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(jì)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(yùn)行狀態(tài)、用戶行為等大數(shù)據(jù)分析研究提供了堅(jiān)實(shí)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(yùn)用大數(shù)據(jù)技術(shù)于審計(jì)分析，在此基礎(chǔ)上對大數(shù)據(jù)數(shù)據(jù)在審計(jì)數(shù)據(jù)分析中的應(yīng)用進(jìn)行了研究，構(gòu)建了應(yīng)用大數(shù)據(jù)實(shí)現(xiàn)電網(wǎng)營銷審計(jì)的模型。

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

中圖分類號：F426.61 文獻(xiàn)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(jì)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(dú)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(yùn)營審計(jì)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(yùn)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(kuò)展性、容錯機(jī)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(shí)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(jì)模型為思路，研究數(shù)據(jù)驅(qū)動下的新型營銷審計(jì)模式，為營銷審計(jì)提供科學(xué)決策和參考。

1 營銷大數(shù)據(jù)審計(jì)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(jì)行業(yè)由最初的抽樣審計(jì)分析逐步向大數(shù)據(jù)審計(jì)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(jì)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(jì)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(jì)提供了新的模式，但就現(xiàn)階段的審計(jì)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(xiǎn)。面對如此多的信息，原有的審計(jì)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(jì)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(shí)的數(shù)據(jù)，建立審計(jì)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(jì)軟件。目前營銷審計(jì)線索的多樣化，原有的審計(jì)方式已不適合，需要結(jié)合大數(shù)據(jù)分析理論以及機(jī)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(kuò)展、可重復(fù)使用的營銷審計(jì)模型，以適應(yīng)龐大的審計(jì)數(shù)據(jù)分析任務(wù)。

（3）審計(jì)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(jì)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(qiáng)、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(jì)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(cái)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(kuò)管理、計(jì)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(cái)務(wù)系統(tǒng)、物資系統(tǒng)、計(jì)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(duì)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(jìn)行消息持久化;高吞吐，在一臺普通的服務(wù)器上既可以達(dá)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(shí)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(shí)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(jī)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(jìn)行數(shù)據(jù)分析前需要我們先進(jìn)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(jì)、實(shí)施、維護(hù)三個階段。設(shè)計(jì)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(shí)施階段是進(jìn)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(hù)階段是對于需要定期維護(hù)的數(shù)據(jù)項(xiàng)目，ETL在重復(fù)執(zhí)行的同時也需要根據(jù)實(shí)際情況進(jìn)行維護(hù)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(jìn)行轉(zhuǎn)換，微粒數(shù)據(jù)進(jìn)行聚合處理或依據(jù)業(yè)務(wù)規(guī)則進(jìn)行計(jì)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(jìn)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(jìn)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(jī)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(jī)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(jī)模型CRF等，這里我們主要采取條件隨機(jī)模型CRF。條件隨機(jī)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(diǎn)為索引v的隨機(jī)變量Yv構(gòu)成的集合。在給定X的條件下，每個隨機(jī)變量Yv服從馬爾可夫?qū)傩?，?/p>

3.4 數(shù)據(jù)挖掘?qū)徲?jì)算法

營銷大數(shù)據(jù)審計(jì)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(jì)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(jìn)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(xiàng)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(jì)算包含一個元素的所有項(xiàng)目集的出現(xiàn)頻率，并找出不小于最小支持度的項(xiàng)目集，即最大一維項(xiàng)目集。從第二步開始循環(huán)處理，直到不再生成最大項(xiàng)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(xiàng)集生成k維候選項(xiàng)集，然后搜索數(shù)據(jù)庫，得到該項(xiàng)的項(xiàng)集支持。候選項(xiàng)目集，并將其與最小支持度進(jìn)行比較，以找到k維最大項(xiàng)目集。

由于計(jì)算候選集的成本相對較大，而引進(jìn)了修剪技術(shù)提高生成所有頻繁項(xiàng)集的性能。修剪策略基于定理“所有頻繁項(xiàng)集的非空子集都是頻繁的”。如果某個候選項(xiàng)集有一個子集不屬于最小支持度項(xiàng)目集，則該項(xiàng)目集可以被去除，這樣可以顯著提高計(jì)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(xiàng)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(xiàng)之間的關(guān)系，是形如X→Y的蘊(yùn)含表達(dá)式，其中X和Y是不相交的項(xiàng)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(qiáng)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(xiàng)和結(jié)果項(xiàng)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(qiáng)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(qiáng)關(guān)聯(lián)關(guān)系。

強(qiáng)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(xiàng)集和根據(jù)頻繁項(xiàng)集產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則。對于Apriori算法，目標(biāo)是找到所有頻繁項(xiàng)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(xiàng)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(jì)流程

4.1 建立信息處理應(yīng)用平臺

建立審計(jì)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(jì)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(jì)模型進(jìn)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(jì)項(xiàng)目中反復(fù)使用，并在實(shí)際應(yīng)用中不斷改進(jìn)。后臺支持的審計(jì)模式可以有效解決公司內(nèi)部審計(jì)人員不足的問題，提高審計(jì)效率，確保審計(jì)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(bào)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(yùn)用非結(jié)構(gòu)化數(shù)據(jù)抽取技術(shù)來進(jìn)行對關(guān)鍵審計(jì)數(shù)據(jù)的抽取，轉(zhuǎn)化為易于進(jìn)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(jìn)行標(biāo)準(zhǔn)化按照業(yè)務(wù)審計(jì)規(guī)則轉(zhuǎn)換處理建立審計(jì)數(shù)據(jù)庫，將公司內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)進(jìn)行歸集，形成審計(jì)數(shù)據(jù)倉庫，推送至網(wǎng)級審計(jì)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(jì)數(shù)據(jù)集結(jié)合省級審計(jì)數(shù)據(jù)集構(gòu)成了我們審計(jì)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(jì)平臺，提供了大數(shù)據(jù)審計(jì)分析功能，構(gòu)建各個審計(jì)模型模塊為審計(jì)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(xiàng)A的出現(xiàn)對數(shù)據(jù)項(xiàng)B（或多個數(shù)據(jù)項(xiàng)）的出現(xiàn)有多大的影響。在實(shí)際的電網(wǎng)營銷審計(jì)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(jì)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(xiàng)之間的隱含關(guān)系，可以分析查找線損原因，提高線損達(dá)標(biāo)率。

（2）均值和標(biāo)準(zhǔn)差是統(tǒng)計(jì)學(xué)應(yīng)用最廣泛的統(tǒng)計(jì)量，運(yùn)用K-sigma異常檢測統(tǒng)計(jì)分析技術(shù)進(jìn)行營銷數(shù)據(jù)的審計(jì)。如在用戶抄表審計(jì)過程中的抄表管理，針對抄表區(qū)在審計(jì)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(jì)，計(jì)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(jì)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(shí)際營銷審計(jì)中，可以應(yīng)用于用戶電量波動分析、基本電費(fèi)繳費(fèi)波動分析等，通過異常走勢數(shù)據(jù)，進(jìn)一步排查鎖定問題點(diǎn)。

（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?？梢杂糜陬A(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(jìn)行稽核審計(jì)，通過審計(jì)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(shí)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(fèi)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(dá)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(jì)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(shí)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(jì)用戶是否存在違反實(shí)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(shí)際月發(fā)行電量超過一定的閾值的進(jìn)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(jì)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(jì)業(yè)務(wù)規(guī)則建立了不同的審計(jì)模型，審計(jì)人員驗(yàn)證后最終形成審計(jì)案例，固化在審計(jì)平臺中，實(shí)現(xiàn)審計(jì)結(jié)果的可持續(xù)性，例如：線損審計(jì)模型、電價類別審計(jì)模型、竊電用戶模型等。這些模型可以實(shí)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(xiǎn)，防范類似問題的發(fā)生。

5 營銷大數(shù)據(jù)審計(jì)分析案例

涉及計(jì)量自動化數(shù)據(jù)的營銷審計(jì)分析是營銷大數(shù)據(jù)審計(jì)的典型代表，由于計(jì)量自動化數(shù)據(jù)非常龐大，如果對全省數(shù)據(jù)進(jìn)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(jì)劃采用一個供電所的數(shù)據(jù)進(jìn)行模型研究及驗(yàn)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(shí)現(xiàn)大數(shù)據(jù)算力支撐，解決算力及性能的約束，實(shí)現(xiàn)全省應(yīng)用的營銷大數(shù)據(jù)支撐。

5.1 案例一：計(jì)量自動化最大需量值異常

異常條件：大工業(yè)用戶，計(jì)量自動化系統(tǒng)月凍結(jié)最大需量與計(jì)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(jì)量點(diǎn)、計(jì)量點(diǎn)運(yùn)行電能表關(guān)系、運(yùn)行電能表、抄表信息。計(jì)量自動化系統(tǒng)：運(yùn)行電能表日凍結(jié)電能量、運(yùn)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(jì)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(jì)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(jì)量點(diǎn)、計(jì)量點(diǎn)運(yùn)行電能表關(guān)系、運(yùn)行電能表、抄表信息。計(jì)量自動化系統(tǒng)：運(yùn)行電能表日凍結(jié)電能量、運(yùn)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(jì)收基本電費(fèi)，營銷系統(tǒng)與計(jì)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(jì)量點(diǎn)、計(jì)量點(diǎn)運(yùn)行電能表關(guān)系、運(yùn)行電能表、抄表信息。計(jì)量自動化系統(tǒng)：運(yùn)行電能表日凍結(jié)電能量、運(yùn)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(kuò)流程中申請辦理暫停業(yè)務(wù)，計(jì)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(jì)量點(diǎn)、計(jì)量點(diǎn)運(yùn)行電能表關(guān)系、運(yùn)行電能表、業(yè)擴(kuò)工作單基本信息、核算運(yùn)行變壓器信息。計(jì)量自動化系統(tǒng)：運(yùn)行電能表日凍結(jié)電能量、運(yùn)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(jì)模式的建立，可以大大提高審計(jì)效率，避免了常規(guī)審計(jì)的局限性，實(shí)現(xiàn)了海量數(shù)據(jù)協(xié)同分析的可持續(xù)審計(jì)。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(jì)提供了一種創(chuàng)新且有效的審計(jì)手段，對審計(jì)工作產(chǎn)生了積極的改善效果，加強(qiáng)了營銷審計(jì)力度。也提高了審計(jì)數(shù)據(jù)質(zhì)量，提升了數(shù)據(jù)分析能力和審計(jì)洞察力，真正實(shí)現(xiàn)了“讓數(shù)據(jù)說話”，審計(jì)研判更加實(shí)際客觀。

參考文獻(xiàn)

[1] 胡新玲.基于“互聯(lián)網(wǎng)+”審計(jì)云的企業(yè)電力營銷數(shù)字化審計(jì)[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(jì)研究[D].濟(jì)南：山東財(cái)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(diǎn)問題[J].中國電力教育，2011（06）：87-88.

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