<object id="ma8ok"></object>
<tt id="ma8ok"></tt>
<object id="ma8ok"></object><object id="ma8ok"><option id="ma8ok"></option></object>
新聞中心
新聞中心
福建電力依托大數據平臺提升精益管理水平
2017-02-08 16:29瀏覽3736次

“通過(guò)開(kāi)展基于大數據挖掘的客戶(hù)用電行為分析,識別出發(fā)展型客戶(hù)有21戶(hù),總的大客戶(hù)數量的占3%;穩定型客戶(hù)521戶(hù),占總的大客戶(hù)數量的72%;高貢獻度客戶(hù)106戶(hù),占總的大客戶(hù)數量的14%;波動(dòng)型客戶(hù)78戶(hù),占總的大客戶(hù)數量的11%?!?月6日,國網(wǎng)福建省電力有限公司運監中心占彤平介紹,我們公司將針對不同類(lèi)型的客戶(hù),下一步實(shí)施差異化服務(wù),提高大客戶(hù)服務(wù)水平。

國網(wǎng)福建省電力有限公司承擔著(zhù)為福建區域內所有客戶(hù)提供可靠電力供應和優(yōu)質(zhì)服務(wù)的基本使命和社會(huì )責任。分析客戶(hù)用電行為,提前防控經(jīng)營(yíng)服務(wù)風(fēng)險,有助于企業(yè)效益最優(yōu)化和提高公司精益管理水平。

傳統用電行為分析過(guò)程中,存在定量特征分析工具匱乏、客戶(hù)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(wèn)題,針對這些問(wèn)題,國網(wǎng)福建電力作為國網(wǎng)總部運監大數據應用試點(diǎn),依托大數據平臺,在國網(wǎng)系統率先開(kāi)展基于大數據挖掘的客戶(hù)用電行為分析,建立客戶(hù)用電行為分析模型,以龐大海量的客戶(hù)用電行為數據為基礎,對不同客戶(hù)群體的用電行為特征進(jìn)行識別,推進(jìn)客戶(hù)細分管理、欠費和用電風(fēng)險有效預測、移峰填谷科學(xué)管理,實(shí)現科學(xué)的客戶(hù)認知、風(fēng)險管理、個(gè)性化營(yíng)銷(xiāo)和服務(wù)。從2015年1月該成果投入應用至今,全面支撐該公司開(kāi)展大客戶(hù)價(jià)值細分、用電負荷特性分析、電費回收分析及客戶(hù)繳費行為偏好分析等工作,促進(jìn)服務(wù)質(zhì)量和防范風(fēng)險能力的不斷提升。

區分不同客戶(hù)群   提供差異化服務(wù)

 “通過(guò)客戶(hù)用電行為聚類(lèi)分析,發(fā)展型客戶(hù)共21戶(hù),占所有大客戶(hù)3%。該類(lèi)客戶(hù)存在用電不安全情形,應不定期派專(zhuān)人上門(mén)走訪(fǎng),了解客戶(hù)需求,宣傳服務(wù)渠道和安全用電知識,協(xié)助企業(yè)排除安全隱患,提高客戶(hù)滿(mǎn)意度;對于穩定型客戶(hù),雙方要建立通暢的溝通機制,加大主動(dòng)服務(wù)頻次,提供專(zhuān)家服務(wù)指導客戶(hù)科學(xué)經(jīng)濟用電,幫助客戶(hù)降低用電成本……”這是2月2日從國網(wǎng)福建電力2013-2016年大客戶(hù)用電行為分析成果中了解到的客戶(hù)用電行為特征和采取的差異化服務(wù)措施。

國網(wǎng)福建電力以大客戶(hù)為分析對象,建立客戶(hù)用電行為特征數據挖掘庫和大客戶(hù)價(jià)值細分模型,對大客戶(hù)基本信息、用電量、業(yè)務(wù)辦理、違約違章、繳欠費、渠道溝通等方面的用電行為特征進(jìn)行大數據挖掘、聚類(lèi)分析,將相同特征屬性的客戶(hù)群進(jìn)行歸類(lèi),根據大客戶(hù)對公司的貢獻度、用電變化趨勢、風(fēng)險程度等情況,將其分為發(fā)展型客戶(hù)、穩定型客戶(hù)、高貢獻度客戶(hù)、波動(dòng)型客戶(hù)等4類(lèi)。

國網(wǎng)福建電力運監中心占彤平介紹,發(fā)展型客戶(hù)占總的大客戶(hù)數量的3%,總體發(fā)展趨勢相對較好,用電增長(cháng)率最高,年平均增長(cháng)率達到51.79%,用電需求量也相對較高,谷時(shí)段用電占比最高為47.14%,對高壓增容業(yè)務(wù)需求量大,但違約用電次數最高,需要特別關(guān)注。穩定型客戶(hù)占總的大客戶(hù)數量的72%,用電量及合同容量都不高,用電需求波動(dòng)小很穩定,四季度用電占比和峰谷平三個(gè)時(shí)段用電占比都趨于平均,用電負荷率最高,平均電價(jià)也最高,這類(lèi)客戶(hù)信譽(yù)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(hù)占總的大客戶(hù)數量的14%,用電量及合同容量都非常大,且發(fā)展勢頭較好,各類(lèi)業(yè)務(wù)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(dòng)型客戶(hù)占總的大客戶(hù)數量的11%,用電較不穩定,用電波動(dòng)大且用電需求處于下滑趨勢,年均電價(jià)低,秋季用電占比和平時(shí)段用電占比高,高壓新裝業(yè)務(wù)需求大,繳欠費風(fēng)險較低,信譽(yù)度良好。

國網(wǎng)福建電力針對不同的客戶(hù)群,通過(guò)分析其用電行為特征,深度挖掘客戶(hù)價(jià)值,并針對不同價(jià)值客戶(hù)提供差異化、個(gè)性化服務(wù),實(shí)施積極的營(yíng)銷(xiāo)策略,適應快速的變化客戶(hù)需求,不斷提升客戶(hù)服務(wù)水平和企業(yè)經(jīng)營(yíng)效益。

分析負荷特性   促進(jìn)有序用電管理

國網(wǎng)福建電力還運用大數據挖掘技術(shù)實(shí)現客戶(hù)用電負荷特性的分析,建立客戶(hù)用電負荷特性分析模型,運用聚類(lèi)分析法,分析不同客戶(hù)的用電負荷特性,更科學(xué)有序開(kāi)展用電管理。

每年度,福建電網(wǎng)用電最高負荷都會(huì )出現在7、8月份。2017年1月,國網(wǎng)福建電力在開(kāi)展大客戶(hù)負荷特性分析時(shí),選擇582戶(hù)大客戶(hù),根據2016年8月份的月平均負荷數據進(jìn)行聚類(lèi)分析,按大客戶(hù)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(lèi)。

對于大客戶(hù)用電負荷特性聚類(lèi)分析,國網(wǎng)福建電力通過(guò)收集企業(yè)大客戶(hù)的24小時(shí)用電負荷及所屬行業(yè)、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(hù)聚集在一塊,對比客戶(hù)用電負荷特性分析模型聚類(lèi)后的各類(lèi)重點(diǎn)大客戶(hù)的負荷曲線(xiàn)及其聚類(lèi)中心、用電特征、可中斷負荷及其代價(jià),對不同負荷特性的重點(diǎn)客戶(hù)進(jìn)行移峰填谷潛力分析及錯峰用電建議,為科學(xué)有序用電管理提供支持。

該公司還從行業(yè)和地區的角度分析可中斷負荷規模及其代價(jià),將地區移峰填谷潛力代價(jià)與電網(wǎng)建設投資進(jìn)行對比分析,為電網(wǎng)規劃與建設管理提供意見(jiàn)建議,有效降低電網(wǎng)建設投資。

提前預測用電風(fēng)險 有效防范經(jīng)營(yíng)風(fēng)險

提前進(jìn)行客戶(hù)用電風(fēng)險預測,有效防范供電企業(yè)經(jīng)營(yíng)風(fēng)險,這是國網(wǎng)福建電力運用大數據挖掘技術(shù)開(kāi)展客戶(hù)用電行為分析的主要成效之一。

國網(wǎng)福建電力通過(guò)建立電費回收風(fēng)險預測模型對客戶(hù)繳欠費數據進(jìn)行分析,實(shí)現對用戶(hù)未來(lái)按期繳費行為的提前預測,針對高欠費風(fēng)險客戶(hù),通過(guò)差異化提醒和賬單等方式,提高電費回收率指標;同時(shí),通過(guò)建立用電檢查風(fēng)險預測模型對客戶(hù)用電檢查數據進(jìn)行分析,實(shí)現對客戶(hù)用電風(fēng)險的提前預測,在實(shí)際執行用電檢查工作時(shí),按照用戶(hù)風(fēng)險針對重點(diǎn)用戶(hù)優(yōu)先、重點(diǎn)進(jìn)行用電檢查,提高用電檢查工作效率,有效防范降低企業(yè)經(jīng)營(yíng)風(fēng)險。

“2016年,國網(wǎng)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(gè)百分點(diǎn),從區域年度電費回收情況來(lái)看,福州、南平的電費回收需要加強;從客戶(hù)的欠費特征看,客戶(hù)欠費超過(guò)3個(gè)月的情況比較嚴重……”

在對2016年客戶(hù)欠費、用電檢查風(fēng)險預測分析中,該公司以全量客戶(hù)為分析對象,根據客戶(hù)繳欠費等方面的用電行為,通過(guò)大數據挖掘,分析客戶(hù)的電費回收情況及繳費渠道偏好,同時(shí),采用決策樹(shù)算法,預判客戶(hù)未來(lái)一年內的用電風(fēng)險,提前預警,采取針對性預防措施,提升企業(yè)風(fēng)險管理和防控能力。

該公司通過(guò)預警模型預測,2016年風(fēng)險客戶(hù)為0.097%,從風(fēng)險客戶(hù)的用電類(lèi)別,該公司下一步將持續重點(diǎn)關(guān)注商業(yè)用電、普通工業(yè)用電等低壓非居民的客戶(hù)欠費風(fēng)險。

占彤平介紹,與傳統的客戶(hù)用電行為分析相比,基于大數據挖掘的客戶(hù)用電行為分析能夠提高客戶(hù)行為分析的精確度,并實(shí)現對客戶(hù)的用電行為進(jìn)行定量化描述;與專(zhuān)業(yè)部門(mén)開(kāi)展的分析相比,基于數據挖掘的客戶(hù)用電行為,分析更加注重對客戶(hù)用電風(fēng)險的預測和大客戶(hù)用電效益的挖掘,促進(jìn)公司運營(yíng)效率和服務(wù)水平的提升。

色婷婷五月综合欧美图片,欧美精品一国产成人综合久久,欧美国产日产一区二区,多人伦交性欧美