基于電力敏感客戶預(yù)測(cè)模型的營商環(huán)境優(yōu)化提升研究

韋雅 孫卉 田珂 馬波 張利鵬

摘要：

近年來，黨中央、國務(wù)院持續(xù)推進(jìn)“放管服”改革，加快政府職能深刻轉(zhuǎn)變，通過優(yōu)化營商發(fā)展環(huán)境來激發(fā)市場活力。研究的目的是建立相關(guān)的預(yù)測(cè)模型，研究影響對(duì)投訴事件發(fā)生概率有顯著影響的重要因素?；谀车貐^(qū)SG186營銷系統(tǒng)、95598業(yè)務(wù)支持系統(tǒng)客戶信息數(shù)據(jù)，充分挖掘數(shù)據(jù)內(nèi)在聯(lián)系，運(yùn)用數(shù)據(jù)預(yù)先清洗機(jī)制進(jìn)行影響因素初步篩選，運(yùn)用改進(jìn)的決策樹學(xué)習(xí)算法來建立模型，并對(duì)模型效果進(jìn)行充分驗(yàn)證，有效識(shí)別電力敏感客戶。同時(shí)，針對(duì)特定投訴敏感客戶，提出適應(yīng)電力企業(yè)發(fā)展的精準(zhǔn)營銷策略，優(yōu)化提升電力營商環(huán)境水平。

關(guān)鍵詞：

優(yōu)化提升; 改進(jìn)決策樹算法; 電力敏感客戶; 營商環(huán)境; 預(yù)測(cè)模型

中圖分類號(hào)： TP 274

文獻(xiàn)標(biāo)志碼： A

Research on Business Environment Improvement Based on

Power Sensitive Customer Prediction Model

WEI Ya1， SUN Hui2， TIAN Ke2， MA Bo3， ZHANG Lipeng4

（1. Customer Service Center， Henan Electric Power Research Institute of State Grid， Zhengzhou， Henan 450006， China;

2. State Grid Company Henan Electric Power Co. Ltd.， Zhengzhou， Henan 450016， China;

3. Beijing National Network Communications Accenture Information Technology Co. Ltd.， Beijing 100032， China）

Abstract：

In recent years， the CPC Central Committee and the State Council have continuously pushed forward the reform of "release and control uniforms"， accelerated the profound transformation of government functions， and stimulated market vitality by optimizing the business development environment. The purpose of this study is to establish relevant prediction models and study the important factors that have significant impacts on the probability of complaint incidents. Based on the customer information data of SG186 marketing system and 95598 business support system in a certain area， the internal relationship of data is fully excavated， influencing factors are preliminarily screened by using data precleaning mechanism， a model is established by using improved decision tree learning algorithm， and the effect of the model is fully verified to effectively identify power sensitive customers. At the same time， aiming at specific complaintsensitive customers， this paper puts forward precise marketing strategies to adapt to the development of electric power enterprises， and optimizes and improves the environmental level of electric power business.

Key words：

optimizing promotion; improving decision tree algorithm; power sensitive customers; business environment; prediction model

0引言

電力改革深入推進(jìn)，要求電力公司持續(xù)提升營商環(huán)境水平[13]。新時(shí)代，電力客戶需求向多樣化發(fā)展，向電力服務(wù)提出更高標(biāo)準(zhǔn)和要求[4]。這就導(dǎo)致電力行業(yè)供需雙方之間的矛盾，加上電力行業(yè)的客戶具有分散的特點(diǎn)，涉及的面廣，層次較多，需求呈現(xiàn)差異化，更加劇了兩者之間的供需矛盾[5]。首先，電力產(chǎn)品所具有的特殊的社會(huì)服務(wù)職能決定了它是人們生活的必需品;其次，客戶的維權(quán)意識(shí)加強(qiáng)，通過多種渠道投訴來表達(dá)他們對(duì)供電公司的不滿情緒和態(tài)度，如電話、電子郵件、傳真、信函、上訪等，直接影響電力公司社會(huì)形象。最后，電改促進(jìn)售電市場全面開放，電力市場競爭更加激烈，頻繁的投訴會(huì)降低客戶對(duì)供電公司的滿意度，造成客戶流失現(xiàn)象[68]。

隨著售電側(cè)市場改革進(jìn)程的推進(jìn)和國家關(guān)于提升營商環(huán)境的具體要求，降低客戶投訴率，提升供電公司服務(wù)水平至關(guān)重要。國內(nèi)外研究學(xué)者針對(duì)客戶數(shù)據(jù)進(jìn)行相關(guān)性分析，實(shí)現(xiàn)投訴敏感客戶需求分析，以此提升企業(yè)服務(wù)水平。郝然等人基于收集的配用電數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行聚合和處理，提出以大數(shù)據(jù)平臺(tái)為基礎(chǔ)的整體架構(gòu)應(yīng)用，并實(shí)現(xiàn)了流處理、批處理等數(shù)據(jù)驅(qū)動(dòng)，對(duì)用電模式實(shí)現(xiàn)精準(zhǔn)識(shí)別，提升精準(zhǔn)用電管理水平，實(shí)現(xiàn)個(gè)性化營銷服務(wù)[9]。潘亮等對(duì)收集的投訴數(shù)據(jù)進(jìn)行深度挖掘，關(guān)聯(lián)客戶感知預(yù)警與網(wǎng)絡(luò)信息，促進(jìn)供電公司及時(shí)發(fā)現(xiàn)異常情況，為網(wǎng)絡(luò)維護(hù)和優(yōu)化提供指導(dǎo)，確?？蛻敉对V問題的及時(shí)解決，提升網(wǎng)絡(luò)質(zhì)量和客戶滿意度[10]。而電力客戶用電數(shù)據(jù)采集頻度的提升，使得對(duì)電力客戶的用電行為進(jìn)行更深層次的分析變得更加便捷[11]。李樹國等基于國網(wǎng)蒙東公司的業(yè)務(wù)數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行了深度挖掘，并應(yīng)用二元Logistic回歸，完成客戶投訴預(yù)測(cè)模型的構(gòu)建，精準(zhǔn)識(shí)別了投訴客戶，事前解決投訴事件[12]。趙少東等針對(duì)供電服務(wù)特點(diǎn)，從客戶賬務(wù)和停電敏感出發(fā)，構(gòu)建基于熵值法的電力客戶敏感度評(píng)價(jià)模型，為供電企業(yè)服務(wù)部門能有效制定精準(zhǔn)化客戶服務(wù)策略提供依據(jù)，有效提升服務(wù)能力和客戶體驗(yàn)，實(shí)現(xiàn)降本增效[13]。

隨著電力市場日益完善，客戶對(duì)電力服務(wù)需求也愈加強(qiáng)烈，電網(wǎng)公司應(yīng)時(shí)刻關(guān)注客戶需求變化，采取及時(shí)、有效的對(duì)策提升客戶服務(wù)水平。本文研究的目的是建立預(yù)測(cè)模型，研究影響對(duì)投訴事件發(fā)生概率有顯著影響的重要因素。由于數(shù)據(jù)量較大且所分類別較多，本文將定性與定量分析相結(jié)合，運(yùn)用邏輯回歸進(jìn)行影響因素的初步篩選，運(yùn)用改進(jìn)的決策樹學(xué)習(xí)算法根據(jù)不同客戶需求和行為構(gòu)建電力客戶投訴預(yù)測(cè)模型，提出對(duì)應(yīng)的服務(wù)策略，提升供電公司市場競爭力。

1電力投訴敏感客戶模型構(gòu)建與應(yīng)用

1.1目標(biāo)客戶

結(jié)合對(duì)業(yè)務(wù)的理解及對(duì)現(xiàn)有數(shù)據(jù)的初步分析，明確投訴客戶敏感度的定義。不同客戶的需求和行為不同，對(duì)應(yīng)其投訴敏感度的影響因素也存在差異。因此，供電公司面臨不同客戶的敏感度表現(xiàn)也應(yīng)匹配相應(yīng)的業(yè)務(wù)應(yīng)對(duì)策略。本文選取三種投訴敏感類型的用電客戶，建立相應(yīng)的投訴敏感度預(yù)測(cè)分析模型。

1.2模型思路

如圖1所示。

敏感分析通過數(shù)據(jù)挖掘指標(biāo)，應(yīng)用邏輯回歸、決策樹等方法進(jìn)行分類預(yù)測(cè)，完成客戶需求模型的構(gòu)建，并對(duì)模型進(jìn)行評(píng)估。

1.3數(shù)據(jù)準(zhǔn)備

文章中主要考察的數(shù)據(jù)為某區(qū)域2015年2017年95598客戶服務(wù)系統(tǒng)、電力營銷系統(tǒng)等數(shù)據(jù)，開展模型訓(xùn)練，具體數(shù)據(jù)明細(xì)，如表1所示。

在以上建立模型所考察的數(shù)據(jù)當(dāng)中，我們從3個(gè)類別中選取了20個(gè)類別的客戶信息，如行業(yè)特征、電壓等級(jí)、用電量、平均電價(jià)等，并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。由于這些數(shù)據(jù)中包含了數(shù)值數(shù)據(jù)和非數(shù)值數(shù)據(jù)，因此在這里選用邏輯回歸模型，將這些特征數(shù)據(jù)加權(quán)一起參與到?jīng)Q策過程中是最為有效的方法。

1.4決策樹算法建模

1.4.1變量類型轉(zhuǎn)換

在這之前，我們先進(jìn)行簡單的變量類型轉(zhuǎn)換。通過將20項(xiàng)指標(biāo)分為兩類變量：分類型變量和數(shù)值型變量。其中分類型變量包括投訴敏感類型、行業(yè)特征、是否電費(fèi)敏感、是否停電敏感、電壓等級(jí)、用電類別、繳費(fèi)方式、電費(fèi)結(jié)算方式;數(shù)值型變量包括用戶編號(hào)、容量、戶齡、用電量、電費(fèi)、平均電價(jià)、近3個(gè)月電費(fèi)環(huán)比、近3個(gè)月電費(fèi)同比、歷史撥打次數(shù)、催費(fèi)次數(shù)、停電次數(shù)、停電時(shí)長。

分類型變量采取按類別方式轉(zhuǎn)換，不同類別以0、1、2等不同數(shù)字作為標(biāo)簽。其中電壓等級(jí)雖然表現(xiàn)形式是數(shù)值，但其主要用于分類，本身沒有大小比較關(guān)系，只代表一種類型。

數(shù)值型變量主要采用等距直方圖的方法進(jìn)行分組，即在變量區(qū)間中插入K個(gè)數(shù)值，以將其等分成K+1個(gè)小區(qū)間;再以插入的各個(gè)數(shù)值作為分段點(diǎn)，進(jìn)一步將區(qū)間劃分成各更小的子區(qū)間，形成可用于決策樹訓(xùn)練的數(shù)據(jù)集[14]。此方法可以進(jìn)行大多數(shù)數(shù)值型變量的轉(zhuǎn)換，但是對(duì)于歷史撥打次數(shù)、催費(fèi)次數(shù)、停電次數(shù)、停電時(shí)長這些用直方圖方法分類結(jié)果分組數(shù)量過多的變量，需要用WOE值進(jìn)行進(jìn)一步合并，以減少分組數(shù)量，IV值（沒有定義）的計(jì)算公式如式（1）。

式中：

pi=p（Y=yk|Xi=xij）表示屬性變量Xi=xij時(shí)樣本類別為Y=yk的概率值，qi=p（Y≠yk|Xi=xij）表示屬性變量Xi=xij時(shí)樣本類別為Y≠yk的概率值?？梢钥闯?，WOE越大，Y=yk的實(shí)例越多，權(quán)重越大，其可作為判斷屬性的某種取值對(duì)分類結(jié)果導(dǎo)向性的一種度量。

以“歷史撥打次數(shù)”為例，其取值范圍為[0，30]，如果采用等距直方圖的方法，以1為步長構(gòu)建該變量的等差數(shù)列，共有30個(gè)分組。為降低模型復(fù)雜度，需減少其分組個(gè)數(shù)，將縮減為5組，共有C530種方法，可按照上面公式計(jì)算WOE值，選擇其最大的合并方式，其結(jié)果如表2所示。

然后使用R軟件的類型轉(zhuǎn)換函數(shù)，并借助as.factor函數(shù)，實(shí)現(xiàn)變量類型轉(zhuǎn)換。

1.4.2決策樹算法建模

決策樹算法是一種逼近離散函數(shù)值的方法，通過對(duì)數(shù)據(jù)進(jìn)行處理，利用歸納算法生成可讀的規(guī)則和決策樹，然后使用決策對(duì)新數(shù)據(jù)進(jìn)行分析[15]。其中，比較著名的算法有ID3算法和C4.5算法。

在構(gòu)建用于識(shí)別敏感客戶的模型時(shí)，涉及到了多種、不同形式的數(shù)據(jù)，C4.5算法是一種基于ID3算法進(jìn)行的改進(jìn)算法，其對(duì)于變量的缺失值進(jìn)行了一定程度的處理，并且采用快速收斂的剪枝技術(shù)，極大的提高了決策樹的處理能力，并且具有了對(duì)連續(xù)型屬性相關(guān)問題的處理能力。由此建立的決策樹模型非常直觀，易于人理解和應(yīng)用;并且決策樹搭建和應(yīng)用的速度比較快。同時(shí)放寬了對(duì)于數(shù)據(jù)分布的要求，受缺失值和極端值對(duì)模型的影響很小。（為什么用）C4.5決策樹算法是用于基于數(shù)據(jù)集選擇最佳分區(qū)屬性的方法。所謂最佳分區(qū)屬性，對(duì)于簡單分類而言，就是盡可能地將類別相同的樣本聚合，使其分在一類，即“純度”最高的屬性。

首先，通過以下公式求得樣本集的信息熵如式（2）。

其中，pk是當(dāng)前樣本D中第k個(gè)樣本的比例，K是類別的總數(shù)（對(duì)于二進(jìn)制分類而言，K=2）。Ent（D）的值越小，D所代表的純度越高，但它偏好具有大量值的特征的數(shù)量（也就是說，屬性可取的值越多，其計(jì)算結(jié)果越傾向選擇該值），由于特征可取的值越多，會(huì)致使樣本“純度”越大，即Ent（D）會(huì)很小。

由此引入信息增益的概念，假定離散屬性x有N個(gè)可能的取值{x1，x2，…，xN}，如果使用特征x來對(duì)數(shù)據(jù)集D進(jìn)行劃分，就會(huì)出現(xiàn)N個(gè)分支節(jié)點(diǎn)，其中第n個(gè)節(jié)點(diǎn)包含了數(shù)據(jù)集D中所有在特征x上取值為xn的樣本總數(shù)，記為Dn。所以，可依據(jù)前面信息熵的公式計(jì)算出信息熵，再根據(jù)各個(gè)分支節(jié)點(diǎn)分別具有不同的樣本數(shù)目，給分支節(jié)點(diǎn)賦予權(quán)重[SX（]|Dn||D|[SX）]，故能計(jì)算出依據(jù)屬性x對(duì)樣本集D具行區(qū)分所得的信息增益如式（3）。

一般而言，信息增益越大，表明該特征對(duì)數(shù)據(jù)集劃分獲得的“純度提升”越大。但是其對(duì)可取數(shù)值多的屬性有偏好的缺點(diǎn)，致使類似數(shù)據(jù)序號(hào)這類對(duì)分類影響很小的屬性的信息增益很大，基于此建立的模型不具備泛用性。因此，引入“信息增益率”這一概念，如式（4）。

其中IV（x）為屬性x的“固有值”，屬性x的可能取值數(shù)目越多（即N越大），則IV（x）的值通常會(huì)越大。這也就產(chǎn)生了另一個(gè)問題，即信息增益率可能對(duì)可取數(shù)目較少的屬性有所偏好。

為了避免上述問題，C4.5決策樹算法不直接選擇具有最大增益率的候選分區(qū)屬性，而是選取信息增益高于平均水平的同時(shí)增益率較高的屬性，作為當(dāng)前決策樹的根結(jié)點(diǎn)。根結(jié)點(diǎn)每一個(gè)可能的取值對(duì)應(yīng)一個(gè)子集或一個(gè)劃分，對(duì)訓(xùn)練樣本子集遞歸地進(jìn)行信息增益和信息增益率的計(jì)算，選取最佳屬性結(jié)點(diǎn)，直到每個(gè)劃分（子集）中的觀測(cè)數(shù)據(jù)在分類屬性上都取相同的值，最終生成決策樹。

最后，根據(jù)訓(xùn)練集構(gòu)造的決策樹提取分類規(guī)則，再根據(jù)分類規(guī)則對(duì)海量數(shù)據(jù)集進(jìn)行分類處理。

1.5模型訓(xùn)練

將上述一系列處理后的數(shù)據(jù)按7∶3（經(jīng)試驗(yàn)，該分割比例能取得最好的分類準(zhǔn)確率）進(jìn)行隨機(jī)分割，形成訓(xùn)練集和測(cè)試集，其目的是拿70%的數(shù)據(jù)用來訓(xùn)練模型，用剩余的30%的數(shù)據(jù)用來檢驗(yàn)?zāi)Ｐ偷姆诸愋Ч?/p>

將以上處理好的數(shù)據(jù)，在分割好的訓(xùn)練集上，通過R軟件分析平臺(tái)，使用C4.5決策樹模型進(jìn)行訓(xùn)練，計(jì)算出各個(gè)指標(biāo)對(duì)因變量的信息增益率，選取信息增益率較大的因素作為關(guān)鍵變量，得到投訴敏感度模型。各變量的信息增益率如表3、表4所示。

根據(jù)上表結(jié)果，重要性大于5的變量為對(duì)客戶投訴敏感度影響較大的重要變量，包括用電量、電費(fèi)、近3個(gè)月電費(fèi)同比、近3個(gè)月電費(fèi)環(huán)比、歷史撥打次數(shù)、催費(fèi)次數(shù)、停電時(shí)長和是否電費(fèi)敏感這8個(gè)因素，各因素的投訴敏感特征重要性，如圖2所示。

1.6預(yù)測(cè)結(jié)果輸出

根據(jù)以上數(shù)據(jù)處理及模型訓(xùn)練，得出客戶敏感度分類結(jié)果，如圖3、圖4所示。

其中投訴敏感類型為模型預(yù)測(cè)類別，客戶敏感度分為高度敏感（0）、中度敏感（2）和低度敏感（1）3個(gè)等級(jí)。

1.7模型效果評(píng)估

將測(cè)試數(shù)據(jù)代入C4.5決策樹模型進(jìn)行模型評(píng)估，評(píng)估結(jié)果如下圖5所示。

其中，各類命中率表示預(yù)測(cè)類別中預(yù)測(cè)正確的概率，各類覆蓋率表示實(shí)際類別中模型預(yù)測(cè)正確的概率。最終模型的綜合正確率為85.32%，達(dá)到正確率高于75%的要求的同時(shí)，確保了不會(huì)將高敏感度用戶誤判為低敏感度用戶，有效保證了公司的服務(wù)質(zhì)量。

2投訴敏感客戶精準(zhǔn)營銷策略研究

為促進(jìn)營商環(huán)境持續(xù)改善，針對(duì)電力投訴敏感客戶，制定6項(xiàng)重點(diǎn)改進(jìn)措施，提升客戶投訴管理工作，如圖6所示。

2.1識(shí)別投訴傾向客戶

為提升服務(wù)滿意度，降低投訴率，通過對(duì)客戶服務(wù)歷史和行為軌跡進(jìn)行回溯，當(dāng)發(fā)生投訴業(yè)務(wù)時(shí)，客服人員能根據(jù)客戶投訴原因，結(jié)合客戶身份特征和個(gè)人偏好等快速做出響應(yīng)，提前做好應(yīng)對(duì)策略，降低客戶未來繼續(xù)投訴的風(fēng)險(xiǎn)。例如，對(duì)“電費(fèi)過高投訴傾向”的客戶，一方面要盡快找出用戶賬單明細(xì)，另一方面可以從相關(guān)政策、抄表周期、電量對(duì)比、天氣及節(jié)假日等方面進(jìn)行引證據(jù)典，對(duì)客戶加以引導(dǎo)和解釋，消除客戶疑慮;例如，對(duì)“停復(fù)電信息投訴傾向”的客戶，提前查詢停電開始時(shí)間、停電結(jié)束時(shí)間、停電原因、停電范圍等信息，對(duì)客戶進(jìn)行解釋，消除客戶疑慮。

2.2構(gòu)建投訴綠名單用戶以95598投訴話單數(shù)據(jù)庫為基礎(chǔ)，提出“投訴客戶綠名單策略”，將所有已投訴客戶維護(hù)進(jìn)“投訴客戶綠名單”中。

2.3采取投訴轉(zhuǎn)化為咨詢/報(bào)修服務(wù)策略

客戶來電時(shí)，通過客戶投訴傾向，結(jié)合客戶基本屬性，合理采取相關(guān)策略，對(duì)客戶加以引導(dǎo)，消除客戶投訴疑慮，提升服務(wù)品質(zhì)和客戶滿意度。針對(duì)“搶修進(jìn)度投訴”的客戶，首先對(duì)故障報(bào)修搶修人員的實(shí)時(shí)處理進(jìn)度進(jìn)行了解，同時(shí)采取耐心傾聽、表示同情理解并真情道歉、分析原因并盡快解決的方法進(jìn)行處理，最后達(dá)成一致，形成統(tǒng)一戰(zhàn)線，引導(dǎo)客戶打消戒備心理，將投訴轉(zhuǎn)化為咨詢故障報(bào)修處理進(jìn)度?！坝?jì)量問題投訴傾向（電費(fèi)查詢）”的客戶，采取巧妙請(qǐng)教法、耐心傾聽法、跟進(jìn)實(shí)施法與客戶達(dá)成共鳴，盡快跟進(jìn)處理進(jìn)度，確保問題盡快解決。

2.4合理處理專業(yè)投訴用戶

在現(xiàn)狀分析中，可以看出當(dāng)迎峰度夏/迎峰度冬投訴量最高，會(huì)出現(xiàn)話務(wù)峰涌，會(huì)產(chǎn)生大量故障工單，故障工單處理不及時(shí)可能會(huì)導(dǎo)致用戶投訴。通過對(duì)客戶基本屬性分析，針對(duì)投訴敏感客戶，優(yōu)化資源配置，提前并優(yōu)先安排搶修人員對(duì)故障進(jìn)行處理，處理完成后及時(shí)回訪。

2.5話務(wù)峰涌期間優(yōu)先處理投訴敏感客戶

在現(xiàn)狀分析中，可以看出當(dāng)迎峰度夏/迎峰度冬投訴量最高，會(huì)出現(xiàn)話務(wù)峰涌，會(huì)產(chǎn)生大量故障工單，故障工單處理不及時(shí)可能會(huì)導(dǎo)致用戶投訴。通過對(duì)客戶基本屬性分析，針對(duì)投訴敏感客戶，優(yōu)化資源配置，提前并優(yōu)先安排搶修人員對(duì)故障進(jìn)行處理，處理完成后及時(shí)回訪。

2.6針對(duì)特殊投訴客戶適時(shí)給予人文關(guān)懷

周期性主動(dòng)給客戶溝通，了解和關(guān)心此階段用電情況;適當(dāng)安排企業(yè)代表對(duì)客戶進(jìn)行家庭慰問，對(duì)客戶及其家人對(duì)供電工作支持表示感謝;客戶生日時(shí)，通過短信對(duì)客戶祝福;節(jié)假日時(shí)，可以適當(dāng)提供一些優(yōu)惠措施比如適當(dāng)增加積分;也可以通過有償組織旅游的方式與客戶做進(jìn)一步交流，增強(qiáng)彼此的信任度。

3總結(jié)

本文充分應(yīng)用SG186營銷系統(tǒng)、95598業(yè)務(wù)支持系統(tǒng)客戶信息數(shù)據(jù)，運(yùn)用邏輯回歸進(jìn)行影響因素初步篩選，運(yùn)用改進(jìn)的決策樹的學(xué)習(xí)算法來建立模型，精準(zhǔn)識(shí)別區(qū)域投訴敏感客戶，并針對(duì)性的制定6項(xiàng)精準(zhǔn)營銷服務(wù)策略，優(yōu)化提升了電力行業(yè)營商環(huán)境水平，為電力公司精準(zhǔn)營銷提供有力支撐。

參考文獻(xiàn)

[1]

郭笑儂.關(guān)于電力體制改革對(duì)電網(wǎng)企業(yè)的影響分析[J].企業(yè)改革與管理，2019（1）：196197.

[2]韓亮，解嘉彬，潘華.電力體制改革新形勢(shì)下電網(wǎng)企業(yè)經(jīng)營策略研究[J].財(cái)經(jīng)界，2019（3）：9698.

[3]耿俊成， 張小斐， 袁少光. 基于邏輯回歸模型的電力客戶停電敏感度評(píng)分卡研究與實(shí)現(xiàn)[J]. 電力需求側(cè)管理， 2018， 20 （3）：5256.

[4]吳敏輝.基于電網(wǎng)電壓暫降敏感用戶服務(wù)的優(yōu)質(zhì)電力營商環(huán)境構(gòu)建[J].機(jī)電信息，2019（12）：124125.

[5]袁捷.大數(shù)據(jù)時(shí)代的數(shù)據(jù)治理[J].中國電力企業(yè)管理，2016（21）：3234.

[6]郝然，艾芊，肖斐.基于多元大數(shù)據(jù)平臺(tái)的用電行為分析構(gòu)架研究[J].電力自動(dòng)化設(shè)備，2017，37（8）：2027.

[7]周漢峰.供電企業(yè)電力營銷管理的創(chuàng)新發(fā)展探析[J].低碳世界，2017（26）：141142.

[8]陳晨，董曉天，管文林，等.新電改形勢(shì)下地區(qū)供電公司服務(wù)模式與售電業(yè)務(wù)研究[J].電氣技術(shù)，2017（10）：512.

[9]陳珍，崔峰，夏徐東，等.電力改革對(duì)現(xiàn)電網(wǎng)及其營銷模式的影響研究[J].國網(wǎng)技術(shù)學(xué)院學(xué)報(bào)，2016，19（2）：2428.

[10]潘亮，常哲，孫琳.基于大數(shù)據(jù)挖掘的客戶感知預(yù)警與投訴熱點(diǎn)病歷庫系統(tǒng)[J].山東通信技術(shù)，2014，34（4）：1719.

[11]王成亮，鄭海雁.基于模糊聚類的電力客戶用電行為模式畫像[J].電測(cè)與儀表，2018，55（18）：7781.

[12]李樹國， 李楚君. 基于Logistic回歸的電力行業(yè)投訴預(yù)警模型[J]. 自然科學(xué)（文摘版）， 2016（8）：4345.

[13]趙少東， 王程斯. 基于熵值法的電力客戶敏感度綜合評(píng)價(jià)模型研究[J]. 電工技術(shù)， 2018（11）：4850.

[14]吳敏輝. 基于電網(wǎng)電壓暫降敏感用戶服務(wù)的優(yōu)質(zhì)電力營商環(huán)境構(gòu)建[J]. 機(jī)電信息， 2019（12）：130131.

[15）劉琳， 余順坤， 吳軼群，等. 基于熵值法的電力企業(yè)二元績效積分制考核模型研究[J]. 華北電力大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2012， 39（2）：7478.

（收稿日期： 2019.08.03）

基金項(xiàng)目：

國家電網(wǎng)有限公司科學(xué)技術(shù)研究項(xiàng)目（YF18012011P）

作者簡介：

韋雅（1970），女，本科，高級(jí)工程師，研究方向：電氣工程及其自動(dòng)化、泛在電力物聯(lián)網(wǎng)技術(shù)等。

孫卉（1976），女，碩士，高級(jí)工程師，研究方向：電力系統(tǒng)自動(dòng)化等。

田珂（1978），女，本科，高級(jí)工程師，研究方向：電氣技術(shù)等。

馬波（1994），男，本科，研究方向：泛在電力物聯(lián)網(wǎng)等。

張利鵬（1988），男，碩士，研究方向：泛在電力物聯(lián)網(wǎng)等。

文章編號(hào)：1007757X（2020）08002305