在实际应用中首先应对问题进行分析，清楚期望得出的结果、需要处理的数据规模以及挖掘的目标，然后进行细分模型建立及分析方法选型，通过自我学习与方法演变进行模型的进化。面向演进的客户细分模型如图1所示。

2 服务机制的建立

针对客户服务水平提升、需求侧管理深入、电费催收等问题，结合电网营销系统、计量自动化系统、营配集成平台等数据，以及国家政策、社会舆情、经济形势、地域环境等外部数据，在数据分析与状态评估机理层面取得重大突破，形成一系列核心理论和机理方法。本研究充分借鉴现有电力系统管理技术、数据存储技术、数据处理技术和经验积累，结合电网公司相关技术规范及技术导则，在营销电力大数据体系结构、数据处理和分析以及客户关系管理层面进行有针对性的研究，以期不断改善客户关系，提升客户满意度。

图1 客户细分模型演进

客户服务机制与数据集成示意图如图2所示。

图2 服务机制与数据集成

3 应用场景

基于大数据的客户关注热点分析，能够为事件监控、服务改善、工作调度提供帮助。它可以让现场管理人员迅速了解客户的关注热点，及时掌握服务动态，有针对性地调整应对策略，优化调度服务资源，同时也可在满足客户的需求以外，从客户最关注的方面进行服务和管理的提升。热点分析需要进行大量的分词和聚类，而且有实时性的要求，传统计算模型无法胜任，需要采用大数据平台提供计算支持。

3.1 热点事件识别

基于客户服务记录的客户意见、受理内容等文本数据，经过中文分词处理后按关键词提取行为特征，得到业务交互内容中的关键词语。大量关键词语的组合得到热点短语，再经过主题聚类得到热点事件列表，实现客户关注热点事件的自动分析和自动获取。

3.2 客户关注热点时序分析

依据客户热点分析模型得到的热点事件列表，采用基于平滑时间窗口的分析方法，持续观测某一客户关注热点事件的度量结果，实现1 h、4 h、24 h、7 d等时间跨度的客户热点事件发展趋势模型，用以判断热点事件的变化状态和生命周期。

使用可视化展现技术进行客户关注热点的时序变化动态展现，实现地域分布图和时序变化图的有机结合，实现热点发展情况的可视化回放，为现场管理人员掌握服务动态提供参考依据。

3.3 客户关注热点地域分析

基于客户关注热点事件列表，通过热点地域分布图，展现各地区（省、市、县）或各地域（南方、北方、经济发达地区）等基于地理轴线的客户关注热点分布。使用地理区域图、标签云等高级可视化展现技术进行客户关注热点的实时动态展现。通过热点与业务工单之间的分类分布，描述热点与业务工单之间的关联关系，评估热点事件与业务工单的关联情况，为管理人员进行业务关联、事件关联等分析工作提供数据支撑。