孙博华

一、引言

由于营销业务差错在线稽查模式具有流程规范、易于聚焦的特点，在营销稽查业务体系运作中，一直是主要的手段和方法。而现有稽查模型主要以营销业务应用系统数据源为基础，对外部监管提示的风险没有触及，稽查视角单一，稽查结果缺少校验或溯源数据，且存在部分主题稽查效率不高等问题。本文基于大数据全样本及相关性原理，以深挖营销业务应用系统海量数据，横向融合营销相关系统及企业外部数据为手段，打破原有稽查模型视角单一，缺少溯源数据，部分主题稽查效率不高等问题，聚焦报装、抄表、电费、计量和档案管理等五个业务类，构建营销业务差错在线稽查模型训练流程，完成稽查模型迭代优化设计，针对当前营销业务敏感风险点开展了有效防控，保持了营销业务差错稽查体系运作的活力和生命力。

二、营销稽查概述

营销稽查属于一种新型的电力营销管理手段。主要是利用先进的计算机技术，对电力行业中各项电力营销工作进行实时监察、实施控制，并且在监察的过程中，及时发现目前电力营销管理中存在的问题，并据此提出科学、有效的解决方案，以进一步提高整个电力企业的运行水平，具体来说，电力营销管理中的营销稽查主要包括四方面内容：

（1）用电检查稽查

主要是对用电合同进行有效的监察，看双方的合同是否有效、是否规范，签署合同的双方是否严格按照合同上的相关规定履行自己的义务；同时，还要对用电户中出现的异常用电量、异常电费现象进行核对、检查；最后，当电力终端用电户的用电业务发生改变时，也要及时对其具体变更情况进行核对、检查。

（2）计量管理稽查

主要是对电力终端用户的用电计量工具、计量方式进行核对、检查，看其是否合乎规范；同时，针对用电户的计量装置改造、计量装置出现故障、计量装置更换后新参数的设定等进行稽查。

（3）电费稽查

主要是针对用电户抄电表的日期、电费有无出现异常，对用电户限电和停电情况等进行核对，看其是否属实，同时，对电价的执行情况、电费有无到账、电费报表是否准确等进行核对。

（4）电力营销系统检查

主要针对电力企业中营销人员的工作情况进行有效的稽察，包括：营销人员是否对客户信息进行了详细的登记，所填写的客户资料是否属实等。

三、营销稽查模型

首先通过管理规定、作业流程、典型案例或以往稽查情况，逆向思维追溯业务端管控失效点；接着对失效点进行数据分析，基于大数据全样本原理和相关性思维，一方面深挖营销业务应用系统中数据逻辑关系，一方面利用多源数据视角，打破数据孤岛，在营销相关系统中查模型初设及抽取数据，开展模型训练；最后将稽查结果代入模型，进行验证评估，并结合大数据迭代优化思维，对稽查模型优化调整，确定稽查模型应用渠道。在数据资源上，一方面深挖营销业务应用系统海量数据，梳理了业扩、抄核收、电费、计量、客户服务等营销业务应用系统多业务关联数据。；一方面横向融合了营销相关多源数据，应用了采集系统的日电量、电压、电流、最大需量值等数据；财务到账数据；营配调贯通停送电信息，线、变、户关系数据；调度电能量系统专线用户互感器信息数据；企业外部数据，如支付宝银行卡类型信息、移动手机。在数据组织方面，从相关业务系统抽取稽查模型所需数据，经过清洗、转换，形成基于主题应用的数据集。

构建模型时，从数据集和外部数据中获取相关信息，经过数据处理，形成标准数据，运用规则提取、阀值选择、风险判断等技术进行模型分析，再将稽查的异常数据代入模型，进行验证、评估，实现模型的迭代优化。

四、营销稽查模型在电力营销管理中的运用

在报装管理方面，通过流程时限、异常报装信息、受电设施投运时间等特征维度，重点关注报装流程真实性，构建异常稽查模型。例如通过配电PMS送电时间，校验客户新装专用变投运时间。

在临时用电管理方面，从用户用电信息、合同签订等特征维度，构建临时用电管理异常稽查模型。例如临时用电到期，未续签合同继续用电问题，原来的稽查模型以营销业务应用系统中“是否停电”标志为特征值，但发现该标志被擅自修改问题，在引入采集系统日用电数据后，稽查准确度极大提高。

在抄表管理方面，从通过聚焦不使用采集系统数据或不使用采集系统抄表例日数据、以及用电变更情况下的抄表行为等特征维度，构建抄表管理类稽查模型，重点跟踪擅自人为调整电量、电量电费少计、漏计等问题。例如利用采集表止度数据，挖掘抄表例日至专用变暂停日之间电量电费延期发行问题，稽查模型首次试运行即发现200余万千瓦时电量延期发行。

在电量电费计收方面：从最大需量、计费示数项、用户受电设施异动等特征维度，构建电量电费计收稽查模型。例如利用采集系统记录每日最大需量值，并根据每日数据得出用于结算的计费周期最大需量值的这一多源数据特性，构建最大需量值多源数据交叉比较稽查模型，2019年4月稽查整改的差错较2018年全年提升了117%。

在电费管理方面：从异常销账行为、预收冻结规范性、大额频繁电量电费退补、1对N（N对1）预收互转、客户计费信息异动等特征维度构建电费管理稽查模型，重点关注电费虚假核销等问题。例如在使用信用卡套现行为稽查上，首先在营销业务应用系统中稽查一张银行卡为多个营销账户刷卡缴费的疑似数据。之后应用支付宝的数据判断银行卡是储蓄卡还是信用卡，如是信用卡，则会出现提示不能转账信息。

在电能表拆装工作质量方面：主要从拆表止度信息，电能表安装前后用电信息等特征维度，构建稽查模型。例如通过采集表止度数据，校验营销业务应用系统拆表止度信息；利用拆表前后月、日电量数据异动，稽查疑似因装拆表工作质量引发的串户问题。在电能表消缺管理方面：主要从涉及计量装置缺陷消缺时长和手工抄表频繁度等特征维度，构建稽查模型。

在档案管理方面：一方面通过营配调贯通数据，稽查线、变、户档案差错，例如通过线路停电信息，与该线路上客户的采集系统用电信息进行比对；另一方面引入企业外部数据，溯源客户基础档案信息，例如与省公安厅就居民姓名、身份证、地址等信息溯源达成协作意向，开展居民用户地址门牌二维码收集。

五、总结

稽查模型在电力营销管理中的运用逐步构建了常态化、不断持续、不断提升的风险挖掘、模型构建、验证评估、分类应用的营销业务差错在线稽查迭代闭环工作方式，结合稽查模型特点，全面应用于在线稽查、专项稽查、现场稽查等各渠道。2019年上半年应用本稽查模型挖掘业务前端风险管控失效点60个，纠正各类业务差错10.63万例，主要包括：报装管理类2.43万例、抄表管理类0.57万例、电量电费计收类2.24万例、电费管理类0.83万例、电能表拆装类1.28万例、电能表消缺管理类3.28万例；纠正电费、业务费差错1980万元。

我们认识到，大数据将成为供电企业挖掘风险，提高效率的基本能源，只有将“抽象”的数据嵌入到稽查模型中，才能让营销数据体现其为我所用的价值；在未来的大数据业务化过程中，通过数据挖掘，寻找业务漏洞、创新业务手段，不断完善营销业务差错的防控体系。