福建电力大数据分析提升服务效率

　　“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21户，占总大客户数量的3%；稳定型客户521户，占总大客户数量的72%；高贡献度客户106户，占总大客户数量的14%；波动型客户78户，占总大客户数量的11%。”2月6日，福建省电力公司运监中心占彤平介绍，该公司将针对不同类型的客户实施差异化服务，提高大客户服务水平。

　　传统用电行为分析过程中，存在定量特征分析工具匮乏等不足，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，福建电力作为国网总部运监大数据的应用试点，依托大数据平台，在国网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。

　　区分客户群 提供差异化服务

　　据了解，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、缴欠费、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，根据大客户对公司的贡献度、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。

　　占彤平介绍，发展型客户占总的大客户数量的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。稳定型客户占总的大客户数量的72%，用电量及合同容量都不高，用电需求波动小，很稳定，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。高贡献度客户占总大客户数量的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%。波动型客户占总大客户数量的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，缴欠费风险较低，信誉度良好。

　　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。

　　分析负荷特性 促进有序用电管理

　　同时，福建电力运用大数据挖掘技术实现客户用电负荷特性的分析，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，更科学有序地开展用电管理。

　　据了解，福建电网每年度用电最高负荷都会出现在7、8月。为此，今年1月，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，该公司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。

　　预测用电风险 防范经营风险

　　据介绍，提前进行客户用电风险预测，有效防范供电企业经营风险，是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。

　　该公司通过建立电费回收风险预测模型对客户缴欠费数据进行分析，实现对用户未来按期缴费行为的提前预测，针对高欠费风险客户，通过差异化提醒和账单等方式，提高电费回收率指标。同时，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，按照用户风险针对重点用户优先、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。

　　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，促进公司运营效率和服务水平提升。