数据挖掘对供电营销的支撑

前言：本站为你精心整理了数据挖掘对供电营销的支撑范文，希望能为你的创作提供参考价值，我们的客服老师可以帮助你提供个性化的参考范文，欢迎咨询。

供电营销管理中存在的疑难问题

供电营销管理过程中由于用电客户量大、类型不一、用电情况不定、季节性差异较大等诸多因素影响，经常会发生各种问题，因此，做好以下几方面工作对提高供电企业营销管理智能化水平有很大帮助。

1、托欠电费管理，供电客户涉及千家万户、各行各业，按用电性质分主要有居民用电客户、小商业用电客户和大工业用电客户，在实际用电过程中，存在用电客户由于不同原因造成的托欠电费情况，这就给供电企业的经营管理带来了很大的风险，形成了资金不能及时回收问题。

2、电力客户信誉度管理，目前，供电企业正在对电力客户进行信誉度等级划分模式探讨，但实现的过程中存在一些问题，一方面通过供电SG186营销管理系统不能实现电力客户月、季、年的欠费信息统计分析功能，另一方面对系统中统计出的欠费用电客户信息不能直接分析出欠费情况所占电费发生情况的比例额度，无法进行对电力客户信誉度的准确划分。

3、用电需求侧管理，现状下，供电企业需求侧管理工作主要是通过对前一阶段用电负荷曲线分析及用电业务报装申请情况来确定，很多因素不能直接反映具体电力客户的用电量增减变化，不能通过电力客户基本用电情况汇总来确定实际的需求侧管理，特别是一个特殊地区、特定时间范围内的用电量需求情况。

供电营销系统中使用的数据挖掘手段

1、数据挖掘的过程就是信息发现的过程，其所能发现的信息有如下几种：广义信息，反映同类事物共同性质的知识；特征信息，反映事物各方面的特征知识；差异信息，反映不同事物之间属性差别的知识；关联信息，反映事物之间依赖或关联的知识；预测信息，根据历史的和当前的数据推测未来数据；偏离信息，揭示事物偏离常规的异常现象。所有这些信息都可以在不同的概念层上被发现，随着概念树的提升，从微观到宏观，满足不同决策层的需要（如图1所示）。对供电营销管理而言，其中最重要的信息就是预测信息和偏离信息，通过对该两类信息的挖掘，能够为决策者提供更为合理有效的手段和措施避免或减少在供电企业经营管理过程中产生的欠费风险，正确安排供电端负荷分配。

2、供电营销数据挖掘，就是指充分利用营销SG186系统数据库、人工智能、数理统计、并行计算等交叉学科知识，通过预测未来一段期间内用电客户交费情况、用电量情况的趋势及行为，做出预测性的决策。在数据挖掘的过程中，右能会用到的挖掘类型。

（1）关联分析（AssociationAnalysis），关联分析能寻找到数据库中大量数据的相关联系，常用的一种技术为关联规则和序列模式。关联规则是发现一个事物与其他事物间的相互关联性或相互依赖性。

（2）聚类输入的数据并无任何类型标记，聚类就是按一定的规则将数据划分为合理的集合，即将对象分组为多个类或簇，使得在同一个簇中的对象之间具有较高的相似度，而在不同簇中的对象差别很大。聚类增强了人们对客观现实的认识，是概念描述和偏差分析的先决条件。聚类技术主要包括传统的模式识别方法和数学分类学。

（3）自动预测趋势和行为，数据挖掘自动在大型数据库中进行分类和预测，寻找预测性信息，自动地提出描述重要数据类的模型或预测未来的数据趋势，这样以往需要进行大量手工分析的问题如今可以迅速直接由数据本身得出结论。

（4）概念描述，对于数据库中庞杂的数据，人们期望以简洁的描述形式来描述汇集的数据集。概念描述就是对某类对象的内涵进行描述并概括出这类对象的有关特征。概念描述分为特征性描述和区别性描述，前者描述某类对象的共同特征，后者描述不同类对象之间的区别。生成一个类的特征性只涉及该类对象中所有对象的共性。生成区别性描述的方法很多，如决策树方法、遗传算法等。

（5）偏差检测，数据库中的数据常有一些异常记录，从数据库中检测这些偏差很有意义。偏差包括很多潜在的知识，如分类中的反常实例、不满足规则的特例、观测结果与模型预测值的偏差、量值随时间的变化等。偏差检测的基本方法是寻找观测结果与参照值之间有意义的差别。这常用于金融银行业中检测欺诈行为，或市场分析中分析特殊消费者的消费习惯。

数据挖掘在供电营销管理中实现的功能

1、托欠电费用户预测，供电企业电力客户交费基本上分为预购电以实际用电量结算和先用电后结算两种方式，其中先用电后结算方式客户经常会出现托欠电费情况，通过对电力客户交费情况的数据挖掘，应用聚类和自动预测趋势和行为的研究方法，使用最大期望值（EM）等相关算法分析，能够让供电企业员工容易得到经常欠费用电客户信息，在月度电费摧缴过程中提前通知相关客户，达到预防托欠电费情况发生的目的。

2、电力客户信誉等级评定，通过对现有电力客户数据信息评估分析，建立挖掘分析模型获得客户信誉等级评分，并以此为基础结合用户分群的结果，将电力客户进行分群，通过ETL（数据的抽取、转换、载入）将所需的数据分别导入数据仓库中，经过数据整合、数据清理、数据选择、建立挖掘模型等过程进行客户信誉度等级评定，完成后可以对电力客户按月度、季度、半年、一年、两年、三年等时间段，精确掌握电力客户的欠费信息，对客户信誉度精确划定，更好的提高供电企业的服务质量和服务标准。

3、用电需求预测，结合本文所使用数据源和相应数据仓库，应用OLAP工具建立一个多维分析模型，结合数据挖掘的估计和预测功能实现用电需求侧的科学管理。

作者：左云会周凤华单位：冀北电力有限公司承德供电公司双滦客服分中心冀北电力有限公司承德供电公司