基于用户画像的电网精准服务与预警系统设计

左航

（国网郑州供电公司，河南 郑州 450000）

随着电网信息化水平的提升，各业务系统中的数据量越来越大，如何从海量数据中挖掘出想要的信息，充分发挥电网数据资产的价值，是电网大数据技术应用和数据分析需要解决的核心问题。由于客户消费心智的不断提升，客户对供电服务质量的要求也越来越高，随之而来的客户投诉也在不断增加。如何有效处理客户投诉，进一步减少或消除客户投诉，降低和消除投诉带来的不良影响，已经成为电力企业亟待解决的问题，而且随着电力销售市场竞争的加剧以及新能源和分布式电源的迅速发展，客户的用电选择也逐渐多样化。因此如何及时准确了解客户心声、快速应对、提高客户满意度和市场占有率，获得商业服务模式的创新，已经成为国家电网公司面临的重大挑战；目前国家电网公司已经积累了大量的客户信息、用电信息及客户投诉等相关信息，如何挖掘、利用数据价值，驱动电网向智能化发展，也已成为国家电网公司管理者思考的重点。

本文以国家电网积累的海量数据为基础，分析挖掘数据的潜在价值，达到对客户全面、准确的认识、把握客户心理、掌握客户期望，以获得客户服务模式上的巨大转变，最终促进国家电网商业服务模式创新，推动电网智能化发展。

1 用户画像基础知识

用户画像是真实用户的虚拟代表，是建立在一系列真实数据之上的目标用户模型，是一种描述目标用户、了解用户特点与需求方向的有效工具。

“标签”的核心概念是：由属性条件组成，是对客户某种较为稳定的特征的描述，是沉淀下来的共性客户知识，会被多次使用。

“标签库”的核心概念是：在完成研究对象的各个维度的主要信息数据收集后，高度精炼的抽象出的该对象的全貌标签库。

“画像”的核心概念是：对研究对象信息的标签化、数字化表征，即通过数据分析、提取、归纳，形成可以准确描述研究对象属性、特征、性能等信息的标签库，利用标签完美的抽象出研究对象的信息全貌，并能够有效支撑实际应用场景的执行。

“画像”构建的核心是高度精炼的抽象出研究对象的标签。标签化的目的一方面是对多维信息进行标签化聚合，方便使用者理解，另一方面标签本身具有准确性和非二义性，利于后期计算机的识别、分析和统计。

2 用户画像模型构建

电网用户数据量大、数据类型多、信息复杂，如何在如此海量的大数据量级中，找到对应每个用户最具代表性的数据进行分析，依靠数据挖掘算法得到相应标签，并最终为客户提供精准服务是首要解决的问题，而相应的数据挖掘算法更是重中之重，见图1。

图1 用户画像模型构建步骤

一个完整的用户画像模型构建流程分为业务定义、数据选择、数据预处理、模型建设、模型应用5个完整步骤，在实际运用中，业务定义主要是要明确分析主题、明确最终输出、明确应用场景；而数据选择部分，则是根据模型实际应用情况，选择适用于模型的业务数据；数据预处理部分，主要是对数据进行探索，从而发现数据存在问题，并对数据进行清洗，同时根据需求计算衍生指标；模型建设部分，则是利用聚类算法、分类算法、文本挖掘算法，构建相应的用户画像模型，最后根据模型结果构建电网精准服务与预警系统，帮助电网企业加深对用户的认识，掌握客户实际需求，实现客户的精准化服务，提升客户满意度，最终促进电网智能化发展。

3 功能模块设计

整个系统包括后台数据管理存储，以及前台应用和展示功能，其中后台原始数据和数据预处理之后的数据，利用MYSQL数据库进行存储。前台应用和展示界面则使用ECharts技术，对后台分析数据进行可视化展示。本系统利用这样的总体架构对整个用户画像及的电网精准服务与预警系统进行开发与设计，初步实现对电网客户的用户分群及预警作用，见图2。

图2 功能模块设计图

数据汇总层是对营销系统数据、客服系统数据、采集系统数据以及第三方数据进行整合，并对数据进行预处理。

客户画像层是根据客户属性中基础信息、用电行为、触点记录、费用记录等基本属性，同时统计客户交费行为、用电行为、互动行为、客户价值作为简单标签，同时利用算法挖掘复杂标签，如决策树。

标签应用层主要是对模型结果进行信息输出，例如经营分析、客户画像，从而实现客户的精准化服务，提升客户满意度，最终促进电网智能化发展。

4 结语

以用户画像实时监测预警与主动服务相结合的管理模式，有效降低了投诉数量，实现主动服务，降低投诉风险；完成对客户画像的精准分类，并给予客户画像分类结果，对营销策略和服务模式进行优化完善，为客户提供更加丰富的增值服务；通过系统的实施，加强了各业务部门之间的联系，促进部门之间的业务协同，使信息在内部能够自由流通，并且有效发挥了数据应用的价值。