數據挖掘對供電營銷的支撐

前言：本站為你精心整理了數據挖掘對供電營銷的支撐范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

供電營銷管理中存在的疑難問題

供電營銷管理過程中由于用電客戶量大、類型不一、用電情況不定、季節性差異較大等諸多因素影響，經常會發生各種問題，因此，做好以下幾方面工作對提高供電企業營銷管理智能化水平有很大幫助。

1、托欠電費管理，供電客戶涉及千家萬戶、各行各業，按用電性質分主要有居民用電客戶、小商業用電客戶和大工業用電客戶，在實際用電過程中，存在用電客戶由于不同原因造成的托欠電費情況，這就給供電企業的經營管理帶來了很大的風險，形成了資金不能及時回收問題。

2、電力客戶信譽度管理，目前，供電企業正在對電力客戶進行信譽度等級劃分模式探討，但實現的過程中存在一些問題，一方面通過供電SG186營銷管理系統不能實現電力客戶月、季、年的欠費信息統計分析功能，另一方面對系統中統計出的欠費用電客戶信息不能直接分析出欠費情況所占電費發生情況的比例額度，無法進行對電力客戶信譽度的準確劃分。

3、用電需求側管理，現狀下，供電企業需求側管理工作主要是通過對前一階段用電負荷曲線分析及用電業務報裝申請情況來確定，很多因素不能直接反映具體電力客戶的用電量增減變化，不能通過電力客戶基本用電情況匯總來確定實際的需求側管理，特別是一個特殊地區、特定時間范圍內的用電量需求情況。

供電營銷系統中使用的數據挖掘手段

1、數據挖掘的過程就是信息發現的過程，其所能發現的信息有如下幾種：廣義信息，反映同類事物共同性質的知識；特征信息，反映事物各方面的特征知識；差異信息，反映不同事物之間屬性差別的知識；關聯信息，反映事物之間依賴或關聯的知識；預測信息，根據歷史的和當前的數據推測未來數據；偏離信息，揭示事物偏離常規的異?，F象。所有這些信息都可以在不同的概念層上被發現，隨著概念樹的提升，從微觀到宏觀，滿足不同決策層的需要（如圖1所示）。對供電營銷管理而言，其中最重要的信息就是預測信息和偏離信息，通過對該兩類信息的挖掘，能夠為決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經營管理過程中產生的欠費風險，正確安排供電端負荷分配。

2、供電營銷數據挖掘，就是指充分利用營銷SG186系統數據庫、人工智能、數理統計、并行計算等交叉學科知識，通過預測未來一段期間內用電客戶交費情況、用電量情況的趨勢及行為，做出預測性的決策。在數據挖掘的過程中，右能會用到的挖掘類型。

（1）關聯分析（AssociationAnalysis），關聯分析能尋找到數據庫中大量數據的相關聯系，常用的一種技術為關聯規則和序列模式。關聯規則是發現一個事物與其他事物間的相互關聯性或相互依賴性。

（2）聚類輸入的數據并無任何類型標記，聚類就是按一定的規則將數據劃分為合理的集合，即將對象分組為多個類或簇，使得在同一個簇中的對象之間具有較高的相似度，而在不同簇中的對象差別很大。聚類增強了人們對客觀現實的認識，是概念描述和偏差分析的先決條件。聚類技術主要包括傳統的模式識別方法和數學分類學。

（3）自動預測趨勢和行為，數據挖掘自動在大型數據庫中進行分類和預測，尋找預測性信息，自動地提出描述重要數據類的模型或預測未來的數據趨勢，這樣以往需要進行大量手工分析的問題如今可以迅速直接由數據本身得出結論。

（4）概念描述，對于數據庫中龐雜的數據，人們期望以簡潔的描述形式來描述匯集的數據集。概念描述就是對某類對象的內涵進行描述并概括出這類對象的有關特征。概念描述分為特征性描述和區別性描述，前者描述某類對象的共同特征，后者描述不同類對象之間的區別。生成一個類的特征性只涉及該類對象中所有對象的共性。生成區別性描述的方法很多，如決策樹方法、遺傳算法等。

（5）偏差檢測，數據庫中的數據常有一些異常記錄，從數據庫中檢測這些偏差很有意義。偏差包括很多潛在的知識，如分類中的反常實例、不滿足規則的特例、觀測結果與模型預測值的偏差、量值隨時間的變化等。偏差檢測的基本方法是尋找觀測結果與參照值之間有意義的差別。這常用于金融銀行業中檢測欺詐行為，或市場分析中分析特殊消費者的消費習慣。

數據挖掘在供電營銷管理中實現的功能

1、托欠電費用戶預測，供電企業電力客戶交費基本上分為預購電以實際用電量結算和先用電后結算兩種方式，其中先用電后結算方式客戶經常會出現托欠電費情況，通過對電力客戶交費情況的數據挖掘，應用聚類和自動預測趨勢和行為的研究方法，使用最大期望值（EM）等相關算法分析，能夠讓供電企業員工容易得到經常欠費用電客戶信息，在月度電費摧繳過程中提前通知相關客戶，達到預防托欠電費情況發生的目的。

2、電力客戶信譽等級評定，通過對現有電力客戶數據信息評估分析，建立挖掘分析模型獲得客戶信譽等級評分，并以此為基礎結合用戶分群的結果，將電力客戶進行分群，通過ETL（數據的抽取、轉換、載入）將所需的數據分別導入數據倉庫中，經過數據整合、數據清理、數據選擇、建立挖掘模型等過程進行客戶信譽度等級評定，完成后可以對電力客戶按月度、季度、半年、一年、兩年、三年等時間段，精確掌握電力客戶的欠費信息，對客戶信譽度精確劃定，更好的提高供電企業的服務質量和服務標準。

3、用電需求預測，結合本文所使用數據源和相應數據倉庫，應用OLAP工具建立一個多維分析模型，結合數據挖掘的估計和預測功能實現用電需求側的科學管理。

作者：左云會周鳳華單位：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