戴宇航

1.1 低壓居民高頻需求識別

現(xiàn)階段，低壓臺區(qū)經(jīng)理所接到的低壓服務工單是按照投訴類、服務類、意見類以及舉報類進行標注的，在傳統(tǒng)回單方式下，低壓臺區(qū)經(jīng)理僅根據(jù)每張工單提供相應服務，未能從工單中識別高頻需求，對各低壓臺區(qū)進行精準描述。

為了實現(xiàn)低壓居民精準營銷服務，本次課題從原有的投訴類、服務類、意見類以及舉報類工單中進行文本數(shù)據(jù)識別，在原有工單中識別出具體的諸如電費咨詢、戶表改造等具體的高頻需求。

利用Word2Vec詞向量模型，將95598工單文本詞匯轉(zhuǎn)換成詞向量矩陣，并計算向量空間上的相似度，實現(xiàn)對文本的語義分析，通過二次文本識別，定位事件關(guān)鍵詞，對工單重新分類;對頻發(fā)問題溯源，精確定位轄區(qū)內(nèi)居民的高頻需求。

通過跟蹤不同臺區(qū)高頻需求的走勢，即可通過歷史工單數(shù)據(jù)對各個臺區(qū)歷史高頻需求進行初步描述，得到各個臺區(qū)頻發(fā)需求的營銷畫像。

1.2 基于工單數(shù)據(jù)分析的低壓臺區(qū)服務

從大類上劃分，低壓居民的電力服務需求可集中劃分為涉及電力故障的搶修類需求以及不涉及電力故障的服務類需求，在完成高頻需求識別的基礎(chǔ)上，本次課題進一步按照非搶修類服務需求以及搶修類需求精準營銷服務的實現(xiàn)進行進一步分析。

1.2.1 低壓居民服務類需求精準營銷

對于非搶修類的服務性需求，關(guān)鍵是以臺區(qū)（小區(qū)）為單位，形成臺區(qū)服務特性的畫像，識別影響臺區(qū)服務類需求的關(guān)鍵業(yè)務因子，跟蹤關(guān)鍵業(yè)務因子并基于臺區(qū)服務類需求走勢，提供精準營銷服務。

地域上，通過對工單報修地址進行分析，通過k-means聚類算法，構(gòu)建低壓臺區(qū)分析模型，對不同特征的臺區(qū)進行聚類歸納，以臺區(qū)為單位，形成客戶需求熱力圖，實現(xiàn)臺區(qū)“分而治之”，對用戶用電服務需求進行總結(jié)評判，提供個性化營銷服務。

基于臺區(qū)服務需求畫像，與同時段營銷系統(tǒng)數(shù)據(jù)進行比對，找出影響該類非搶修類服務需求的關(guān)鍵業(yè)務因子。在實踐中，通過跟蹤分析得到影響服務需求關(guān)鍵業(yè)務因子的走勢，即可實現(xiàn)對非搶修類需求的提前預判，實現(xiàn)營銷服務的精準化與前置化。

基于上述分析，對于臺區(qū)服務需求，項目通過三步進行實現(xiàn)：

1）數(shù)據(jù)獲取

基于95598及12345工單臺賬，獲取歷史工單中的相關(guān)數(shù)據(jù)。采用數(shù)據(jù)導入的方式將excel格式的工單批量導入數(shù)據(jù)后臺。

2）數(shù)據(jù)分析

在基本工單數(shù)據(jù)導入后，對于臺區(qū)服務畫像無關(guān)的且涉及隱私的客戶姓名、客戶聯(lián)系方式等隱私信息做隱去的脫敏處理，將數(shù)據(jù)存儲在本地數(shù)據(jù)庫中，設(shè)定如“表計校驗”、“更名過戶”等關(guān)鍵詞語對系統(tǒng)進行規(guī)范訓練，根據(jù)關(guān)鍵詞對重要數(shù)據(jù)進行抓取、匯總分析。

3）數(shù)據(jù)展示

分析處理后的數(shù)據(jù)可提供直觀、準確、可靠的可視化展示。

最終，對于服務類工單，項目即可實現(xiàn)“工單——問題分析——提升服務質(zhì)量”的工單數(shù)據(jù)驅(qū)動的精準服務提升。

1.2.2 低壓臺區(qū)搶修類精準營銷服務

搶修類需求與臺區(qū)設(shè)備負載率及運行狀態(tài)具有強關(guān)聯(lián)性，老舊臺區(qū)在夏冬季高峰會出現(xiàn)設(shè)備過載現(xiàn)象，伴隨著三相不平衡、電壓偏移等并發(fā)問題，會引起短時間同區(qū)域內(nèi)密集發(fā)生搶修類服務訴求。

低壓臺區(qū)的搶修概率除受設(shè)備本身的運行狀況影響外還受制于天氣、環(huán)境、用戶等復雜因素影響，具備明顯的大數(shù)據(jù)特征。此前的響應類服務模式為對搶修頻發(fā)臺區(qū)提報檢修、增容計劃，通過事后治理的方式來實現(xiàn)服務的升級，缺乏精準性，本次課題基于臺區(qū)設(shè)備運行情況、大量歷史重、過載記錄，同時融合電網(wǎng)內(nèi)外部各類數(shù)據(jù)，通過數(shù)據(jù)挖掘方法分析短期內(nèi)負載變化趨勢、用戶構(gòu)成、氣象條件等內(nèi)外因素對臺區(qū)搶修風險的影響，綜合評分，根據(jù)搶修風險等級搭建臺區(qū)搶修風險評級。

首先是數(shù)據(jù)的接入與處理，通過配網(wǎng)自動化系統(tǒng)、用電信息采集系統(tǒng)等數(shù)據(jù)源結(jié)合南京地區(qū)天氣預測等信息實現(xiàn)臺區(qū)用電量的回歸預測，基于歷史搶修類工單數(shù)據(jù)進行比對，對大量歷史搶修類工單進行溯源，識別搶修頻發(fā)臺區(qū)。針對歷史搶修頻發(fā)臺區(qū)進行風險評估，一是考慮臺區(qū)設(shè)備質(zhì)量、用戶用電高峰發(fā)生可能等因素綜合評估臺區(qū)發(fā)生停電故障率，而是基于所接入用戶數(shù)以及臺區(qū)位置評估發(fā)生搶修所帶來的影響以及風險后果?；陲L險評級，及時對高風險臺區(qū)提報增容計劃、主動上門巡視，實現(xiàn)搶修工單的前置壓降。

1.3 總結(jié)

本章主要內(nèi)容是對低壓居民用戶的精準營銷的數(shù)據(jù)實現(xiàn)進行研究，核心是基于工單訴求數(shù)據(jù)進行歸納分析。第一步是實現(xiàn)工單訴求的二次精確分類。工單并無新鮮事，供電所接到的工單具有規(guī)律性和特征性。本文挖掘客戶需求中的規(guī)律以及與業(yè)務之間的關(guān)聯(lián)。——通過二次文本識別，定位事件關(guān)鍵詞，對工單重新分類;對頻發(fā)問題溯源，精確定位轄區(qū)內(nèi)居民的高頻需求。

在高頻需求二次分類的基礎(chǔ)上，項目按照搶修類需求與非搶修類需求深入挖掘分析。對于非搶修類的服務性需求，展開地域與時段雙維度數(shù)據(jù)挖掘。

搶修類需求與臺區(qū)設(shè)備負載率及運行狀態(tài)具有強關(guān)聯(lián)性。老舊臺區(qū)、夏冬季用電正是搶修類工單發(fā)生的高峰。項目計劃利用RNN時序模型進行電量預測，結(jié)合臺區(qū)設(shè)備運行情況，得到搶修類需求頻發(fā)臺區(qū)畫像并搭建臺區(qū)搶修風險評級模型?；陲L險評級，及時對高風險臺區(qū)提報增容計劃、主動上門巡視，實現(xiàn)搶修工單的前置壓降。

（國網(wǎng)南京市江寧區(qū)供電公司）