促进有序用电管理 感受大数据的应用价值

 

“通过开展基于大数据挖掘的客户用电行为分析，识别出发展型客户有21户，占大客户总数的3%；稳定型客户521户，占大客户总数的72%；高贡献度客户106户，占大客户总数的14%；波动型客户78户，占大客户总数的11%。”1月26日，国网福建电力运监中心占彤平介绍，我们将针对不同类型的客户，下一步实施差异化服务，提高大客户服务水平。

 

传统用电行为分析存在定量特征分析工具匮乏、客户细分深度等不足，导致分析结果精确度、颗粒度和针对性不高等问题，针对这些问题，国网福建电力作为国家电网公司运监大数据应用试点，依托大数据平台，在公司系统率先开展基于大数据挖掘的客户用电行为分析，建立客户用电行为分析模型，以庞大海量的客户用电行为数据为基础，对不同客户群体的用电行为特征进行识别，推进客户细分管理、欠费和用电风险有效预测、移峰填谷科学管理，实现科学的客户认知、风险管理、个性化营销和服务。

 

从2015年1月投入应用至今，该成果已经全面支撑该公司开展大客户价值细分、用电负荷特性分析、电费回收分析及客户交费行为偏好分析等工作，促进服务质量和防范风险能力的不断提升。

 

 

“通过客户用电行为聚类分析，发展型客户共21户，占所有大客户的3%。该类客户存在用电不安全情形，应不定期派专人上门走访，了解客户需求，宣传服务渠道和安全用电知识，协助企业排除安全隐患，提高客户满意度；对于稳定型客户，双方要建立通畅的沟通机制，加大主动服务频次，提供专家服务指导客户科学经济用电，帮助客户降低用电成本……”这是国网福建电力公布的2013～2016年大客户用电行为分析成果中的客户用电行为特征和差异化服务措施。

 

国网福建电力以大客户为分析对象，建立客户用电行为特征数据挖掘库和大客户价值细分模型，对大客户基本信息、用电量、业务办理、违约违章、交欠费、渠道沟通等方面的用电行为特征进行大数据挖掘、聚类分析，将相同特征属性的客户群进行归类，根据大客户对企业的贡献度、用电变化趋势、风险程度等情况，将其分为发展型客户、稳定型客户、高贡献度客户、波动型客户等4类。

 

占彤平表示，发展型客户占大客户总数的3%，总体发展趋势相对较好，用电增长率最高，年平均增长率达到51.79%，用电需求量也相对较高，谷时段用电占比最高为47.14%，对高压增容业务需求量大，但违约用电次数最高，需要特别关注。稳定型客户占大客户总数的72%，用电量及合同容量都不高，用电需求波动小很稳定，第四季度用电占比和峰谷平三个时段用电占比都趋于平均，用电负荷率最高，平均电价也最高，这类客户信誉度高，拖欠电费次数极少，2016年平均拖欠次数为0.13次。高贡献度客户占大客户总数的14%，用电量及合同容量都非常大，且发展势头较好，各类业务需求量大，但欠费严重，平均拖欠次数为1.58次，电费回收率为86.67%。波动型客户占大客户总数的11%，用电较不稳定，用电波动大且用电需求处于下滑趋势，年均电价低，秋季用电占比和平时段用电占比高，高压新装业务需求大，交欠费风险较低，信誉度良好。

 

国网福建电力针对不同的客户群，通过分析其用电行为特征，深度挖掘客户价值，并针对不同价值客户提供差异化、个性化服务，实施积极的营销策略，适应快速变化的客户需求，不断提升客户服务水平和企业经营效益。

 

 

国网福建电力还运用大数据挖掘技术，分析客户用电负荷特性，建立客户用电负荷特性分析模型，运用聚类分析法，分析不同客户的用电负荷特性，更加科学有序开展用电管理。

 

每年度，福建电网用电最高负荷都会出现在7、8月份。2017年1月，国网福建电力在开展大客户负荷特性分析时，选择582户大客户，根据2016年8月份的月平均负荷数据进行聚类分析，按大客户的用电特性分为高用电双峰型、避峰型、多段式不规则型、两段式不规则型、三段式不规则型、单谷型、单峰型、低用电双峰型等八类。

 

对于大客户用电负荷特性聚类分析，国网福建电力通过收集企业大客户的24小时用电负荷及所属行业、所属地区、用电特征、地区单位变电容量所需投资等数据，将具有相同用电特征的客户聚集在一块，对比客户用电负荷特性分析模型聚类后的各类重点大客户的负荷曲线及其聚类中心、用电特征、可中断负荷及其代价，对不同负荷特性的重点客户进行移峰填谷潜力分析及错峰用电建议，为科学有序用电管理提供支持。

 

国网福建电力还从行业和地区的角度分析可中断负荷规模及其代价，将地区移峰填谷潜力代价与电网建设投资进行对比分析，为电网规划与建设管理提供意见建议，有效降低电网建设投资。

 

 

提前预测客户用电行为，有效防范供电企业经营风险，这是国网福建电力运用大数据挖掘技术开展客户用电行为分析的主要成效之一。

 

国网福建电力通过建立电费回收风险预测模型对客户交欠费数据进行分析，实现对客户未来按期交费行为的提前预测。针对高欠费风险客户，该公司通过差异化提醒和账单等方式，提高电费回收率指标；通过建立用电检查风险预测模型对客户用电检查数据进行分析，实现对客户用电风险的提前预测。在实际执行用电检查工作时，该公司按照客户风险针对重点客户优先、重点进行用电检查，提高用电检查工作效率，有效防范降低企业经营风险。

 

“2016年，国网福建电力总体电费回收情况较好。截至2017年1月6日，该公司2016年1～11月电费回收率99.99%，高于年度目标值0.04个百分点，从区域年度电费回收情况来看，福州、南平的电费回收需要加强；从客户的欠费特征看，客户欠费超过3个月的情况比较严重……”

 

在对2016年客户欠费、用电检查风险预测分析中，国网福建电力以全量客户为分析对象，根据客户交欠费等方面的用电行为，通过大数据挖掘，分析客户的电费回收情况及交费渠道偏好，同时，采用决策树算法，预判客户未来一年内的用电风险，提前预警，采取针对性预防措施，提升企业风险管理和防控能力。

 

国网福建电力通过预警模型预测，2016年风险客户为0.097%，该公司下一步将持续重点关注商业用电、普通工业用电等低压非居民的客户欠费风险。

 

占彤平介绍，与传统的客户用电行为分析相比,基于大数据挖掘的客户用电行为分析能够提高客户行为分析的精确度，并实现对客户的用电行为进行定量化描述；与专业部门开展的分析相比，基于数据挖掘的客户用电行为，分析更加注重对客户用电风险的预测和大客户用电效益的挖掘，促进企业运营效率和服务水平的提升。

 

原标题:大数据的应用价值