前言：本站為你精心整理了數(shù)據(jù)挖掘?qū)╇姞I(yíng)銷的支撐范文，希望能為你的創(chuàng)作提供參考價(jià)值，我們的客服老師可以幫助你提供個(gè)性化的參考范文，歡迎咨詢。

供電營(yíng)銷管理中存在的疑難問(wèn)題

供電營(yíng)銷管理過(guò)程中由于用電客戶量大、類型不一、用電情況不定、季節(jié)性差異較大等諸多因素影響，經(jīng)常會(huì)發(fā)生各種問(wèn)題，因此，做好以下幾方面工作對(duì)提高供電企業(yè)營(yíng)銷管理智能化水平有很大幫助。

1、托欠電費(fèi)管理，供電客戶涉及千家萬(wàn)戶、各行各業(yè)，按用電性質(zhì)分主要有居民用電客戶、小商業(yè)用電客戶和大工業(yè)用電客戶，在實(shí)際用電過(guò)程中，存在用電客戶由于不同原因造成的托欠電費(fèi)情況，這就給供電企業(yè)的經(jīng)營(yíng)管理帶來(lái)了很大的風(fēng)險(xiǎn)，形成了資金不能及時(shí)回收問(wèn)題。

2、電力客戶信譽(yù)度管理，目前，供電企業(yè)正在對(duì)電力客戶進(jìn)行信譽(yù)度等級(jí)劃分模式探討，但實(shí)現(xiàn)的過(guò)程中存在一些問(wèn)題，一方面通過(guò)供電SG186營(yíng)銷管理系統(tǒng)不能實(shí)現(xiàn)電力客戶月、季、年的欠費(fèi)信息統(tǒng)計(jì)分析功能，另一方面對(duì)系統(tǒng)中統(tǒng)計(jì)出的欠費(fèi)用電客戶信息不能直接分析出欠費(fèi)情況所占電費(fèi)發(fā)生情況的比例額度，無(wú)法進(jìn)行對(duì)電力客戶信譽(yù)度的準(zhǔn)確劃分。

3、用電需求側(cè)管理，現(xiàn)狀下，供電企業(yè)需求側(cè)管理工作主要是通過(guò)對(duì)前一階段用電負(fù)荷曲線分析及用電業(yè)務(wù)報(bào)裝申請(qǐng)情況來(lái)確定，很多因素不能直接反映具體電力客戶的用電量增減變化，不能通過(guò)電力客戶基本用電情況匯總來(lái)確定實(shí)際的需求側(cè)管理，特別是一個(gè)特殊地區(qū)、特定時(shí)間范圍內(nèi)的用電量需求情況。

供電營(yíng)銷系統(tǒng)中使用的數(shù)據(jù)挖掘手段

1、數(shù)據(jù)挖掘的過(guò)程就是信息發(fā)現(xiàn)的過(guò)程，其所能發(fā)現(xiàn)的信息有如下幾種：廣義信息，反映同類事物共同性質(zhì)的知識(shí)；特征信息，反映事物各方面的特征知識(shí)；差異信息，反映不同事物之間屬性差別的知識(shí)；關(guān)聯(lián)信息，反映事物之間依賴或關(guān)聯(lián)的知識(shí)；預(yù)測(cè)信息，根據(jù)歷史的和當(dāng)前的數(shù)據(jù)推測(cè)未來(lái)數(shù)據(jù)；偏離信息，揭示事物偏離常規(guī)的異?，F(xiàn)象。所有這些信息都可以在不同的概念層上被發(fā)現(xiàn)，隨著概念樹(shù)的提升，從微觀到宏觀，滿足不同決策層的需要（如圖1所示）。對(duì)供電營(yíng)銷管理而言，其中最重要的信息就是預(yù)測(cè)信息和偏離信息，通過(guò)對(duì)該兩類信息的挖掘，能夠?yàn)闆Q策者提供更為合理有效的手段和措施避免或減少在供電企業(yè)經(jīng)營(yíng)管理過(guò)程中產(chǎn)生的欠費(fèi)風(fēng)險(xiǎn)，正確安排供電端負(fù)荷分配。

2、供電營(yíng)銷數(shù)據(jù)挖掘，就是指充分利用營(yíng)銷SG186系統(tǒng)數(shù)據(jù)庫(kù)、人工智能、數(shù)理統(tǒng)計(jì)、并行計(jì)算等交叉學(xué)科知識(shí)，通過(guò)預(yù)測(cè)未來(lái)一段期間內(nèi)用電客戶交費(fèi)情況、用電量情況的趨勢(shì)及行為，做出預(yù)測(cè)性的決策。在數(shù)據(jù)挖掘的過(guò)程中，右能會(huì)用到的挖掘類型。

（1）關(guān)聯(lián)分析（AssociationAnalysis），關(guān)聯(lián)分析能尋找到數(shù)據(jù)庫(kù)中大量數(shù)據(jù)的相關(guān)聯(lián)系，常用的一種技術(shù)為關(guān)聯(lián)規(guī)則和序列模式。關(guān)聯(lián)規(guī)則是發(fā)現(xiàn)一個(gè)事物與其他事物間的相互關(guān)聯(lián)性或相互依賴性。

（2）聚類輸入的數(shù)據(jù)并無(wú)任何類型標(biāo)記，聚類就是按一定的規(guī)則將數(shù)據(jù)劃分為合理的集合，即將對(duì)象分組為多個(gè)類或簇，使得在同一個(gè)簇中的對(duì)象之間具有較高的相似度，而在不同簇中的對(duì)象差別很大。聚類增強(qiáng)了人們對(duì)客觀現(xiàn)實(shí)的認(rèn)識(shí)，是概念描述和偏差分析的先決條件。聚類技術(shù)主要包括傳統(tǒng)的模式識(shí)別方法和數(shù)學(xué)分類學(xué)。

（3）自動(dòng)預(yù)測(cè)趨勢(shì)和行為，數(shù)據(jù)挖掘自動(dòng)在大型數(shù)據(jù)庫(kù)中進(jìn)行分類和預(yù)測(cè)，尋找預(yù)測(cè)性信息，自動(dòng)地提出描述重要數(shù)據(jù)類的模型或預(yù)測(cè)未來(lái)的數(shù)據(jù)趨勢(shì)，這樣以往需要進(jìn)行大量手工分析的問(wèn)題如今可以迅速直接由數(shù)據(jù)本身得出結(jié)論。

（4）概念描述，對(duì)于數(shù)據(jù)庫(kù)中龐雜的數(shù)據(jù)，人們期望以簡(jiǎn)潔的描述形式來(lái)描述匯集的數(shù)據(jù)集。概念描述就是對(duì)某類對(duì)象的內(nèi)涵進(jìn)行描述并概括出這類對(duì)象的有關(guān)特征。概念描述分為特征性描述和區(qū)別性描述，前者描述某類對(duì)象的共同特征，后者描述不同類對(duì)象之間的區(qū)別。生成一個(gè)類的特征性只涉及該類對(duì)象中所有對(duì)象的共性。生成區(qū)別性描述的方法很多，如決策樹(shù)方法、遺傳算法等。

（5）偏差檢測(cè)，數(shù)據(jù)庫(kù)中的數(shù)據(jù)常有一些異常記錄，從數(shù)據(jù)庫(kù)中檢測(cè)這些偏差很有意義。偏差包括很多潛在的知識(shí)，如分類中的反常實(shí)例、不滿足規(guī)則的特例、觀測(cè)結(jié)果與模型預(yù)測(cè)值的偏差、量值隨時(shí)間的變化等。偏差檢測(cè)的基本方法是尋找觀測(cè)結(jié)果與參照值之間有意義的差別。這常用于金融銀行業(yè)中檢測(cè)欺詐行為，或市場(chǎng)分析中分析特殊消費(fèi)者的消費(fèi)習(xí)慣。

數(shù)據(jù)挖掘在供電營(yíng)銷管理中實(shí)現(xiàn)的功能

1、托欠電費(fèi)用戶預(yù)測(cè)，供電企業(yè)電力客戶交費(fèi)基本上分為預(yù)購(gòu)電以實(shí)際用電量結(jié)算和先用電后結(jié)算兩種方式，其中先用電后結(jié)算方式客戶經(jīng)常會(huì)出現(xiàn)托欠電費(fèi)情況，通過(guò)對(duì)電力客戶交費(fèi)情況的數(shù)據(jù)挖掘，應(yīng)用聚類和自動(dòng)預(yù)測(cè)趨勢(shì)和行為的研究方法，使用最大期望值（EM）等相關(guān)算法分析，能夠讓供電企業(yè)員工容易得到經(jīng)常欠費(fèi)用電客戶信息，在月度電費(fèi)摧繳過(guò)程中提前通知相關(guān)客戶，達(dá)到預(yù)防托欠電費(fèi)情況發(fā)生的目的。

2、電力客戶信譽(yù)等級(jí)評(píng)定，通過(guò)對(duì)現(xiàn)有電力客戶數(shù)據(jù)信息評(píng)估分析，建立挖掘分析模型獲得客戶信譽(yù)等級(jí)評(píng)分，并以此為基礎(chǔ)結(jié)合用戶分群的結(jié)果，將電力客戶進(jìn)行分群，通過(guò)ETL（數(shù)據(jù)的抽取、轉(zhuǎn)換、載入）將所需的數(shù)據(jù)分別導(dǎo)入數(shù)據(jù)倉(cāng)庫(kù)中，經(jīng)過(guò)數(shù)據(jù)整合、數(shù)據(jù)清理、數(shù)據(jù)選擇、建立挖掘模型等過(guò)程進(jìn)行客戶信譽(yù)度等級(jí)評(píng)定，完成后可以對(duì)電力客戶按月度、季度、半年、一年、兩年、三年等時(shí)間段，精確掌握電力客戶的欠費(fèi)信息，對(duì)客戶信譽(yù)度精確劃定，更好的提高供電企業(yè)的服務(wù)質(zhì)量和服務(wù)標(biāo)準(zhǔn)。

3、用電需求預(yù)測(cè)，結(jié)合本文所使用數(shù)據(jù)源和相應(yīng)數(shù)據(jù)倉(cāng)庫(kù)，應(yīng)用OLAP工具建立一個(gè)多維分析模型，結(jié)合數(shù)據(jù)挖掘的估計(jì)和預(yù)測(cè)功能實(shí)現(xiàn)用電需求側(cè)的科學(xué)管理。

作者：左云會(huì)周鳳華單位：冀北電力有限公司承德供電公司雙灤客服分中心冀北電力有限公司承德供電公司