王飞飞;周少华;韩迎军蚀刻刀模
【摘 要】电力用户画像是供电服务系统实现\"数据驱动与运营\"的重要举措.构建电力用户画像模型,描述电力用户体行为特征,为精准营销与服务带来了可能.介绍了电力用户画像的基本要求,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.
【期刊名称】《山西电力》
【年(卷),期】2019(000)004
【总页数】4页(P26-29)
【关键词】大数据;用户画像;数据分析
【作 者】cd架王飞飞;周少华;韩迎军
【作者单位】国网山西省电力公司客户服务中心,山西 太原 030008;国网山西省电力公司客户服务中心,山西 太原 030008;国网山西省电力公司客户服务中心,山西 太原 030008
【正文语种】谷氨酰胺合成酶中 文
【中图分类】通水电缆TM73;TP181
0 引言
在智能电网和大数据背景下，电网用电信息采集系统、客户服务信息系统积累了海量的用电数据，数据逐渐呈现出存储周期长、处理复杂计算频率高等特征。用户是用电信息数据产生的主体，如何有序高效、节能环保地引导用户用电意义重大。因此，基于95598大数据平台分析电力用户信息和用电特性，对电力用户本身及供电公司有着重要意义。
电力用户画像分析是建立在海量用电数据的基础上，以电力用户为主体，通过对用户个人特征及用户用电行为数据进行信息挖掘，从用户特征出发，赋予用户画像标签，分析不同用户的用电行为差异特征，进而挖掘用户行为的差异，为电力公司智能化管理提供理论依据。目前对用户用电行为分析的研究还不够深入 [1-3]，用户用电信息数据的价值还没有被 充分运用。因此，本文基于电力用户大数据平台，以用户特征为主体，从画像的角度挖掘用户差异，并分析验证电力用户画像在业务系统平台中的场景应用。
1 主要数据来源及技术框架
1.1 主要数据来源
以某省电力用户的数据作为主要研究对象，用户的用电测量原始数据非常大且相对比较分散，必须经过筛选才能应用到实际中 [4]。本文对原始数据进行剔除或者补充操作等相关预处理（包括数据的修复和剔除以及数据的归一化处理等）后，形成相关数据集。表1为用户的用电测量数据来源，数据分为两大部分，一部分为用户基础数据，另一部分为电力用户的增量数据 [5]，根据目前导入的数据推算月增量数据在42.85 GB，算上备份数据总共月增量数据为128.55 GB，现有大数据平台理论上能支撑5年的数据增长。
1.2 技术架构
本文采用架构形式的构建技术来实现架构技术系统的松耦合 [6]，如图1所示。本文将系统层次结构划分为5层：应用层、服务层、平台层、采集层、数据源。各层次之间的业务调用
、业务处理和数据映射分离，将系统服务功能承接，实现了系统内部的灵活响应。
灵性锁表1 用户的用电测量数据来源数据种类 数据明细 抽取方式基础数据用户数据、电表数据、线路数据、台户关系数据、地区数据全量抽取方式增量数据月用电量数据、支付数据、催缴费短信数据、95598工单数据、停电记录数据增量抽取方式（在数据库中设定相关的增量字段和抽取时间，根据抽取时间增量抽取）
图1 技术架构图
应用层：提供统一的业务应用操作界面和信息展示窗口，是系统直接面向操作用户的部分；服务层：实现具体提取标签业务，提供标签获取接口、标签综合展示以及标签通道支撑；平台层：提供大数据存储、备份、查询以及运算服务，承担标签提取业务的核心运算功能；采集层：提供提取、清洗数据能力，将数据提取并传送到大数据平台；数据源层：包括基础平台数据、营销系统数据、95598工单数据以及短信数据等。
2 电力用户标签
电力用户体基数很大，要运用大数据收集和掌握电力用户信息，对电力用户数据进行处
理。基于电力客户信息为客户构建全方位的画像，分析从原有的客户细分到每个客户的个体分析。
2.1 标签分类方法
采用分面组配式分类法构建三级标签库，即标签主题+标签维度+具体标签，通过分层级捕捉客户特征 [7]，能较为全面地描绘客户标签画像全貌。
2.2 标签生成规则
标签规则根据实际需求可分为简单抽取、统计性获取和模型算法生成。如客户电压等级直接从营销系统抽取相应字段，供电质量投诉敏感直接统计客户投诉供电质量问题的量，这类型标签为抽取统计型标签；而停电后客户故障报修可能性，该标签需要使用回归算法构建标签模型进行计算得出，这类型标签为模型算法型标签。
2.3 标签全生命周期管理
标签提取来源于各个业务系统，数据通过ETL抽取后，经过数据清洗、提取，制定标签规
则，根据规则从数据中提取对应用户并打标签，打完标签后要经过评估，评估通过后可以进行规则微调，最后将标签应用于网格化服务平台、供电服务指挥平台和等业务系统中，在应用过程中可以收集使用反馈意见，进而调整标签规则和更新标签。标签全生命周期管理如图2所示。
家谱管理系统图2 标签的全生命周期管理
2.4 用户标签体系构建
基于电力营销业务应用系统、95598业务辅助分析平台、、网格化服务平台等系统数据，挖掘客户基础档案、用电行为、交费行为及渠道偏好、95598交互行为等数据，构建立体式电力客户画像，形成集数据汇聚、标签管理、标签库、服务策略、场景输出于一体的电力客户标签管理体系。在信息精准推送，线上渠道高效引流，大客户电费增值服务，停电后客户反应预测等方面进行探索应用，提升电力优质服务水平。
2.4.1 数据提取层
对接各个平台系统，包括基础数据、短信、95598业务辅助以及网格化等。数据预处理后
放入大数据平台。
2.4.2 标签库层
标签库层包括标签管理、标签库和标签评估三大块。标签管理主要负责标签分类、标签规则、标签策略、标签结果，当标签规则确定后，将采用离线计算的方式运用规则从大数据中统计汇总出标签数据，并且给用户打上标签；标签库主要提供关系型数据表，用于保存各类标签类别、标签规则以及标签结果等 [8]；标签评估则是对标签应用系统开放的一个窗口，让标签管理者获取相关评价与优化建议 [9]，通过对外提供接口使得标签建设与使用更加开放共享，让不同平台的人都参与到标签建设中。
参考客户知识构建模型及国内公共服务行业客户画像实践案例，结合用户标签使用场景 [10-14]，将标签库划分为3层结构，其中第一层分为用户的个人属性、用户用电、用户交费、客户互动行为，将第二层划分为30个维度，将第三层划分为103种标签。客户标签维度如图3所示。
图3 客户标签维度
基于大数据挖掘理论的客户标签体系建设包含了数据提取层、标签库层、应用层。通过数据的归一化处理，并结合客户标签维度及标签体系的生命周期给用电客户标注标签，进而形成客户画像。客户标签体系如图4所示。
图4 客户标签体系
2.4.3 应用层
应用层包含标签成果查询展示，可以展示个体、体、分类体的画像，也可以查询展示具备某一共同特征的自定义体画像；生成的应用标签可同步至、网格化平台、营销业务系统中，嵌入到具体的业务流里，传递至相关角处，实现服务信息的精准推送，使差异化营销服务有效落地。
3 电力用户画像在业务平台的应用场景
电力系统主要是依托大数据平台搭建前端服务应用，通过后端业务和平台整合，充分考虑系统建设的前瞻性和可扩展性，构建智能服务外部应用一体化服务平台 [15]。基于电力大数据，根据客户多维度画像，多方位描述电力用户行为特征，为服务决策提供数据支撑，
为客户更好地提供差异化服务。
3.1 平台客户细分及精准信息推送
根据客户标签画像，细分客户体，将客户标签划分为政要、企业、大电量和高危等体；交费量大、用电行为优质等正向标签户；长期欠费、违约用电和窃电等负向标签户；以地市区域划分的属地客户以及敏感客户等。
针对政企等体采取用电、用能分析定向推送，停电信息及时通知等精准服务，保证特殊体在第一时间获取消息；针对交费量大、用电行为优质的正向标签户定向推送用电表扬信、增值服务建议、新业务介绍等服务信息，增加互动性；针对负向标签户定向推送催交费通知书、电量突变提醒、安全用电常识等内容；对敏感客户实时推送停电致歉信、服务成效等内容，从而实现客户服务的差异化。设置电费优化模型，为部分适宜采取居民峰谷电价的大电量居民客户推送调整建议。
3.2 网格化平台的差异化营销服务
以客户标签、网格服务责任区为基础，由网格员组织落实网格内客户差异化精准服务，增
强服务的针对性、及时性。对政要客户、商企客户、大电量用户等“正向标签”客户，建立“一对一”大客户经理制，提供优先用电保障、主动推送信息、限时解决诉求等优质服务，依托“三型一化”营业厅，协同开展新业务体验、市场引流服务；对屡次欠费、窃电与违约等“负向标签”客户，提供费控策略、定期核查等标准服务；对投诉客户、用电安全高危客户、孤寡老人等“特性标签”客户，提供常态对接、主动联络、定期等，做到合理诉求及时解决、潜在风险及时化解，确保服务问题不出网格；设置电费优化模型，为部分适宜采取居民峰谷电价的大电量居民客户推送调整建议。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议