陳永軍 吳立

摘? 要：電力大數(shù)據(jù)目前主要應(yīng)用于電力企業(yè)自身傳統(tǒng)業(yè)務(wù)，其價值仍未被有效挖掘使用。隨著國家“互聯(lián)網(wǎng)+”行動計劃的部署，電力企業(yè)充分發(fā)揮電力大數(shù)據(jù)資產(chǎn)優(yōu)勢，開展跨業(yè)務(wù)、跨層級的多維分析和深度數(shù)據(jù)挖掘，加強內(nèi)部資源優(yōu)化整合，有效促進管理變革成了當(dāng)前緊迫需要。針對電力大數(shù)據(jù)在電子商務(wù)領(lǐng)域的應(yīng)用進行研究，助力支撐電子商務(wù)、互聯(lián)網(wǎng)金融服務(wù)等新興業(yè)務(wù)，加快企業(yè)“互聯(lián)網(wǎng)+能源”創(chuàng)新發(fā)展。

關(guān)鍵詞：電力大數(shù)據(jù);能源電商;客戶分群;履約風(fēng)險;多維分析

中圖分類號：TP399;TM769? ? ? 文獻標識碼：A 文章編號：2096-4706（2020）17-0107-05

Abstract：At present，power big data is mainly used in the traditional business of power enterprises，and its value has not been effectively mined and used. With the deployment of the national “internet plus” action plan，the power companies have fully utilized the power of big data assets，and carried out multi-dimensional analysis and deep data mining across business and across levels，strengthening the optimization and integration of internal resources，and effectively promoting management transformation，which has become an urgent need at present. The research on the application of big data in the field of e-commerce will help to support new businesses such as e-commerce and Internet financial services，and accelerate the development of “internet plus energy”.

Keywords：power big data;energy e-commerce;customer grouping;performance risk;multidimensional analysis

0? 引? 言

2017年，黨的十九大報告指出要推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實體經(jīng)濟深度融合，要著力加快建設(shè)實體經(jīng)濟、科技創(chuàng)新、現(xiàn)代金融、人力資源協(xié)同發(fā)展的產(chǎn)業(yè)體系[1]。如何有效發(fā)揮企業(yè)的數(shù)據(jù)資產(chǎn)價值，成為當(dāng)前企業(yè)轉(zhuǎn)型、業(yè)務(wù)創(chuàng)新的突破方向。在能源行業(yè)，電力數(shù)據(jù)急劇增長并形成一定規(guī)模[2]，傳統(tǒng)電力及能源企業(yè)也在思考如何推進大數(shù)據(jù)實際應(yīng)用[3]。國內(nèi)某電力科技企業(yè)——W公司正是面臨這一發(fā)展窗口期。W公司已開展的業(yè)務(wù)包括B2B、B2C、在線支付、互聯(lián)網(wǎng)金融以及新能源交易等，而如何進一步挖掘電力大數(shù)據(jù)的價值，更好的支撐電子商務(wù)業(yè)務(wù)的發(fā)展，成為W公司一直在探索的課題。近年來，筆者負責(zé)和參與了W公司建設(shè)多個電力大數(shù)據(jù)應(yīng)用信息化項目，這些項目可以幫助業(yè)務(wù)運營人員了解目標客戶的交易情況、經(jīng)營現(xiàn)狀及償還信用情況等，也為W公司調(diào)整營銷策略、規(guī)避風(fēng)險提供了決策支撐。截至2019年，W公司累計用戶數(shù)已達2.08億，累計交易額3 293億元，入駐優(yōu)質(zhì)商戶8.94萬家。本文依托W公司在電力大數(shù)據(jù)應(yīng)用方面的探索和積累，總結(jié)方案思路和應(yīng)用成果，為電力大數(shù)據(jù)應(yīng)用研究及其他企業(yè)提供參考。

1? 方案設(shè)計

隨著能源電力公司業(yè)務(wù)的快速開展，結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)呈海量增長，各業(yè)務(wù)系統(tǒng)數(shù)據(jù)標準不統(tǒng)一、數(shù)據(jù)架構(gòu)不規(guī)范、數(shù)據(jù)價值亟待挖掘。電力大數(shù)據(jù)具有大數(shù)據(jù)普遍的特征，包括數(shù)量大、數(shù)據(jù)類型多、處理速度快、數(shù)據(jù)準確性高以及價值高的特點[4]?；趯Υ髷?shù)據(jù)的采集和分析技術(shù)，實現(xiàn)對企業(yè)業(yè)務(wù)運營情況實時數(shù)據(jù)捕捉、動態(tài)監(jiān)測、運營分析和全景展示。

1.1? 數(shù)據(jù)分析設(shè)計

電力大數(shù)據(jù)包括客戶用電、電力交費、電力交易、客戶服務(wù)及相關(guān)互聯(lián)網(wǎng)信息等。電力大數(shù)據(jù)與國民經(jīng)濟其他領(lǐng)域數(shù)據(jù)進行交互融合，才能更好地發(fā)揮其價值[5]。電力大數(shù)據(jù)預(yù)處理完成對接收數(shù)據(jù)的辨析、抽取、清洗等操作[6]，對于用戶敏感信息進行脫敏處理，并進行數(shù)據(jù)清洗、質(zhì)量檢查與控制及元數(shù)據(jù)管理等后續(xù)處理環(huán)節(jié)，以提高數(shù)據(jù)的準確性，提高數(shù)據(jù)資產(chǎn)價值?；陔娏Υ髷?shù)據(jù)的電子商務(wù)應(yīng)用實現(xiàn)，對業(yè)務(wù)數(shù)據(jù)進行實時采集，按照客戶類、產(chǎn)品類、交易類、流量類、營銷類及業(yè)務(wù)線類等數(shù)據(jù)分類，并按照主題數(shù)據(jù)進行分類匯總和存儲，再跟據(jù)分析需求構(gòu)建分析場景，使用數(shù)據(jù)分析技術(shù)進行多種業(yè)務(wù)支撐分析，最后通過數(shù)據(jù)可視化技術(shù)進行成果展示。分析架構(gòu)方案如圖1所示。

1.2? 指標結(jié)構(gòu)設(shè)計

根據(jù)業(yè)務(wù)關(guān)聯(lián)關(guān)系構(gòu)建指標體系，其核心包括業(yè)務(wù)線、產(chǎn)品、客戶與交易。產(chǎn)品歸屬于業(yè)務(wù)線，客戶通過購買行為與產(chǎn)品關(guān)聯(lián)，購買行為通過交易進行規(guī)范與存儲。如圖2所示。

在指標體系分類基礎(chǔ)上，進行詳細指標設(shè)計，包括（不限于）以下幾類：

（1）核心指標：核心指標包括客戶、交易、產(chǎn)品、流量、風(fēng)險等，通過對每個主題下的核心指標的展示，反映整體運營概況。

（2）客戶監(jiān)測：通過注冊用戶、實名認證用戶、活躍用戶、新增用戶、新增商戶等信息的展示，反映獲客能力，以及客戶的活躍情況。

（3）客戶分析：監(jiān)測近一周的周活躍客戶數(shù)、周新增注冊用戶數(shù)、周新增商戶，反映近一周用戶活躍、新增情況。針對不同年齡端的用戶分布對客戶進行畫像，建立用戶等級、通過圖形展示各等級會員數(shù)的占比。

（4）流量監(jiān)測：對瀏覽量、訪客數(shù)、商城實時流量、實時流量、瀏覽深度方面的情況，根據(jù)關(guān)鍵詞，展示搜索排名情況。

（5）流量分析：實時展示當(dāng)天的日瀏覽量、日訪客數(shù);按小時展示當(dāng)天日瀏覽量、日訪客數(shù)的變化趨勢;按小時展示當(dāng)天每個客戶的瀏覽量（瀏覽深度），并與昨日的瀏覽深度進行對比分析。

（6）交易分析：監(jiān)測各渠道、各區(qū)域、各品類的交易分布情況，并以顏色進行區(qū)分。

（7）產(chǎn)品監(jiān)測：對商城品類、互聯(lián)網(wǎng)金融各品類商品進行監(jiān)測。

（8）產(chǎn)品分析：對各個品類商品進行銷量分析、區(qū)域分布分析等。

（9）營銷監(jiān)測：對平臺的營銷活動進行監(jiān)測。

（10）用電分析：月用電量、交費分析、欠費分析。

根據(jù)業(yè)務(wù)部門需要，可進行單個指標分析或組合分析。

1.3? 操作流程設(shè)計

電子商務(wù)應(yīng)用分析操作過程，從業(yè)務(wù)部門提出業(yè)務(wù)問題發(fā)起，并確定分析專題領(lǐng)域。數(shù)據(jù)分析部門進行業(yè)務(wù)問題范圍定義，并進一步確定分析數(shù)據(jù)范圍，再進行分析建模，最后實現(xiàn)數(shù)據(jù)分析過程。實現(xiàn)流程如圖3所示。

分析結(jié)果展示采用可視化技術(shù)，電力大數(shù)據(jù)可視化是數(shù)據(jù)價值傳遞的有效方式[7]。電力生產(chǎn)與企業(yè)經(jīng)營方面，數(shù)據(jù)可視化能夠全面、及時反映企業(yè)經(jīng)營狀態(tài)，滿足運行管理的需要[8]。本方案采用可定制化方式，根據(jù)不同指標和專題場景，設(shè)計展示畫面，并綁定后臺數(shù)據(jù)，支持數(shù)據(jù)表格、圖形及動畫等多種展現(xiàn)方式。

2? 方案應(yīng)用

電力大數(shù)據(jù)電子商務(wù)應(yīng)用以拓展公司業(yè)務(wù)領(lǐng)域、實現(xiàn)客戶服務(wù)價值為目標，充分結(jié)合自身資源優(yōu)勢，圍繞“互聯(lián)網(wǎng)+”特色主線，建立服務(wù)于客戶個人和商家的電子商務(wù)服務(wù)綜合生態(tài)體系，通過信息化手段使客戶、商家、服務(wù)平臺和合作伙伴之間共享大數(shù)據(jù)平臺帶來的分析成果與收益，實現(xiàn)業(yè)務(wù)與服務(wù)智能化。本文的分析方案為電子商務(wù)、互聯(lián)網(wǎng)金融服務(wù)業(yè)務(wù)板塊運營服務(wù)，通過核心指標、多維專題的分析、挖掘與展示，反映公司獲客能力、企業(yè)營業(yè)收入、交易風(fēng)險等運營概況，為及時了解業(yè)務(wù)開展情況、防范各類事件風(fēng)險提供了有效的參考與依據(jù)。

2.1? 供應(yīng)商履約風(fēng)險評估應(yīng)用

由于合作供應(yīng)商經(jīng)營問題，出現(xiàn)法律問題，會嚴重影響合同或項目的執(zhí)行。如何識別供應(yīng)商的風(fēng)險，做好防范準備，變得非常重要[9]。電子商城大宗交易，如物資批量采購或電力工程等，因涉及交易金額較大，即涉及供應(yīng)商的履約風(fēng)險問題。履約風(fēng)險來源于資信評價，傳統(tǒng)資信評價基于企業(yè)的貸款與還款、經(jīng)濟糾紛處理等信息，這些信息具有數(shù)據(jù)不完整、更新頻率慢等特點，不能及時反映企業(yè)的經(jīng)營狀況。而基于電力大數(shù)據(jù)，如企業(yè)用電數(shù)據(jù)，則可以及時反映企業(yè)的生產(chǎn)景氣程度。目前我國產(chǎn)業(yè)結(jié)構(gòu)不斷調(diào)整，用戶用電特性越發(fā)多樣化，同一行業(yè)不同用戶用電特性差異巨大[10]。如圖4所示，通過抓取某鋼鐵制造型企業(yè)近3年的月用電數(shù)據(jù)，進行趨勢分析，獲取該企業(yè)的生產(chǎn)經(jīng)營景氣程度相關(guān)信息，為商城交易履約評價提供參考。

分析評價：該企業(yè)作為高耗能制造企業(yè)，對電力資源消耗較大。從近三年的企業(yè)用電數(shù)據(jù)來看，企業(yè)用電整體呈微幅下降趨勢，這主要與企業(yè)淘汰落后產(chǎn)能并進行節(jié)能改造升級有關(guān)。從近半年企業(yè)用電情況來看，企業(yè)用電情況大幅下降后逐漸上升，說明受宏觀疫情影響，企業(yè)存在明顯減產(chǎn)情況，后逐步恢復(fù)生產(chǎn)。

從互聯(lián)網(wǎng)抓取該該企業(yè)所在地區(qū)近期市場鋼材價格，進行趨勢分析，如圖5所示。

分析說明：該企業(yè)所在地區(qū)鋼材產(chǎn)品價格穩(wěn)中有升，結(jié)合該企業(yè)近期用電數(shù)據(jù)呈上升趨勢，說明該企業(yè)生產(chǎn)情況良好，經(jīng)營較為景氣，交易違約風(fēng)險較小。

2.2? 客戶分群分析應(yīng)用

在市場營銷領(lǐng)域，根據(jù)用戶關(guān)鍵特征進行分類，然后根據(jù)不同類型用戶提供不同服務(wù)，推銷特定產(chǎn)品等[11]?？蛻舴秩和ㄟ^后臺數(shù)據(jù)的整合，包括用戶電費繳納數(shù)據(jù)、商城交易數(shù)據(jù)等，使商城交易使用科學(xué)的分析方法、建模算法和數(shù)據(jù)挖掘能力輔助業(yè)務(wù)部門制定決策，全面、直觀的了解掌握客戶特點，從而采用相應(yīng)的營銷策略，提高客戶和產(chǎn)品生命價值，最終提高客戶黏性和平臺業(yè)務(wù)收入。通過客戶分群分析，可以實現(xiàn)以下目標：

（1）全面認識客戶及客戶群體。

（2）高效率、低成本的獲取優(yōu)質(zhì)的客戶。

（3）認識、控制客戶的風(fēng)險。

（4）實現(xiàn)交叉及提升銷售以及提高客戶價值和忠誠度。

（5）分析、預(yù)測客戶流失以保留優(yōu)質(zhì)的客戶。

首先收集客戶及交易數(shù)據(jù)，包括基本信息：ID，年齡，職業(yè)，地理位置，注冊時間等;價值及風(fēng)險分類數(shù)據(jù)：包括賬戶余額，交易評價，綁定銀行卡數(shù)等;交易行為特征數(shù)據(jù)：交易時間，交易金額，收貨地址等。其次使用主成分分析或者因子分析，提取出有價值、信息量更重要的屬性數(shù)據(jù)。再次，使用聚類分析（Clustering）等技術(shù)實現(xiàn)分群，將有意義的屬性變量放入選定模型中，調(diào)整算法，構(gòu)建聚類模型。對客戶購買行為的數(shù)據(jù)的轉(zhuǎn)換為結(jié)構(gòu)化的數(shù)據(jù)，按商品的購買頻度（次/周）、季度消費金額（千元/季度）、同比季度消費金額（千元/季度）等數(shù)據(jù)信息進行匯總統(tǒng)計。運用數(shù)據(jù)挖掘模型對數(shù)據(jù)進行聚類分析，給定區(qū)間將客戶分為：重要、一般、不活躍三大類;同時將購買頻度：上升、保持和降低。為業(yè)務(wù)決策部門提供客戶營銷建議為消極（一般挽留和重點挽留）和積極（商品推薦、VIP推薦等），獲得客戶分群聚類結(jié)果如表1所示。

2.3? 交易多維分析應(yīng)用

多維分析（Online Analysis Processing，OLAP）在BI中被廣泛使用，幫助分析數(shù)據(jù)倉庫和數(shù)據(jù)立方體中的多維數(shù)據(jù)[12]。交易多維分析應(yīng)用采用維度（Dimension）加分析度量（Measure）方式建立，通過地域、時間、商品類型、商品、供應(yīng)商及采購類型等不同維度，分析交易金額、交易筆數(shù)等業(yè)務(wù)指標，提供多種不同詳細分析場景，便于業(yè)務(wù)分析人員了解不同地域、不同時間、不同商品的交易情況，以滿足提前補貨及調(diào)整貨品上架數(shù)量等業(yè)務(wù)需要。交易多維分析應(yīng)用如表2所示。

交易多維分析支持鉆?。―rill-up和Drill-down）、切片（Slice）和切塊（Dice）、以及旋轉(zhuǎn)（Pivot）等多種分析應(yīng)用。

3? 結(jié)? 論

近年來，電子商務(wù)持續(xù)快速發(fā)展，與各類實體經(jīng)濟不斷融合，重塑供應(yīng)鏈，提高供求方匹配度，引領(lǐng)經(jīng)濟轉(zhuǎn)型新方向。本文根據(jù)當(dāng)下移動互聯(lián)網(wǎng)的發(fā)展，結(jié)合電力大數(shù)據(jù)支撐電子商務(wù)應(yīng)用進行研究，以信息系統(tǒng)運行監(jiān)控為主體，進行多方數(shù)據(jù)的融合和關(guān)聯(lián)，進行了供應(yīng)商履約風(fēng)險評估、客戶分群分析及交易多維分析的應(yīng)用研究，從而通過數(shù)據(jù)分析支持公司生產(chǎn)運行和經(jīng)營管理，提升業(yè)務(wù)應(yīng)用的信息展現(xiàn)和輔助決策能力。

參考文獻：

[1] 習(xí)近平.決勝全面建成小康社會? 奪取新時代中國特色社會主義偉大勝利 [N].人民日報，2017-10-28（1）.

[2] 陳超，張順仕，尚守衛(wèi)，等.大數(shù)據(jù)背景下電力行業(yè)數(shù)據(jù)應(yīng)用研究 [J].現(xiàn)代電子技術(shù)，2013，36（24）：8-11+14.

[3] 薛禹勝，賴業(yè)寧.大能源思維與大數(shù)據(jù)思維的融合? （二）應(yīng)用及探索 [J].電力系統(tǒng)自動化，2016，40（8）：1-13.

[4] 王繼業(yè).大數(shù)據(jù)與電力企業(yè) [J].電力信息化，2012，10（8）：7.

[5] 彭小圣，鄧迪元，程時杰，等.面向智能電網(wǎng)應(yīng)用的電力大數(shù)據(jù)關(guān)鍵技術(shù) [J].中國電機工程學(xué)報，2015，35（3）：503-511.

[6] 段軍紅，張乃丹，趙博，等.電力大數(shù)據(jù)基礎(chǔ)體系架構(gòu)與應(yīng)用研究 [J].電力信息與通信技術(shù)，2015，13（2）：92-95.

[7] G·L·伯恩哈特.數(shù)據(jù)可視化：CN101681245 [P].2010-03-24.

[8] 閆龍川，李雅西，李斌臣，等.電力大數(shù)據(jù)面臨的機遇與挑戰(zhàn) [J].電力信息化，2013，11（4）：1-4.

[9] 燕歌，許超.基于大數(shù)據(jù)的集中采購平臺供應(yīng)商信用管理的研究及應(yīng)用 [J].建設(shè)機械技術(shù)與管理，2020，33（3）：62-66.

[10] 陳海文，王守相，梁棟，等.用戶節(jié)電的大數(shù)據(jù)分析及應(yīng)用 [J].電網(wǎng)技術(shù)，2019，43（4）：1345-1354.

[11] 王毅，張寧，康重慶，等.電力用戶行為模型：基本概念與研究框架 [J].電工技術(shù)學(xué)報，2019，34（10）：2056-2068.

[12] 李敏波，許鑫星，韓樂.基于JSON文檔結(jié)構(gòu)的工業(yè)大數(shù)據(jù)多維分析方法 [J].中國機械工程，2020，31（14）：1700-1707+ 1716.

作者簡介：陳永軍（1977—），男，滿族，遼寧大連人，高級工程師，碩士，研究方向：項目管理、數(shù)字資產(chǎn)管理、大數(shù)據(jù)技術(shù)及安全技術(shù);吳立（1975—），男，漢族，廣東珠海人，高級工程師，碩士，研究方向：電力系統(tǒng)營銷、財務(wù)信息化、密碼安全技術(shù)和互聯(lián)網(wǎng)金融業(yè)務(wù)應(yīng)用。