“通過開展基于大數據挖掘的客戶用電行為分析，識別出發展型客戶有21戶，占大客戶總數的3%；穩定型客戶521戶，占大客戶總數的72%；高貢獻度客戶106戶，占大客戶總數的14%；波動型客戶78戶，占大客戶總數的11%。”1月26日，國網福建電力運監中心占彤平介紹，我們將針對不同類型的客戶，下一步實施差異化服務，提高大客戶服務水平。

 

傳統用電行為分析存在定量特征分析工具匱乏、客戶細分深度等不足，導致分析結果精確度、顆粒度和針對性不高等問題，針對這些問題，國網福建電力作為國家電網公司運監大數據應用試點，依托大數據平臺，在公司系統率先開展基于大數據挖掘的客戶用電行為分析，建立客戶用電行為分析模型，以龐大海量的客戶用電行為數據為基礎，對不同客戶群體的用電行為特征進行識別，推進客戶細分管理、欠費和用電風險有效預測、移峰填谷科學管理，實現科學的客戶認知、風險管理、個性化營銷和服務。

 

從2015年1月投入應用至今，該成果已經全面支撐該公司開展大客戶價值細分、用電負荷特性分析、電費回收分析及客戶交費行為偏好分析等工作，促進服務質量和防范風險能力的不斷提升。

 

 

“通過客戶用電行為聚類分析，發展型客戶共21戶，占所有大客戶的3%。該類客戶存在用電不安全情形，應不定期派專人上門走訪，了解客戶需求，宣傳服務渠道和安全用電知識，協助企業排除安全隱患，提高客戶滿意度；對于穩定型客戶，雙方要建立通暢的溝通機制，加大主動服務頻次，提供專家服務指導客戶科學經濟用電，幫助客戶降低用電成本……”這是國網福建電力公布的2013～2016年大客戶用電行為分析成果中的客戶用電行為特征和差異化服務措施。

 

國網福建電力以大客戶為分析對象，建立客戶用電行為特征數據挖掘庫和大客戶價值細分模型，對大客戶基本信息、用電量、業務辦理、違約違章、交欠費、渠道溝通等方面的用電行為特征進行大數據挖掘、聚類分析，將相同特征屬性的客戶群進行歸類，根據大客戶對企業的貢獻度、用電變化趨勢、風險程度等情況，將其分為發展型客戶、穩定型客戶、高貢獻度客戶、波動型客戶等4類。

 

占彤平表示，發展型客戶占大客戶總數的3%，總體發展趨勢相對較好，用電增長率最高，年平均增長率達到51.79%，用電需求量也相對較高，谷時段用電占比最高為47.14%，對高壓增容業務需求量大，但違約用電次數最高，需要特別關注。穩定型客戶占大客戶總數的72%，用電量及合同容量都不高，用電需求波動小很穩定，第四季度用電占比和峰谷平三個時段用電占比都趨于平均，用電負荷率最高，平均電價也最高，這類客戶信譽度高，拖欠電費次數極少，2016年平均拖欠次數為0.13次。高貢獻度客戶占大客戶總數的14%，用電量及合同容量都非常大，且發展勢頭較好，各類業務需求量大，但欠費嚴重，平均拖欠次數為1.58次，電費回收率為86.67%。波動型客戶占大客戶總數的11%，用電較不穩定，用電波動大且用電需求處于下滑趨勢，年均電價低，秋季用電占比和平時段用電占比高，高壓新裝業務需求大，交欠費風險較低，信譽度良好。

 

國網福建電力針對不同的客戶群，通過分析其用電行為特征，深度挖掘客戶價值，并針對不同價值客戶提供差異化、個性化服務，實施積極的營銷策略，適應快速變化的客戶需求，不斷提升客戶服務水平和企業經營效益。

 

 

國網福建電力還運用大數據挖掘技術，分析客戶用電負荷特性，建立客戶用電負荷特性分析模型，運用聚類分析法，分析不同客戶的用電負荷特性，更加科學有序開展用電管理。

 

每年度，福建電網用電最高負荷都會出現在7、8月份。2017年1月，國網福建電力在開展大客戶負荷特性分析時，選擇582戶大客戶，根據2016年8月份的月平均負荷數據進行聚類分析，按大客戶的用電特性分為高用電雙峰型、避峰型、多段式不規則型、兩段式不規則型、三段式不規則型、單谷型、單峰型、低用電雙峰型等八類。

 

對于大客戶用電負荷特性聚類分析，國網福建電力通過收集企業大客戶的24小時用電負荷及所屬行業、所屬地區、用電特征、地區單位變電容量所需投資等數據，將具有相同用電特征的客戶聚集在一塊，對比客戶用電負荷特性分析模型聚類后的各類重點大客戶的負荷曲線及其聚類中心、用電特征、可中斷負荷及其代價，對不同負荷特性的重點客戶進行移峰填谷潛力分析及錯峰用電建議，為科學有序用電管理提供支持。

 

國網福建電力還從行業和地區的角度分析可中斷負荷規模及其代價，將地區移峰填谷潛力代價與電網建設投資進行對比分析，為電網規劃與建設管理提供意見建議，有效降低電網建設投資。

 

 

提前預測客戶用電行為，有效防范供電企業經營風險，這是國網福建電力運用大數據挖掘技術開展客戶用電行為分析的主要成效之一。

 

國網福建電力通過建立電費回收風險預測模型對客戶交欠費數據進行分析，實現對客戶未來按期交費行為的提前預測。針對高欠費風險客戶，該公司通過差異化提醒和賬單等方式，提高電費回收率指標；通過建立用電檢查風險預測模型對客戶用電檢查數據進行分析，實現對客戶用電風險的提前預測。在實際執行用電檢查工作時，該公司按照客戶風險針對重點客戶優先、重點進行用電檢查，提高用電檢查工作效率，有效防范降低企業經營風險。

 

“2016年，國網福建電力總體電費回收情況較好。截至2017年1月6日，該公司2016年1～11月電費回收率99.99%，高于年度目標值0.04個百分點，從區域年度電費回收情況來看，福州、南平的電費回收需要加強；從客戶的欠費特征看，客戶欠費超過3個月的情況比較嚴重……”

 

在對2016年客戶欠費、用電檢查風險預測分析中，國網福建電力以全量客戶為分析對象，根據客戶交欠費等方面的用電行為，通過大數據挖掘，分析客戶的電費回收情況及交費渠道偏好，同時，采用決策樹算法，預判客戶未來一年內的用電風險，提前預警，采取針對性預防措施，提升企業風險管理和防控能力。

 

國網福建電力通過預警模型預測，2016年風險客戶為0.097%，該公司下一步將持續重點關注商業用電、普通工業用電等低壓非居民的客戶欠費風險。

 

占彤平介紹，與傳統的客戶用電行為分析相比,基于大數據挖掘的客戶用電行為分析能夠提高客戶行為分析的精確度，并實現對客戶的用電行為進行定量化描述；與專業部門開展的分析相比，基于數據挖掘的客戶用電行為，分析更加注重對客戶用電風險的預測和大客戶用電效益的挖掘，促進企業運營效率和服務水平的提升。

 

原標題:大數據的應用價值