基于服务工单数据分析的居民用户需求精准定位

戴宇航

1.1 低压居民高频需求识别

现阶段，低压台区经理所接到的低压服务工单是按照投诉类、服务类、意见类以及举报类进行标注的，在传统回单方式下，低压台区经理仅根据每张工单提供相应服务，未能从工单中识别高频需求，对各低压台区进行精准描述。

为了实现低压居民精准营销服务，本次课题从原有的投诉类、服务类、意见类以及举报类工单中进行文本数据识别，在原有工单中识别出具体的诸如电费咨询、户表改造等具体的高频需求。

利用Word2Vec词向量模型，将95598工单文本词汇转换成词向量矩阵，并计算向量空间上的相似度，实现对文本的语义分析，通过二次文本识别，定位事件关键词，对工单重新分类;对频发问题溯源，精确定位辖区内居民的高频需求。

通过跟踪不同台区高频需求的走势，即可通过历史工单数据对各个台区历史高频需求进行初步描述，得到各个台区频发需求的营销画像。

1.2 基于工单数据分析的低压台区服务

从大类上划分，低压居民的电力服务需求可集中划分为涉及电力故障的抢修类需求以及不涉及电力故障的服务类需求，在完成高频需求识别的基础上，本次课题进一步按照非抢修类服务需求以及抢修类需求精准营销服务的实现进行进一步分析。

1.2.1 低压居民服务类需求精准营销

对于非抢修类的服务性需求，关键是以台区（小区）为单位，形成台区服务特性的画像，识别影响台区服务类需求的关键业务因子，跟踪关键业务因子并基于台区服务类需求走势，提供精准营销服务。

地域上，通过对工单报修地址进行分析，通过k-means聚类算法，构建低压台区分析模型，对不同特征的台区进行聚类归纳，以台区为单位，形成客户需求热力图，实现台区“分而治之”，对用户用电服务需求进行总结评判，提供个性化营销服务。

基于台区服务需求画像，与同时段营销系统数据进行比对，找出影响该类非抢修类服务需求的关键业务因子。在实践中，通过跟踪分析得到影响服务需求关键业务因子的走势，即可实现对非抢修类需求的提前预判，实现营销服务的精准化与前置化。

基于上述分析，对于台区服务需求，项目通过三步进行实现：

1）数据获取

基于95598及12345工单台账，获取历史工单中的相关数据。采用数据导入的方式将excel格式的工单批量导入数据后台。

2）数据分析

在基本工单数据导入后，对于台区服务画像无关的且涉及隐私的客户姓名、客户联系方式等隐私信息做隐去的脱敏处理，将数据存储在本地数据库中，设定如“表计校验”、“更名过户”等关键词语对系统进行规范训练，根据关键词对重要数据进行抓取、汇总分析。

3）数据展示

分析处理后的数据可提供直观、准确、可靠的可视化展示。

最终，对于服务类工单，项目即可实现“工单——问题分析——提升服务质量”的工单数据驱动的精准服务提升。

1.2.2 低压台区抢修类精准营销服务

抢修类需求与台区设备负载率及运行状态具有强关联性，老旧台区在夏冬季高峰会出现设备过载现象，伴随着三相不平衡、电压偏移等并发问题，会引起短时间同區域内密集发生抢修类服务诉求。

低压台区的抢修概率除受设备本身的运行状况影响外还受制于天气、环境、用户等复杂因素影响，具备明显的大数据特征。此前的响应类服务模式为对抢修频发台区提报检修、增容计划，通过事后治理的方式来实现服务的升级，缺乏精准性，本次课题基于台区设备运行情况、大量历史重、过载记录，同时融合电网内外部各类数据，通过数据挖掘方法分析短期内负载变化趋势、用户构成、气象条件等内外因素对台区抢修风险的影响，综合评分，根据抢修风险等级搭建台区抢修风险评级。

首先是数据的接入与处理，通过配网自动化系统、用电信息采集系统等数据源结合南京地区天气预测等信息实现台区用电量的回归预测，基于历史抢修类工单数据进行比对，对大量历史抢修类工单进行溯源，识别抢修频发台区。针对历史抢修频发台区进行风险评估，一是考虑台区设备质量、用户用电高峰发生可能等因素综合评估台区发生停电故障率，而是基于所接入用户数以及台区位置评估发生抢修所带来的影响以及风险后果。基于风险评级，及时对高风险台区提报增容计划、主动上门巡视，实现抢修工单的前置压降。

1.3 总结

本章主要内容是对低压居民用户的精准营销的数据实现进行研究，核心是基于工单诉求数据进行归纳分析。第一步是实现工单诉求的二次精确分类。工单并无新鲜事，供电所接到的工单具有规律性和特征性。本文挖掘客户需求中的规律以及与业务之间的关联。——通过二次文本识别，定位事件关键词，对工单重新分类;对频发问题溯源，精确定位辖区内居民的高频需求。

在高频需求二次分类的基础上，项目按照抢修类需求与非抢修类需求深入挖掘分析。对于非抢修类的服务性需求，展开地域与时段双维度数据挖掘。

抢修类需求与台区设备负载率及运行状态具有强关联性。老旧台区、夏冬季用电正是抢修类工单发生的高峰。项目计划利用RNN时序模型进行电量预测，结合台区设备运行情况，得到抢修类需求频发台区画像并搭建台区抢修风险评级模型。基于风险评级，及时对高风险台区提报增容计划、主动上门巡视，实现抢修工单的前置压降。

（国网南京市江宁区供电公司）