优化电力营商环境背景下电力供应商画像研究

周鹏程，曾 鸣

（1.南方电网物资有限公司，广东 广州 510620；2.华北电力大学 经济与管理学院，北京 102206）

0 引言

2020 年1 月国务院发布的《优化营商环境条例》正式开始实施；2020 年9 月，国家发展改革委、国家能源局出台《关于全面提升“获得电力”服务水平持续优化用电营商环境的意见》。一系列条例和指导意见的出台，旨在不断解放和发展社会生产力，加快建设现代化经济体系，畅通国内国际双循环，推动我国高质量发展［1-2］。在国家大力优化（电力）营商环境的背景下，电力企业如何不断优化电力营商环境来激发市场活力、助力经济社会发展值得进行深入研究［3］。

现阶段，对于电力企业而言，由于对供应商关系管理的认知不够，电力企业与供应商之间的关系大多数情况下只是短暂的供需关系，没有真正形成现代供应链上下游之间的战略合作关系［4］。此外，电力物资采购要求数量大、价值高、质量好，一旦出现供应商履约或供货质量问题，将给电力工程建设和电网安全稳定运行造成极大的影响［5］。因此，在优化电力营商环境背景下，电力企业需要对供应商招标采购、履约能力、绩效评价、风险监督等方面作出科学、有效地系统性评估。

用户画像（User Portrait，UP）最早应用于企业开展精准营销。近年来，随着“云大物移智链”技术的迅猛发展以及用户侧逐渐多元化、个性化的需求，用户画像技术已成为国内外学术界关注的热点话题。文献［6］将最大相关最小冗余准则应用于电力用户用电特征选取，提出了一种电力用户用电特征选择与行为画像方法。文献［7］对用户画像最新研究成果进行了细致梳理，揭示了用户画像建模的不同方法，并总结了各类建模方法的特点与发展趋势。文献［8］分析了电力用户画像的数据来源及大数据实现技术，验证了电力用户画像在业务系统平台中的场景应用。可以看出，国内外学者针对用户画像的画像体系和方法进行了深入研究，但选取的用户对象局限于市场营销方面。此外，随着我国经济社会转向高质量发展，尤其是在优化营商环境背景下，针对用户的画像研究显得尤为重要。

鉴于此，在优化电力营商环境背景下，针对电力供应商画像研究与应用展开深入分析。首先，梳理了用户画像的原则和流程，研究优化营商环境下的画像数据特征；其次，明确电力供应商画像研究思路，分别从供应商群体、供应商个体、供应商指标等维度由浅入深构建了电力供应商画像标签体系，并对标签体系进行了画像可视化呈现；最后，针对招标采购领域，分别从招标采购策略动态决策、预测投标人合理报价区间、判断投标人不良投标行为等3 个方面开展电力供应商画像的应用研究。

1 用户画像相关理论

1.1 用户画像概念

用户画像是指运用数据挖掘技术，通过采集用户的行为和习惯等特征，经过一系列数据挖掘与分析后，赋予用户的信息标签，建立用户虚拟形象模型，以此勾画出目标用户，并给出用户诉求与服务设计方向，即用户的所有信息标签集合［9］。用户画像作为一种科学、准确再现用户全貌的有效工具，不仅能够反映用户兴趣爱好、习惯特征和行为动机，也为企业深度挖掘用户需求与价值、提升用户体验、实施精准营销带来了新途径、新方式［10］。

随着我国“云大物移智链”技术的发展以及电力设施及设备多元化、智能化的需求，将用户画像技术应用于电力供应商选择与评价等方面，已成为助力优化电力营商环境、打造电力企业高质量营商环境的关键举措。

1.2 用户画像原则

基于用户画像的概念，在进行用户画像时应遵循以下原则：

1）画像时效性原则。用户的行为和习惯等特征并不是一成不变的，伴随着新用户的加入，用户信息标签也易发生变化，因此需要及时更新用户标签，保证用户画像的精准性和时效性［11］。

2）画像多维度原则。随着大数据技术的发展，更多用户数据被挖掘获得，通过对海量用户数据进行维度划分，进行用户画像能够得到更加精确信息标签，并通过用户标签来优化用户画像模型。

3）画像关联性原则。用户画像涉及维度需要结合应用场景，还要保证各维度信息关联性。关联信息可以是标签之间的因果信息，或是相关度很高的信息，此外，还应设置关联信息度的取值范围。

1.3 用户画像流程

用户画像的流程遵循数据收集→数据处理→标签建模→画像成像的过程。

1）收集用户信息数据。收集的用户信息数据主要包括静态属性信息（如人口、年龄、地域等）和动态属性信息（如购买时机、消费习惯、使用行为等）。此外，在收集信息数据时要严格遵循用户画像原则，尤其是用户信息的纬度并不是越多越好，只需要获取与目标客户群体（或个体）同业务场景、同产品等强相关的可用信息数据，并及时做好数据更新。

2）信息数据预处理。针对获取收集的用户信息数据进行筛选、剔除、补缺、整合等预处理，将定性数据转换为可比较的具体数值，进行信息特征量化，并统一信息数据的数量级，消除数据之间的量级差异。

3）信息数据分类与降维。将收集的用户信息数据进行特征维度分类，确定适当的类别组数，并通过计算不同类别的信息数据检验分类结果。在此基础上，对分类后的信息进行降维，将其划分为不同层次维度。

4）生成用户画像标签体系。画像标签是通过对用户信息分析得出的高度精炼的特征标识，从数据层面分析信息特征维度下不同簇的用户区别。因此，通过将用户信息数据形成标签体系，勾勒出立体的用户画像［12］。

5）用户画像建模。用户画像建模主要是对信息特征分类后，对不同类别用户进行评级。在分析用户信息标签体系的基础上，选择合适的评价模型用于用户画像［13］。

6）用户画像成像。运用画像模型开展用户群体画像和个体画像。基于画像结果进行营销策略分析，充分发挥数据生产力的价值。

1.4 优化营商环境下的画像数据特征

优化营商环境背景下，通过“云大物移智链”等先进的计算机信息处理技术、现代通信技术不断解放和发展数据生产力，将经济社会中海量信息汇集在一起，也将企业和用户互联在一起，通过物联网技术与画像技术的结合，根据用户的属性、行为等特征进行分类分析，辅助企业开展精准营销，提升产品运营水平和业务服务质量，优化营商环境下的用户画像数据特征如图1所示。

图1 优化营商环境下的画像数据特征

在优化营销环境背景下，用户画像数据采集呈现出实时、海量、全面的特征，即采用智能化信息采集技术全面获取供应链平台上的实时、海量数据。在数据分析方面，利用数字挖掘、信息处理技术将采集数据按不同情境、不同深度进行层次化分析，并将分析结果上传计算机云端。在数据应用方面，优化营销环境背景下的用户画像实现了开放、共享，为电力企业高效、便利地调用分析数据提供应用支撑。

2 电力供应商画像研究思路

电力供应商画像（Power Supplier Portrait，PSP）主要是对电力企业的供应对象进行画像，通过收集供应商在企业实力、标的质量、履约与售后、评价与监督等方面的评价信息数据，基于不同数据特征得到定性分组，并生成供应商标签体系，通过画像建模得到立体的供应商画像，旨在帮助电力企业选择与管理供应商、优化招标采购决策。因此，针对电力供应商进行画像建模，能够直观、精准地观察和反映电力供应商的履约能力及实力水平，为预测和鉴别供应商信用风险提供理论支撑［14-15］。

电力供应商画像研究思路如图2 所示，遵循“数据收集与处理→数据分类与降维→生成标签体系→计算标签权重→标签重要性排序”的流程。

图2 电力供应商画像研究思路

3 电力供应商画像体系构建

3.1 供应商群体画像

按照电力企业的采购类别划分，供应商群体画像可分为工程类供应商、货物（或物资）类供应商和服务类供应商。此外，由于采购又可分为招标采购和非招标采购，为减少供应商画像标签体系的层次和降低标签冗余性，不再进行详细划分。

3.2 供应商个体画像

在供应商群体画像的基础上，针对每个供应商，分别从企业实力、标的质量（区分为施工、货物和服务质量）、履约与售后、评价与监督等4 个方面对供应商个体进行画像。

3.3 供应商指标画像

在供应商群体画像和个体画像的基础上，将企业实力、标的质量、履约与售后、评价与监督继续细化为供应商指标属性。以企业实力为例，可分为企业规模、资信情况、财务状况、业绩情况等。

3.4 供应商画像标签体系

综上所述，将电力供应商群体画像、个体画像、指标画像按不同维度层次构建供画像标签体系。工程类、货物类、服务类的电力供应商画像标签体系及含义如表1—表3 所示。由表可知，企业实力、施工质量、履约与售后、评价与监督标签均包含4 个指标画像标签。

表1 电力供应商（工程类）画像标签体系

表2 电力供应商（货物类）画像标签体系

表3 电力供应商（服务类）画像标签体系

表3 （续）

至此，经上述研究分析，构建了电力供应商画像指标体系。对画像标签体系进行直观展示，以电力供应商（货物类）画像为例，可视化呈现如图3 所示。通过电力供应商画像可视化呈现，能够帮助招标人加强采购过程管控和提高评标专家评审工作质量。

图3 电力供应商（货物类）画像可视化呈现

4 电力供应商画像在采购领域的应用

4.1 招标采购策略动态决策

以电力供应商画像标签体系为基础，构建招标采购策略动态决策模型。收集投标人资质能力、报价比例、投标行为习惯等历史同类采购信息数据，应用大数据、云计算等算法技术，构建多层次维度的潜在投标人画像模型，自动生成市场竞争度分析结果，其中包含通过资格预审的潜在投标人的数量、投标竞争程度、预期报价等信息数据，辅助招标采购前提工作。结合大数据分析和模型预测结果，动态调整优化招标采购项目的标包划分、评审委员会组成、以及招标文件中资格条件设置、业绩要求、评审办法等招标采购策略，并不定期开展循环更新，形成招标采购策略动态决策辅助机制。

4.2 预测投标人合理报价区间

通过构建投标人报价行为体系来预测投标人合理报价区间。应用大数据、云计算等算法技术，对投标人历史报价数据进行价格趋势度、报价偏离度等汇总分析。此外，通过获取合理的市场基准价，基于模型测算不同投标人报价与市场基准价之间的差动比例，并基于投标人报价以及市场价格自动预测投标人合理报价区间。结合大数据分析和预测结果，科学优化招标采购项目的预计采购金额、最高限价以及评审办法中的价格分计算方式，从而合理控制项目的中标价格，减少招标采购成本。

4.3 判断投标人不良投标行为

判断投标人不良投标行为，减少招标采购活动资源的浪费。应用大数据、云计算等算法技术从投标人在招标采购活动过程中的不良行为进行统计分析，包括收集投标人资格预审、后评价以及黑名单查询结果等信息数据，结合投标人报价行为分析和历史投标习惯特征，重新梳理和识别招标文件中影响投标人不同投标行为的条款，包括预计采购金额、工期规模、资格条件以及评审方法要素等，并将分析结果运用于招标采购项目的投标家数分析和流标率分析，提高项目的一次采购成功率。

4.4 改进招标采购管理策略

基于电力供应商画像模型成像结果，例如投标人投标次数、中标率和中标品类等信息，能间接表明该投标人对市场拓展能力。如某供应商在某一品类的中标率不断提升，则反映其在该市场领域的竞争能力和市场拓展能力不断加强。此外，供应商画像结果还能反映出到货及时性、服务质量，电力企业由此可以判别投标人的履约能力与市场实力是否匹配，帮助企业改进招标采购管理策略［16］。

5 结语

优化电力营商环境对电力行业加强企业供应链高效协同发展提出了更高的要求。为助力优化电力营商环境，推动电力企业与供应商打造现代化能源电力供应链，针对电力供应商画像应用展开研究。基于用户画像的理论概念，归纳梳理了用户画像的原则和流程，研究了优化营商环境下的画像数据特征，明确了电力供应商画像研究思路。在此基础上，分别从供应商群体、供应商个体、供应商指标等多层次维度，构建电力供应商画像标签体系，并对标签体系进行了画像可视化直观呈现。最后，在招标采购领域，探索电力供应商画像应用的适用性与实用性。