全振嘉

【摘  要】当今时代是一个信息大爆炸的时代，信息化的不断深化依赖于网络技术的迅猛发展。互联网技术的快速发展为大数据能够迅速覆盖到各行各业提供了数据、信息和资源的保障。在越来越信息化和数据化的时代浪潮中，供电服务也紧跟时代步伐进入了数据化阶段。电力大数据的有效应用可以面向行业内外提供大量高附加值的增值服务业务，对于电力企业盈利和管理水平的提升具有重大意义。本文先对大数据的发展进行简要介绍，随后分析了供电服务大数据的特点及其在电力行业各环节的应用，最后对供电服务大数据的关键技术进行了分析，希望能为供电服务业的进一步发展起到促进作用。

【关键词】供电服务;大数据分析;大数据运用;关键技术

1 引言

大数据分析与应用正在快速改变着各行各业，电商的成功、互联网行业爆发式增长以及互联网金融的高速发展，向各大行业展现了互联网与行业融合的巨大发展潜力。而在这其中，大数据扮演着核心角色。互联网的本质是信息的互联和处理，而信息则以数据为载体。电力行业蕴含了巨大的数据资源，同时也呈现出突出的数据价值需求。智能电网的不断发展实现了电力系统与信息通信系统的高度融合，为提取海量的电力大数据带来有力支撑，也给大数据的深化应用提供了较好的平台，大数据分析应用在供电服务发展过程中必将发挥越来越重要的作用。

2 大数据下供电服务问题

2.1大数据下供电服务水平有待提升

目前，供电服务流程未能从根本上实现以客户为导向的优化，仍存在诸多制约流程运作效率和影响客户满意度的因素，并且催费、业扩工程与服务等相关业务环节之间的关系，部分人员不能正确处理。因此，客户日益提高的用电服务需求与现有供电服务管理水平的矛盾成为供电公司亟待解决的问题。从近年来的统计数据分析，客户服务事件出现波动性上升态势，尤其是投诉事件增长趋势明显，其中抄表不到位，抄表催费人员、营业窗口员工服务态度差，业扩新增工作流程超时限等服务事件频发。这一系列的问题给供电公司敲响了一个警钟，必须认真分析服务事件产生的原因，及剖析事件背后存在的管理漏洞。因此如何采取有效手段，减少投诉、意见等服务事件的产生，提高业扩报装工作效率，提升供电服务管理水平，成为公司在管理工作中需要解决的重要问题。

2.2大数据下供电服务监督机制不健全

由于历史原因，存在着对供电服务管理工作重视不够的问题，没有健全供电服务工作保证体系和监督体系，供电服务工作任务指令缺乏刚性化，造成执行能力的下降和监督考核工作的不利，难于对供电服务指标和过程进行实时监控。目前，供电服务管理基本上还是业务部门内部进行约束、管理，少有专门机构进行监督、分析、考核，对投诉、意见形成的原因没有深入分析，对客户投诉、意见等服务事件没有专门机构进行分析、跟踪、监督。

2.3大数据下供电服务管理信息实时性较差。

供电服务信息实时性不强而且分散，大量的供电服务信息保存在多个部门，各自独立，形成了信息孤岛，没有统一、规范的统计和分析，无法形成全局的信息资源共享，对业扩报装、计划、故障停电等重要信息无法及时沟通，整个供电服务管理体系中没有建立快速的供电服务预警信息反应机制。

3 典型应用研究

3.1停电影响分析

停电不仅是公司内部生产管理的事件，还是影响千家万户日常工作和生活的重要事件。供电服务指挥中心，除了根据停电信息对客户开展停电查询服务外，还应大力开展停电对客户服务影响的分析，并根据客户业务诉求提供主动干预和服务。同时，供电服务指挥中心还应有针对性地对进行停电分析和预测，找到服务改进的方向，进一步提升精益化管理水平和服务水平。停电大数据分析应用分为2个层面。

在管理层面，针对停电发布、变更等生成或修改的停电信息，管理人员根据发布的停电信息，一方面根据停电信息分析停电对客服中心话务和业务带来的影响;另一方面根据停电信息的频繁程度等分析电网质量情况。在座席层面，根据停电的用户范围，针对停电的敏感客户及停电的反应和业务诉求，预测分析停电信息发布后的客户行为，根据客户诉求开展主动服务，对客户行为进行干预，有效降低停电客户的来电数量。

通过分析停电历史数据，关联分析在停电状态下的用户业务行为，包括停电区域内的用户故障报修、投诉、意见、咨询等业务情况，利用聚类、概率统计等分析方法，建立客户停电敏感分析模型，从客户分类分群的角度，为停电客户的主动服务提供数据支撑。

3.2客户关注热点及客户分群

为了保障客户的满意度，除及时解决客户需求外，还可以主动了解客户关注热点，从客户最关注的方面进行服务和管理。关注热词指数是指根据供电服务指挥中心每天产生的大量数据，进行高频词分析提取，匯总高频词出现率，形成客户当前关注热词指数排行榜。

客户分群是指根据客户关注点及请求频率等客户特征，按照偏好标签库和交互频次设置，自动识别客户的偏好标签和交互频次类型，形成一定用户量的客户分群，为该群体提供更多个性化的交互服务和营销服务。

偏好标签是指按照客户个人关注热点，依据偏好标签库设置，自动识别客户偏好标签，如电费敏感型客户、投诉热衷型客户、事件敏感型客户、业务关注型客户、微信关注型客户、APP关注型客户、潜在电动汽车客户等。交互频次是指按照客户在各渠道的交互习惯进行分群管理，如按一定时间内与客户的交互频次进行分群，分析各类客户的群体特性，提供精准服务。

3.3人工话务量预测

通过对历史信息进行自我学习，分析影响人工话务需求量的特征信息，分析各类特征或特征组合与人工话务需求量之间的关联规律。基于上述特征影响规律，对当前及未来的特征信息进行过滤及规律匹配，预测出人工话务需求量曲线以及各特征对话务需求的影响量。

1）特征过滤。对现状信息、可预知的未来特征信息（如明日是节假日、天气预报等），依据关键影响因素池进行过滤，剔除非关键影响因素。

2）匹配预测。将现状信息、可预知的未来特征信息中的关键影响因素数据与影响规律库进行匹配比对，预测出各特征因素影响的人工话务需求量，并经过综合汇总得出人工话务需求量预测值。

3.4客户满意度分析

用于推测事物的可能结果。分析挖掘出影响客户满意度的强关联事件，如高温天气、台风，就可以完善事前管理，更合理地部署干预，尽可能降低影响范围和影响程度，降低客户的不满意度。分析挖掘出影响员工满意度的事件，就可以检讨管理问题，加强与员工的沟通，及时纠偏，防止绩效下滑，从而提升客服能力。

4 结语

供电服务大数据符合当今电力发展的要求，适应国家当代的发展理念。对供电服务大数据进行深入分析和研究，能够帮助人们对供电企业的正确认识，加快我国电力服务的发展。我们对供电服务大数据进行分析，实际上就是在关注我国电力系统发展的未来，促进我国电力服务的演进和提高。

参考文献：

[1] 赵晓东.面向大数据的供电企业电力营销服务体系构建分析[J].内蒙古电力技术，2016，34（4）：29-31.

[2] 郭永强，高峰，贾海锋.基于大数据背景下的电力企业营销管理创新分析[J].城市建设理论研究（电子版），2017（35）.