电力营销管理的研究

摘要：文章探讨了如何借助大数据技术制定相应的管理制度，借此来弥补当前电力营销服务缺陷，希望为基于大数据技术下的电力营销管理工作的开展提供理论参考。

关键词：大数据技术；电力营销；管理

１大数据技术功能分析

大数据技术是近代出现的先进技术，其与互联网环境有紧密联系，此项技术的主要功能有数据收集功能、数据深度学习功能、数据深度挖掘功能。（１）数据收集功能。大数据技术是一种以数据为核心的技术，但其与以往的数据技术不同。大数据技术对于数据的收集能力十分优异，可以在同一时间内收集海量不同类型的数据，并将这些数据保存到数据库当中。在现代互联网背景下，网络用户数量很多，且信息产生、传输速度极快，大数据技术表现出较高的适用性，因此目前在很多领域当中都有应用。此外，为了支撑大数据技术的数据收集功能运作，在设计当中，必须建立数据储存库，对此本文建议采用云数据库，因为云数据库的容量几乎“无限”，与大数据海量数据收集功能相匹配［１］。（２）数据深度学习功能。在数据收集功能的基础上，大数据技术会对每一个进入数据库的数据信息进行分析，得到相应的数据信息特征，这些信息特征将会被记录，成为大数据技术系统的“知识”。在此条件下，大数据技术在应用当中，如果接触到与储存知识具有相同或者高相似度的信息时，其就可以自行识别信息内涵，为信息来源提供功能服务。由此可见，大数据技术具有智能化特征，可以自动对信息进行识别。此外，信息特征记录功能主要由被称为“知识库”的数据库来实现，此数据库不建议采用云数据库来建设，因为云数据库保存的信息本质上存在公开信，而大数据“知识”一般属于隐秘信息。（３）数据深度挖掘功能。大数据技术除了会记录信息特征以外，还会依照特征挖掘不同信息之间的逻辑关系，并演化其发展路径，由此得出数据信息树状结构，例如在电力营销中，用户提出某项业务申请后，大数据技术会对用户申请信息进行挖掘，了解用户具有可能性的需求，并随着业务项目的不断开展，判断所有可能性需求与用户当前操作的关联度，最终选择关联度最高的可能性需求为用户实际需求。这一功能在现代技术水平下准确度超过９５％，具备良好的应用价值。因为大数据技术的功能只针对数据，所以其通用性良好，可以在各个领域中应用。电力营销在现代背景下，早已实现了互联网运作模式，所以两者具有较高匹配度。

２大数据电力营销系统分析

２．１数据接口

为了实现数据收集功能，电力单位应当构建数据结构，确保数据可以被大数据技术收集。具体来说，在现代互联网电力营销运维模式下，电力单位可以以互联网为数据载体，建设开放的数据接口，例如网页客户端、ＡＰＰ等。这些接口可以给用户提供远程线上功能服务，使用户足不出户地在任何有网络的环境中办理业务。而当用户办理业务时，就生成了相应的数据，此时这些数据将会通过网络反馈到电力营销中心处，那么只要电力营销中心处具备数据储存库，就可以保存这些信息，由此就完成了数据收集。在此条件下，只要将大数据技术与数据库相互连接，就形成了大数据的前端框架，为后续功能运作提供数据支撑［２］。

２．２数据调度功能

在数据深度学习功能下，大量信息将会被分类保存在知识库中，这些信息可以直接被电力营销工作人员所使用，为实现这一点，需要设计数据调度功能。数据调度功能的设计，一般需要以电力营销服务体系为框架，设立相应的功能架构，例如针对抄核收，就需要设计地理信息定位功能、智能电表信息获取功能等。通过这些功能，电力营销工作人员可以对大数据知识库中保存的信息进行调度。此处值得注意的是，地理信息定位功能、智能电表信息获取功能的运作，同样由大数据技术系统支撑，人工只是输入功能指令而已，即人工在点击功能按钮后，大数据技术会自动将知识库当中的地理信息、电表信息展示给人工。

２．３数据对应功能

上述分析中提到，大数据技术的数据挖掘功能会对信息之间的关联度进行分析，从而得出信息的逻辑发展路线，此时就实现了数据对应功能。具体来说，在电力营销网络业务服务中会产生很多异构信息，且这些信息中可能存在虚假信息，真实性有待考量，那么为了保障异构信息的真实可靠，就必须对所有信息进行处理，而如果依靠人工来处理，是不可能满足电力营销业务处理效率要求的。而大数据技术的数据挖掘功能在同一时间可以收集与用户相关的所有信息，并以用户档案库信息为基础，将用户信息一一对应，同时也核实各项信息与档案库信息的一致性。

３实例大数据电力营销服务系统应用

３．１实例概况

某电力单位成立时间较长，其早期主要采用人工模式来进行电力营销，但在现代因为电力市场的改革，使得人工电力营销体系受到了冲击，无法满足现代用户需求，用户流失量日益剧增。在此前提下，该电力单位清楚地认识到自身处境，所以开始着手建设互联网电力营销系统，并尝试采用大数据技术来进行电力营销管理工作，旨在通过大数据技术，使得互联网电力营销系统的服务水平提高，同时为企业经济收益做出保障，避免以往普遍存在的电费收缴困难问题。本文在获得该电力单位许可的条件下，以其为研究目标，观察大数据技术在其电力营销管理中的应用表现。

３．２实例大数据应用

本文主要围绕实例电力单位的抄核收工作进行测试。在抄表过程中，通过大数据技术调出用户电表位置的地理信息，依照地理信息得到电表搜集到的用户用电信息，即周期内用电总量、用电频率、用电峰值与低谷值时间信息等，将这些信息整合后，对照用户分类信息，确认电费单价，简单计算后得到用户电价总额，此部分得到的电价不具备可靠性，需要通过后续处理来进行验证。在核查过程中，将根据用户电表所处区域，其他同类用户的用电特征，对用户用电总量、用电频率、用电峰值与低谷值时间信息进行特征核实，即确认用户用电表现是否正常，如果存在异常则可能存在窃电或被窃电行为，需要人工深入排查，而如果表现正常，则电价总额可以作为最终电价。在电费收缴过程中，因为现代电力单位推行智能电表，所以在确认用户电表具体位置以及电价总额的条件下，直接对电表绑定的用户账户进行确认，随后扣除相应费用即可。

３．３测试方法与数据基础

首先设立测试指标，即用户总量、用户满意度、业务处理效率、工单作废率。用户总量代表该单位用户数量变化，可反映出市场用户在流失还是在增长；用户满意度为用户评估结果，其真实性有待商榷，但具有参考价值，代表用户是否满意电力营销服务，可反映服务水平；业务处理效率代表大数据技术是否可以优化服务体系；工单作废率代表大数据技术是否可以提高信息真实可靠度。其次围绕各指标统计该电力单位在应用大数据前后各三个月的数据，得到对照组、测试组两组数据，并将两组数据进行对比，根据对比结果可以证实大数据技术是否有效。

３．４结果分析

实例单位在应用大数据后，其各项指标的实际数值都得到了全面提高。由此可见，大数据技术在实际应用当中，具有良好表现。此外，因为用户满意度指标由用户主导，且测试时间较短，所以真实性无法保障。在大数据技术应用下，其虽然增长但没有超过半数，这种现象属于正常现象。

４结语

本文主要对基于大数据的电力营销管理进行了分析，证实了大数据技术与电力营销工作之间存在较高匹配度，并结合实例，说明了大数据技术在实际工作中能有效提高工作效率。

参考文献

［１］范逸欣．基于大数据的电力营销管理创新研究［Ｊ］．现代营销（下旬刊），２０１６（８）：２５－２６．

［２］张周国．基于大数据的电力营销管理创新探究［Ｊ］．现代营销（下旬刊），２０１８（４）：５５．２６