浅谈电力营销系统IT运维数据的分析

陈晨 刘雪 刘惠琼

摘要：电网IT运维呼叫中心作为电网企业信息化系统的统一运维服务中心，在运维过程中会产生大量的服务基础数据。如何分析这些运维业务数据？如何将数据分析结果应用于改进服务，是IT运维呼叫中心数据分析的主要目的。本文主要讲解通过摸索和实践，电力IT运维呼叫中心所总结出的数据分析方法和应用情况，以及对IT运维呼叫中心数据分析未来趋势的美好展望。

关键字：电网;IT运维;呼叫中心;营销系统;数据分析;

引 言

近年来，越来越多的企业意识到数据中蕴藏的价值，依托互联网、计算机技术的发展，大数据分析时代已经到来，数据是行业资源和商业财富最有效挖掘点。电网企业信息化建设现已开展多年，信息系统的应用在营销、财务、人资、生产等各个业务领域日渐深入。电网“十三五”信息化规划中，要求信息化运维体系以“大运维、大服务”为目标，以“用户服务”为核心。随着企业级信息系统进入运维阶段，各信息系统逐步实现网、省级大集中运维，而IT 运维呼叫中心则成为了面向全省用户的统一运维服务窗口。作为统一对外的服务窗口，担负着树立公司形象，给广大用户带来最优质服务的责任，是零距离与广大系统用户直接对接的服务门户。

IT运维呼叫中心主要通过客服电话、企业社交化应用系统等途径受理各业务域信息系统用户的问题，再根据服务管理流程要求，对问题的处理进行全过程管理，在这个闭环管理流程中，自然会产生大量的服务业务数据。电力营销作为电力系统不可或缺的部分，也是实现对自身核心力提升的关键，数据价值的挖掘及应用是适应时代需求与发展，改革与创新不可或缺的落脚点。该如何对运维服务过程中产生的数据进行收集、整理、分析，最大化地开发数据的功能，挖掘数据的价值，为IT运维工作提供优化建议，推进IT服务全过程精益化管理？通过逐步研究和实践，数据分析人员对这些问题已经有了初步的认识，形成了基本的分析方法。

什么是数据分析？

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析的基本步骤一般包括数据收集、数据清洗、数据分析、结果展示、反馈与改进。其中，数据清洗，顾名思义就是把“脏”数据“洗掉”。数据收集阶段是从多个业务系统中抽取数据，可能会包含历史数据、错误数据、冗余或有冲突的数据等，我们称之为“脏数据”。在数据清洗阶段需要结合电力营销业务流程通过制定一系列的规则和方法过滤掉不符合要求的数据，对基础数据进行初步的规范化处理，为接下来的分析环节建立良好的基础。通过对服务业务数据进行收集、清洗、分析，实现对客户潜在需求的有效寻找，这也是获取电力营销系统可靠、有效的客户需求精准数据的重要手段。

电力IT运维呼叫中心数据分析的目的是什么？

随着电力改革和创新发展，电力营销管理诸多弊端逐渐显现，主要体现在管理理念亟待改进，电力业务功能亟需完善，运营效率亟待提升三方面。通过数据分析及挖掘创新电力营销管理，从而增强电力企业的管控效率，以适应新时代、新形势下客户的服务需求。那电力IT运维呼叫中心数据分析的目的是什么呢？我们可以从两方面考虑：管理侧和客户侧。管理侧，指数据分析在IT运维呼叫中心运营管理中的作用。一方面，通过对工单数据的搜集和多维度分析，对所运维的信息系统进行监测，根据分析结果为各信息系统运维人员提供运维改进建议，帮助提升运维水平;利用数据跟踪技术跟踪各项运维指标的完成情况、系统缺陷和故障出现的情况，将各项指标完成情况作为对运维单位的考核依据;另一方面，对服务基础数据进行分析，得出业务服务流程的优化建议，从而推进IT服务的全过程精益化管理水平，改进客户服务质量，提升服务满意度;客户侧，则指的是IT运维呼叫中心通过对系统使用数据进行分析，全面了解用户行为，为用户提供使用指引，改变服务模式，提升用户体验。将用户行为和需求作为主要依据实现电力营销服务质量以及业务特点的客观分析。在此基础上实现对电力营销管理模式的改变及保障服务质量的提升。

电力营销系统IT运维数据的分析

目前，营销系统的数据分析[1]已经制定了相应的分析指标、形成了基本的方法步骤。分析结果以运维报告的方式呈现，报告中除了必要的描述，更多的加入了图表等表现形式，直观、全面的体现出了系统的各项情况。

1、数据收集

营销系统运维数据的收集依托IT运维呼叫系统，将营销系统指定时间段的运维业务数据查询并导出为表格。通过控制工单的质量，保证从IT运维呼叫系统中收集的数据的准确性;而服务全过程闭环管理保证了数据的完整性。

2、数据清洗

当然，因为数据库中的数据是面向某一主题的数据的集合，抽取出来后不可避免的会存在不符合要求的数据，在数据清洗环节，需要对导出的数据进行处理，将多余的数据去除，将不完整的数据补充完整，对错误的数据进行校验及修正等操作。

3、数据分析

营销系统运维数据的分析分为事件指标分析和服务完成情况分析两大类。事件指标分析包括事件各线解决率、事件响应超时率、事件按时解决率三个指标，主要分析用户上报的营销系统问题最终由哪一服务环节的人员所解决，该问题从用户上报开始各级处理环节的响应情况以及问题是否按时解决。服务完成情况分析包括事件整体情况、按功能模块分析、按地区分析、按事件性质分析这四个指标，其中按事件性质分析又分为按咨询性质分析和按业务数据维护性质分析。

数据分析环节使用到了一些基本的分析方法。描述统计，在服务完成情况分析中运用较多，根据各指标要求对数据进行分类统计，以此来描述数据的分布情况，并进行横向、纵向两个维度的比较。事件整体情况的分析中使用了趋势分析，通过对当年截止目前每月的工单总量、月平均量、占比、环比上月等几个指标变量的统计和计算，形成一个简单的数据趋势图，以此来观察营销业务全年运维情况是否存在周期性，是否有峰谷时段并进一步分析产生的原因。按咨询性质分析的目的是产生“咨询TOP5”，即统计周期内咨询类问题最多的前五名，主要为了分析营销系统运维过程中的共性问题，其分析方法接近聚类分析法[2]。首先将统计出的工单标题进行聚类，相似标题内容形成一类，从而归纳出共性问题的内容，接下来，根据共性问题的内容，对工单进行筛选、统计，确定出每一个共性问题的出现的工单总量，最后通过排序法得出前五名。

4、结果展示

在营销系统运维业务数据分析中，使用最多的工具是数据透视表。透视表是一种交互性的表格，用于数据分类统计、筛选、计算和排序等，可以非常方便的从多角度分析数据。通过透视表直接生成常用的几种数据图，如：柱状图、饼图、折线图，展示数据分析的结果。

5、反馈与改进

目前在营销系统运维报告中依然采用文字来描述结果以及产生此结果的原因、改进的措施。根据分析结果得出需重点解决的运维质量问题。而改进主要體现在运维方式的改进、客户服务方式的改进以，以及对用户需求和行为趋势的预测等。

结 语

未来，数据分析将逐步成为IT的核心，在大数据、机器学习、云计算等新兴技术的带动下，数据分析越来越趋于可视化、动态监控。电网IT运维呼叫中心，在十三五规划期间也将把握时机大力发展数据分析，进一步提升运维服务水平，逐步实现精细化、数据化、精益化管理，朝着新一袋客户中心迈进。

参考文献：

[1]庞建军.基于大数据的电力营销管理分析.《集成电路应用》，2020年.01期

[2]慕福林.电力营销数据聚类方法研究.《电气应用》，2015年.S1期