大數(shù)據(jù)背景下電網(wǎng)營銷方向?qū)徲嬔芯?/h1>

2020-10-09 11:07:00梁衛(wèi)寧周鈺書唐文彬劉森黎晚晴

數(shù)字技術(shù)與應(yīng)用訂閱 2020年8期 收藏

關(guān)鍵詞：數(shù)據(jù)挖掘大數(shù)據(jù)

梁衛(wèi)寧 周鈺書 唐文彬 劉森 黎晚晴

摘要：在大數(shù)據(jù)時代的背景下，我國電力行業(yè)也步入了高速發(fā)展的時期。如何利用大數(shù)據(jù)技術(shù)提升營銷業(yè)務(wù)的信息化水平，也成為了電力審計業(yè)務(wù)的一個重要研究方向。智能電網(wǎng)的普及產(chǎn)生了海量的監(jiān)測數(shù)據(jù)，這些數(shù)據(jù)為異常檢測、電網(wǎng)運行狀態(tài)、用戶行為等大數(shù)據(jù)分析研究提供了堅實的數(shù)據(jù)基礎(chǔ)。本文針對電網(wǎng)營銷數(shù)據(jù)提出了運用大數(shù)據(jù)技術(shù)于審計分析，在此基礎(chǔ)上對大數(shù)據(jù)數(shù)據(jù)在審計數(shù)據(jù)分析中的應(yīng)用進行了研究，構(gòu)建了應(yīng)用大數(shù)據(jù)實現(xiàn)電網(wǎng)營銷審計的模型。

關(guān)鍵詞：大數(shù)據(jù);電網(wǎng)營銷審計;數(shù)據(jù)挖掘

中圖分類號：F426.61 文獻標(biāo)識碼：A 文章編號：1007-9416（2020）08-0206-07

0 引言

隨著信息技術(shù)和智能電網(wǎng)的發(fā)展，電力企業(yè)對于信息資源共享與數(shù)據(jù)價值發(fā)現(xiàn)等技術(shù)的需求不斷激增。智能變電站、智能電表、計量自動化系統(tǒng)等一大批服務(wù)應(yīng)用系統(tǒng)的廣泛建成，使得企業(yè)產(chǎn)生和積累了海量結(jié)構(gòu)多樣、來源復(fù)雜、規(guī)模巨大、系統(tǒng)獨立的數(shù)據(jù)資源，造成企業(yè)跨系統(tǒng)數(shù)據(jù)集成與共享難度加大，直接影響數(shù)據(jù)內(nèi)在知識價值發(fā)現(xiàn)，降低電網(wǎng)運營審計效率;另外，當(dāng)前電網(wǎng)企業(yè)雖然已經(jīng)建成面向不同應(yīng)用需求的業(yè)務(wù)數(shù)據(jù)中心和運監(jiān)數(shù)據(jù)中心，但是基于傳統(tǒng)架構(gòu)的數(shù)據(jù)共享框架在數(shù)據(jù)可擴展性、容錯機制和數(shù)據(jù)安全方面還略有不足，造成數(shù)據(jù)層面并未真正實現(xiàn)跨系統(tǒng)數(shù)據(jù)資源集中管控、綜合治理和高度共享[2]。

本文以建立大數(shù)據(jù)審計模型為思路，研究數(shù)據(jù)驅(qū)動下的新型營銷審計模式，為營銷審計提供科學(xué)決策和參考。

1 營銷大數(shù)據(jù)審計的意義及問題

大數(shù)據(jù)對各行各業(yè)影響十分巨大，審計行業(yè)由最初的抽樣審計分析逐步向大數(shù)據(jù)審計發(fā)展。通過海量數(shù)據(jù)協(xié)同流程的研究應(yīng)用，可以避免海量數(shù)據(jù)由于抽樣數(shù)據(jù)分析時單一數(shù)據(jù)因不準(zhǔn)確而對審計結(jié)果造成的影響;其次，可以從大量的信息數(shù)據(jù)中發(fā)掘事物的相關(guān)性，相關(guān)性分析更加有利于發(fā)現(xiàn)問題和解決問題，由此提取出的數(shù)據(jù)更具有分析價值，為不同方向的審計提供了有力的數(shù)據(jù)支持[1]。

海量數(shù)據(jù)協(xié)同流程如圖1所示。

雖然大數(shù)據(jù)為審計提供了新的模式，但就現(xiàn)階段的審計發(fā)展來看，還是存在諸多問題。

（1）電網(wǎng)營銷管理系統(tǒng)數(shù)據(jù)龐大。作為電網(wǎng)營銷領(lǐng)域數(shù)據(jù)存儲和使用頻率最多的應(yīng)用系統(tǒng)，它存儲著所有營銷業(yè)務(wù)數(shù)據(jù)。隨著大數(shù)據(jù)的飛速發(fā)展，數(shù)據(jù)數(shù)量級也成了幾何式增長，同時也增加了信息系統(tǒng)的風(fēng)險。面對如此多的信息，原有的審計系統(tǒng)已經(jīng)無法滿足當(dāng)下需求，急需建設(shè)更加完善的審計分析系統(tǒng)，如何從海量數(shù)據(jù)中提取出價值高且準(zhǔn)確真實的數(shù)據(jù)，建立審計數(shù)據(jù)倉庫和數(shù)據(jù)管理平臺是電網(wǎng)企業(yè)需要解決的首要問題。

（2）急需研發(fā)大數(shù)據(jù)分析審計軟件。目前營銷審計線索的多樣化，原有的審計方式已不適合，需要結(jié)合大數(shù)據(jù)分析理論以及機器學(xué)習(xí)方法，利用關(guān)聯(lián)分析、聚合分析、分類分析等數(shù)據(jù)挖掘算法建立針對不同業(yè)務(wù)方向上的可擴展、可重復(fù)使用的營銷審計模型，以適應(yīng)龐大的審計數(shù)據(jù)分析任務(wù)。

（3）審計人員自身素質(zhì)亟待提升。在大數(shù)據(jù)背景下，電網(wǎng)營銷模式和規(guī)模的不斷發(fā)展，營銷知識也是日新月異，對營銷審計工作人員的專業(yè)知識和綜合素養(yǎng)都提出了更高的要求。大數(shù)據(jù)信息獲取，找到針對性強、最有效的數(shù)據(jù)，以及數(shù)據(jù)分析建模、結(jié)果是否具有廣泛適用性，這些都對審計人員提出了新的挑戰(zhàn)。

2 數(shù)據(jù)構(gòu)成

近年來大數(shù)據(jù)廣泛的應(yīng)用于各行各業(yè)，按照南方電網(wǎng)公司企業(yè)級信息系統(tǒng)建設(shè)思路，依托公司企業(yè)信息集成平臺，在公司總部和公司系統(tǒng)，建設(shè)了財務(wù)（資金）管理、營銷管理、資產(chǎn)管理、協(xié)同辦公管理、人力資源管理、綜合管理六大業(yè)務(wù)應(yīng)用。其中營銷管理應(yīng)用正是結(jié)合信息技術(shù)對原有傳統(tǒng)營銷數(shù)據(jù)的集成和管理。營銷域業(yè)務(wù)數(shù)據(jù)，即營銷管理系統(tǒng)自身處理的業(yè)務(wù)數(shù)據(jù)，包括抄核收管理、業(yè)擴管理、計量管理、客戶服務(wù)、線損管理、市場交易管理、用電檢查、營銷稽查管理等業(yè)務(wù)數(shù)據(jù)。另一類為跨系統(tǒng)協(xié)同數(shù)據(jù)，即營銷管理系統(tǒng)與其他業(yè)務(wù)系統(tǒng)集成的數(shù)據(jù)，包括營銷系統(tǒng)和財務(wù)系統(tǒng)、物資系統(tǒng)、計量自動化系統(tǒng)的集成數(shù)據(jù)。

3 關(guān)鍵技術(shù)

3.1 Kafka消息系統(tǒng)

Kafka使用Scala語言編寫，是一個高性能跨語言分布式發(fā)布/訂閱消息隊列系統(tǒng)，具有以下特性：快速持久化，可以在I/O的系統(tǒng)開銷下進行消息持久化;高吞吐，在一臺普通的服務(wù)器上既可以達到10W/s的吞吐速率;完全的分布式系統(tǒng)，Broker、Producer、Consumer都原生自動支持分布式，自動實現(xiàn)負(fù)載均衡;支持Hadoop數(shù)據(jù)并行加載，對于像Hadoop的一樣的日志數(shù)據(jù)和離線分析系統(tǒng)，但又要求實時處理的限制，這是一個可行的解決方案。

Kafka通過Hadoop的并行加載機制統(tǒng)一了在線和離線的消息處理。Apache Kafka相對于ActiveMQ是一個非常輕量級的消息系統(tǒng)，除了性能非常好之外，還是一個工作良好的分布式系統(tǒng)。

典型的Kafka架構(gòu)圖如圖2所示。

3.2 ETL結(jié)構(gòu)化數(shù)據(jù)處理[3]

數(shù)據(jù)管理層的數(shù)據(jù)集市中存儲的是經(jīng)過底層業(yè)務(wù)數(shù)據(jù)源整合清洗后的結(jié)構(gòu)化數(shù)據(jù)，底層基礎(chǔ)數(shù)據(jù)源包含大量的結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，存在著許多臟數(shù)據(jù)以及未整合處理的數(shù)據(jù)，在進行數(shù)據(jù)分析前需要我們先進行數(shù)據(jù)的標(biāo)準(zhǔn)化處理——即ETL轉(zhuǎn)換處理，最終目的是為了提高數(shù)據(jù)分析的準(zhǔn)確率。

ETL應(yīng)用包含設(shè)計、實施、維護三個階段。設(shè)計階段是分析數(shù)據(jù)源和目標(biāo)數(shù)據(jù)集的數(shù)據(jù)結(jié)構(gòu)，制定恰當(dāng)合理的數(shù)據(jù)轉(zhuǎn)換邏輯;實施階段是進行數(shù)據(jù)抽取、轉(zhuǎn)換清洗以及數(shù)據(jù)裝載的過程;維護階段是對于需要定期維護的數(shù)據(jù)項目，ETL在重復(fù)執(zhí)行的同時也需要根據(jù)實際情況進行維護和完善。

數(shù)據(jù)轉(zhuǎn)換的主要工作是將不一致的數(shù)據(jù)進行轉(zhuǎn)換，微粒數(shù)據(jù)進行聚合處理或依據(jù)業(yè)務(wù)規(guī)則進行計算處理。在數(shù)據(jù)抽取完成后就要制定數(shù)據(jù)轉(zhuǎn)換規(guī)則，依據(jù)不同的業(yè)務(wù)要求進行轉(zhuǎn)換處理，將結(jié)果集存儲在數(shù)據(jù)倉庫、數(shù)據(jù)集中為數(shù)據(jù)分析使用。

3.3 非結(jié)構(gòu)化信息抽取

非結(jié)構(gòu)化信息抽取是指從一段文本中抽取需要的信息，將其形成結(jié)構(gòu)化的表示形式進行存儲，以供查詢和后續(xù)分析使用。根據(jù)技術(shù)的不同，通常分成3類算法：基于詞典的信息抽取算法、基于規(guī)則的信息抽取算法和基于機器學(xué)習(xí)的信息抽取算法。

基于規(guī)則的信息抽取的結(jié)果準(zhǔn)確性比較高，抽取結(jié)果比較可控，但是劣勢也很明細(xì)，就是使用比較受限，每次新的需求都需要重新制定規(guī)則。

基于機器學(xué)習(xí)的信息抽取算法主要有隱馬爾可夫模型HMM、最大熵隱馬爾科夫模型、條件隨機模型CRF等，這里我們主要采取條件隨機模型CRF。條件隨機場模型是拉弗蒂在2001年根據(jù)熵模型和隱馬爾可夫模型提出，用來標(biāo)記和分割有序數(shù)據(jù)的一個判別概率無向圖的學(xué)習(xí)模型[4]。

設(shè)G=（V，E）是一個無向圖，Y={Yv|v∈V}是以G中節(jié)點為索引v的隨機變量Yv構(gòu)成的集合。在給定X的條件下，每個隨機變量Yv服從馬爾可夫?qū)傩裕?/p>

3.4 數(shù)據(jù)挖掘?qū)徲嬎惴?/p>

營銷大數(shù)據(jù)審計中應(yīng)用的數(shù)據(jù)挖掘算法繁多，常用的算法有關(guān)聯(lián)分析、K-sigma異常檢測、決策樹等。本文主要介紹關(guān)聯(lián)分析在營銷大數(shù)據(jù)審計研究中的算法邏輯[2]。

關(guān)聯(lián)分析技術(shù)應(yīng)用于各種領(lǐng)域，通過對數(shù)據(jù)的關(guān)聯(lián)性進行分析和挖掘，為決策制定提供參考價值。

Apriori算法是一種用于挖掘頻繁項集的基本算法，也是關(guān)聯(lián)規(guī)則所常用的經(jīng)典挖掘算法之一，它使用一種稱作逐層搜索的迭代方法。

該算法需要對數(shù)據(jù)集執(zhí)行多個步驟。第一步，僅計算包含一個元素的所有項目集的出現(xiàn)頻率，并找出不小于最小支持度的項目集，即最大一維項目集。從第二步開始循環(huán)處理，直到不再生成最大項目集。循環(huán)過程是：在步驟k中，根據(jù)步驟k-1中生成的（k-1）維最大項集生成k維候選項集，然后搜索數(shù)據(jù)庫，得到該項的項集支持。候選項目集，并將其與最小支持度進行比較，以找到k維最大項目集。

由于計算候選集的成本相對較大，而引進了修剪技術(shù)提高生成所有頻繁項集的性能。修剪策略基于定理“所有頻繁項集的非空子集都是頻繁的”。如果某個候選項集有一個子集不屬于最小支持度項目集，則該項目集可以被去除，這樣可以顯著提高計算所有的候選集的效率。

事務(wù)數(shù)據(jù)庫：設(shè)I={i1，i2，……im}是一個全局項的集合，事物數(shù)據(jù)庫D={t1，t2，……tn}是一個事務(wù)的集合，每個事務(wù)ti（1≤i≤n）都對應(yīng)I上的一個子集，例如t1=（i1，i3，i7）。

關(guān)聯(lián)規(guī)則：關(guān)聯(lián)規(guī)則表示項之間的關(guān)系，是形如X→Y的蘊含表達式，其中X和Y是不相交的項集，X稱為規(guī)則的前件，Y稱為規(guī)則的后件。

例如{cereal，milk}→{fruit}關(guān)聯(lián)規(guī)則表示購買谷類食品和牛奶的人也會購買水果。通常關(guān)聯(lián)規(guī)則的強度可以用支持度和置信度來度量。

支持度：支持度指生成規(guī)則的條件項和結(jié)果項同時發(fā)生的概率，表示該條規(guī)則的覆蓋率，即該條規(guī)則的重要性。

support（X→Y）=P（X∪Y）=

置信度：置信度表示Y數(shù)據(jù)出現(xiàn)后，X數(shù)據(jù)出現(xiàn)的可能性，也可以說是數(shù)據(jù)的條件概率。

confidence（XY）=P（X│Y）=

提升度：提升度體現(xiàn)X和Y之間的關(guān)聯(lián)關(guān)系，提升度大于1表示X和Y之間具有強關(guān)聯(lián)關(guān)系，提升度小于等于1表示X和Y之間無有效的強關(guān)聯(lián)關(guān)系。

強關(guān)聯(lián)規(guī)則：滿足最小支持度和最小置信度的關(guān)聯(lián)規(guī)則。

關(guān)聯(lián)規(guī)則的挖掘目標(biāo)是找出所有的頻繁項集和根據(jù)頻繁項集產(chǎn)生強關(guān)聯(lián)規(guī)則。對于Apriori算法，目標(biāo)是找到所有頻繁項集。因此，對于數(shù)據(jù)集中的頻繁數(shù)據(jù)集，我們需要自定義評估標(biāo)準(zhǔn)以查找頻繁項集，支持度就是重要的評估標(biāo)準(zhǔn)之一。

4 大數(shù)據(jù)背景下的審計流程

4.1 建立信息處理應(yīng)用平臺

建立審計平臺，主要分四個交互邏輯層，分別為：業(yè)務(wù)數(shù)據(jù)源、公司數(shù)據(jù)中心、數(shù)據(jù)管理層、應(yīng)用層。建設(shè)審計數(shù)據(jù)集市主要來源于公司數(shù)據(jù)中心的數(shù)據(jù)管理層，該數(shù)據(jù)由公司數(shù)據(jù)中心通過數(shù)據(jù)調(diào)度工具從各省級數(shù)據(jù)中心和業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫抽取各業(yè)務(wù)域的數(shù)據(jù)，存儲在GP數(shù)據(jù)庫里;GP庫按各省數(shù)據(jù)集市的需求定時推送業(yè)務(wù)數(shù)據(jù)，各省數(shù)據(jù)集市形成的成果數(shù)據(jù)推送到網(wǎng)級數(shù)據(jù)集市。應(yīng)用層通過數(shù)據(jù)管理層的數(shù)據(jù)集市調(diào)取不同業(yè)務(wù)數(shù)據(jù)建立審計模型進行數(shù)據(jù)分析，大數(shù)據(jù)的管理和應(yīng)用可以在相關(guān)的審計項目中反復(fù)使用，并在實際應(yīng)用中不斷改進。后臺支持的審計模式可以有效解決公司內(nèi)部審計人員不足的問題，提高審計效率，確保審計質(zhì)量。

4.2 基礎(chǔ)數(shù)據(jù)處理

大數(shù)據(jù)信息化背景下數(shù)據(jù)信息化是首要步驟，電力營銷數(shù)據(jù)包含了結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)即各個系統(tǒng)中存儲的數(shù)據(jù)，這些數(shù)據(jù)往往直接保存在不同類型的數(shù)據(jù)庫中，而非結(jié)構(gòu)化數(shù)據(jù)則是在業(yè)務(wù)處理過程中的辦公文檔、文本、圖片、XML，HTML、各類報表、圖像和音頻/視頻信息等不方便用數(shù)據(jù)庫二維邏輯表來表現(xiàn)的數(shù)據(jù)。這類數(shù)據(jù)就需要我們運用非結(jié)構(gòu)化數(shù)據(jù)抽取技術(shù)來進行對關(guān)鍵審計數(shù)據(jù)的抽取，轉(zhuǎn)化為易于進行大數(shù)據(jù)分析的結(jié)構(gòu)化數(shù)據(jù)[2]。

以業(yè)務(wù)數(shù)據(jù)源為基礎(chǔ)，利用ELT數(shù)據(jù)清洗轉(zhuǎn)換技術(shù)，對元數(shù)據(jù)進行標(biāo)準(zhǔn)化按照業(yè)務(wù)審計規(guī)則轉(zhuǎn)換處理建立審計數(shù)據(jù)庫，將公司內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)進行歸集，形成審計數(shù)據(jù)倉庫，推送至網(wǎng)級審計數(shù)據(jù)集市。

4.3 大數(shù)據(jù)分析應(yīng)用

在數(shù)據(jù)管理層，網(wǎng)級審計數(shù)據(jù)集結(jié)合省級審計數(shù)據(jù)集構(gòu)成了我們審計數(shù)據(jù)的基礎(chǔ)數(shù)據(jù)集合，定期從下級各公司數(shù)據(jù)中心抽取數(shù)據(jù)更新。應(yīng)用層為審計平臺，提供了大數(shù)據(jù)審計分析功能，構(gòu)建各個審計模型模塊為審計人員調(diào)用。

（1）關(guān)聯(lián)分析。是一種常見的數(shù)據(jù)挖掘算法，它可以利用關(guān)聯(lián)規(guī)則來發(fā)掘數(shù)據(jù)之間隱藏的相關(guān)聯(lián)系。通過量化的數(shù)字化數(shù)據(jù)來反應(yīng)數(shù)據(jù)項A的出現(xiàn)對數(shù)據(jù)項B（或多個數(shù)據(jù)項）的出現(xiàn)有多大的影響。在實際的電網(wǎng)營銷審計中，線損異常分析就可以用到關(guān)聯(lián)分析算法。以同期線損數(shù)據(jù)為基礎(chǔ)，融合計量自動化數(shù)據(jù)、用電信息數(shù)據(jù)等，針對同期線損異常臺區(qū)，對終端的有無功、功率因素、電壓、電流，客戶的開表蓋次數(shù)、火/零線電流等各數(shù)據(jù)項之間的隱含關(guān)系，可以分析查找線損原因，提高線損達標(biāo)率。

（2）均值和標(biāo)準(zhǔn)差是統(tǒng)計學(xué)應(yīng)用最廣泛的統(tǒng)計量，運用K-sigma異常檢測統(tǒng)計分析技術(shù)進行營銷數(shù)據(jù)的審計。如在用戶抄表審計過程中的抄表管理，針對抄表區(qū)在審計時間段內(nèi)的抄表次數(shù)，抄表間隔時間等數(shù)據(jù)的統(tǒng)計，計算出抄表均值及標(biāo)準(zhǔn)差。抄表均值反映了該抄表區(qū)域的整體抄表情況，而標(biāo)準(zhǔn)差則體現(xiàn)了抄表的差異度;那些超出抄表均值標(biāo)準(zhǔn)差較大的數(shù)據(jù)既是審計意義上的異常情況，也就是最有可能出現(xiàn)問題的地方。

（3）趨勢分析，在大數(shù)據(jù)分析中被廣泛的應(yīng)用在各個行業(yè)，描述了分析數(shù)據(jù)在時間維度上的趨勢變化，可視化方面主要以柱形圖、折線圖來體現(xiàn)。在實際營銷審計中，可以應(yīng)用于用戶電量波動分析、基本電費繳費波動分析等，通過異常走勢數(shù)據(jù)，進一步排查鎖定問題點。

（4）決策樹算法。通過歷史數(shù)據(jù)自動推導(dǎo)出對事物發(fā)展規(guī)律基于給定數(shù)據(jù)的推廣性描述，構(gòu)造一個分類函數(shù)或分類模型（分類器），該模型能把滿足一定特征的數(shù)據(jù)歸為特定的類別。可以用于預(yù)測事物在未來的發(fā)展?fàn)顩r，判定其在未來某時刻將呈現(xiàn)的狀態(tài)。例如我們利用營銷數(shù)據(jù)對用戶的是否竊電進行稽核審計，通過審計數(shù)據(jù)倉庫，在海量營銷數(shù)據(jù)中使用決策樹模型方法建立用戶是否竊電的模型，根據(jù)模型實現(xiàn)竊電用戶的自動分類識別，發(fā)現(xiàn)異常用電客戶，挽回電費損失。

（5）回歸分析。和分類預(yù)測類似，回歸分析也是從歷史數(shù)據(jù)中自動推導(dǎo)出對事物發(fā)展規(guī)律基于給定數(shù)據(jù)的推廣性描述;不同的是回歸分析的目標(biāo)是數(shù)值型指標(biāo)，構(gòu)造的模型是一個回歸函數(shù);用于判定給定特征的數(shù)據(jù)的目標(biāo)應(yīng)該達到的數(shù)值，而非狀態(tài)。利用海量的電力營銷歷史數(shù)據(jù)即可構(gòu)建多種回歸預(yù)測模型。如某電價類別下用戶的用電量預(yù)測，對該審計用戶的歷史用電數(shù)據(jù)建立訓(xùn)練模型，可以得出用電量合乎規(guī)律的連續(xù)性預(yù)測數(shù)據(jù)，通過折線圖來展示;模型建立后根據(jù)模型預(yù)測數(shù)據(jù)來檢測用戶整體用電量數(shù)據(jù)，通過真實用電量曲線與預(yù)測用電量曲線的對比，有差異的區(qū)間數(shù)據(jù)可以用來判定檢查被審計用戶是否存在違反實際電價類別的售電價格違規(guī)行為。分析不同電價類別下用戶實際月發(fā)行電量超過一定的閾值的進行異常預(yù)警。例如用戶名執(zhí)行的電壓代碼為居民生活1-10KV，而發(fā)行的電量很高，存在明顯的高價低用的特征，很有可能是商業(yè)用電而執(zhí)行居民照明電價。

4.4 建立審計模型案例庫

在經(jīng)過數(shù)據(jù)抽取、清洗轉(zhuǎn)換、分析后，我們根據(jù)審計業(yè)務(wù)規(guī)則建立了不同的審計模型，審計人員驗證后最終形成審計案例，固化在審計平臺中，實現(xiàn)審計結(jié)果的可持續(xù)性，例如：線損審計模型、電價類別審計模型、竊電用戶模型等。這些模型可以實時地、持續(xù)地監(jiān)控業(yè)務(wù)數(shù)據(jù)，發(fā)現(xiàn)業(yè)務(wù)環(huán)節(jié)中可能潛在的違規(guī)和風(fēng)險，防范類似問題的發(fā)生。

5 營銷大數(shù)據(jù)審計分析案例

涉及計量自動化數(shù)據(jù)的營銷審計分析是營銷大數(shù)據(jù)審計的典型代表，由于計量自動化數(shù)據(jù)非常龐大，如果對全省數(shù)據(jù)進行研究應(yīng)用，整個模型的算力和性能都會大大降低，經(jīng)過分析論證后，本文計劃采用一個供電所的數(shù)據(jù)進行模型研究及驗證，后續(xù)應(yīng)用將充分發(fā)揮網(wǎng)公司數(shù)據(jù)中心的技術(shù)支撐，應(yīng)用大數(shù)據(jù)平臺的Kudu技術(shù)實現(xiàn)大數(shù)據(jù)算力支撐，解決算力及性能的約束，實現(xiàn)全省應(yīng)用的營銷大數(shù)據(jù)支撐。

5.1 案例一：計量自動化最大需量值異常

異常條件：大工業(yè)用戶，計量自動化系統(tǒng)月凍結(jié)最大需量與計量系統(tǒng)需量日凍結(jié)值最大值不一致。

所需數(shù)據(jù)表：營銷域：用電客戶、計量點、計量點運行電能表關(guān)系、運行電能表、抄表信息。計量自動化系統(tǒng)：運行電能表日凍結(jié)電能量、運行電能表月最大需量。輸出結(jié)果見表10。

5.2 案例二：營銷與計量抄表示數(shù)不一致

異常條件：營銷系統(tǒng)電量的抄見示數(shù)和計量自動化的示數(shù)不一致。

所需數(shù)據(jù)表：營銷域：用電客戶、計量點、計量點運行電能表關(guān)系、運行電能表、抄表信息。計量自動化系統(tǒng)：運行電能表日凍結(jié)電能量、運行電能表月最大需量。輸出結(jié)果見表11。

5.3 案例三：最大需量值異常

異常條件：按需量計收基本電費，營銷系統(tǒng)與計量自動化最大需量值不一致。所需數(shù)據(jù)表：營銷域：用電客戶、計量點、計量點運行電能表關(guān)系、運行電能表、抄表信息。計量自動化系統(tǒng)：運行電能表日凍結(jié)電能量、運行電能表月最大需量。輸出結(jié)果見表12。

5.4 案例四：大工業(yè)暫停期間仍產(chǎn)生電量

異常條件：單變壓器用戶，業(yè)擴流程中申請辦理暫停業(yè)務(wù)，計量自動化系統(tǒng)在變壓器暫停期間有表碼示數(shù)。所需數(shù)據(jù)表：營銷域：用電客戶、計量點、計量點運行電能表關(guān)系、運行電能表、業(yè)擴工作單基本信息、核算運行變壓器信息。計量自動化系統(tǒng)：運行電能表日凍結(jié)電能量、運行電能表月最大需量。輸出結(jié)果見表13。

6 結(jié)語

大數(shù)據(jù)背景下電網(wǎng)營銷審計模式的建立，可以大大提高審計效率，避免了常規(guī)審計的局限性，實現(xiàn)了海量數(shù)據(jù)協(xié)同分析的可持續(xù)審計。結(jié)合大數(shù)據(jù)技術(shù)不但打通了從上至下的數(shù)據(jù)鏈路，為營銷審計提供了一種創(chuàng)新且有效的審計手段，對審計工作產(chǎn)生了積極的改善效果，加強了營銷審計力度。也提高了審計數(shù)據(jù)質(zhì)量，提升了數(shù)據(jù)分析能力和審計洞察力，真正實現(xiàn)了“讓數(shù)據(jù)說話”，審計研判更加實際客觀。

參考文獻

[1] 胡新玲.基于“互聯(lián)網(wǎng)+”審計云的企業(yè)電力營銷數(shù)字化審計[J].企業(yè)改革與管理，2018（17）：140-141.

[2] 劉悅.大數(shù)據(jù)背景下供電企業(yè)營銷審計研究[D].濟南：山東財經(jīng)大學(xué)，2018.

[3] 張莉.淺議在ERP系統(tǒng)中工程物資管理的幾點問題[J].中國電力教育，2011（06）：87-88.

[4] 唐釗.條件隨機場模型在中文人名識別中的研究與實現(xiàn)[J].現(xiàn)代計算機（專業(yè)版），2012（21）：3-7.

猜你喜歡

數(shù)據(jù)挖掘大數(shù)據(jù)

探討人工智能與數(shù)據(jù)挖掘發(fā)展趨勢

大眾投資指南(2021年35期)2021-02-16 01:06:26

基于并行計算的大數(shù)據(jù)挖掘在電網(wǎng)中的應(yīng)用

電力與能源(2017年6期)2017-05-14 06:19:37

數(shù)據(jù)挖掘技術(shù)在中醫(yī)診療數(shù)據(jù)分析中的應(yīng)用

中國中醫(yī)藥信息雜志(2016年7期)2016-12-01 06:07:55

大數(shù)據(jù)環(huán)境下基于移動客戶端的傳統(tǒng)媒體轉(zhuǎn)型思路

新聞世界(2016年10期)2016-10-11 20:13:53

基于大數(shù)據(jù)背景下的智慧城市建設(shè)研究

科技視界(2016年20期)2016-09-29 10:53:22

數(shù)據(jù)+輿情：南方報業(yè)創(chuàng)新轉(zhuǎn)型提高服務(wù)能力的探索

中國記者(2016年6期)2016-08-26 12:36:20

一種基于Hadoop的大數(shù)據(jù)挖掘云服務(wù)及應(yīng)用

信息通信技術(shù)(2015年6期)2015-12-26 01:16:46

數(shù)據(jù)挖掘的分析與探索

河南科技(2014年23期)2014-02-27 14:18:43

基于GPGPU的離散數(shù)據(jù)挖掘研究

電子設(shè)計工程(2014年18期)2014-02-27 12:00:13

數(shù)字技術(shù)與應(yīng)用2020年8期

數(shù)字技術(shù)與應(yīng)用的其它文章

基于CAD技術(shù)的四通注塑模具設(shè)計

基于LNMP的實驗室固定資產(chǎn)管理信息系統(tǒng)

人工智能在計算機網(wǎng)絡(luò)技術(shù)方面的應(yīng)用

醫(yī)院計算機及網(wǎng)絡(luò)的應(yīng)用研究

基于PRODAVE的造粒生產(chǎn)線控制系統(tǒng)研究

基于GJB5000A二級軟件過程管理的改進