鄭芒英
【摘要】 從湛江電網(wǎng)企業(yè)的實(shí)際需求出發(fā),利用SAS軟件通過(guò)分析不同客戶(hù)的繳交電費(fèi)的行為以及客戶(hù)基本屬性特征,研究并創(chuàng)先性構(gòu)建了電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)模型,預(yù)測(cè)并明確客戶(hù)的電費(fèi)回收風(fēng)險(xiǎn)等級(jí)?;诂F(xiàn)有客戶(hù)服務(wù)管理資源,有效利用客戶(hù)動(dòng)態(tài)數(shù)據(jù)資源和邏輯回歸預(yù)測(cè)模型,充分把握客戶(hù)需求,按照不同客戶(hù)群體的特點(diǎn)開(kāi)展個(gè)性化服務(wù)。針對(duì)高風(fēng)險(xiǎn)的客戶(hù),提前有針對(duì)性地采取個(gè)性化服務(wù)策略和具體措施,確保電費(fèi)及時(shí)回收,降低企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn),進(jìn)而加強(qiáng)電費(fèi)回收風(fēng)險(xiǎn)管控能力的提升,為電網(wǎng)企業(yè)個(gè)性化優(yōu)質(zhì)服務(wù)策略的制定奠定了基礎(chǔ)。
【關(guān)鍵詞】 邏輯回歸 數(shù)據(jù)挖掘 客戶(hù)細(xì)分 差異化服務(wù) 模型
新電改方案已于2014年底在深圳市試點(diǎn)實(shí)施,方案的核心內(nèi)容是確立電網(wǎng)企業(yè)新的盈利模式,不再以上網(wǎng)及銷(xiāo)售電價(jià)差作為收入來(lái)源,而是按照政府核定的輸配電價(jià)收取過(guò)網(wǎng)費(fèi)[1]。湛江地區(qū)是新電改方案非試點(diǎn)實(shí)施區(qū)域,目前湛江電網(wǎng)企業(yè)的主要經(jīng)營(yíng)利潤(rùn)仍來(lái)自于電費(fèi)回收。湛江電網(wǎng)企業(yè)為了加強(qiáng)對(duì)電費(fèi)回收的實(shí)時(shí)監(jiān)控;加強(qiáng)銀企合作,加快電費(fèi)資金歸集速度;全面推廣客戶(hù)信用評(píng)價(jià)機(jī)制,建立基于客戶(hù)信用的電費(fèi)回收策略,防范電費(fèi)回收風(fēng)險(xiǎn),希望通過(guò)分析不同客戶(hù)的繳交電費(fèi)的行為以及客戶(hù)基本屬性特征,進(jìn)行客戶(hù)的電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè),對(duì)不同客戶(hù)提前采取差異化的電費(fèi)回收策略和預(yù)防措施,保障企業(yè)的電費(fèi)收入,有效控制企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn),進(jìn)而加強(qiáng)電費(fèi)回收風(fēng)險(xiǎn)管控能力的提升。
一、用電客戶(hù)電費(fèi)回收風(fēng)險(xiǎn)的現(xiàn)狀分析
在湛江地區(qū)進(jìn)行需求調(diào)研的過(guò)程中,在電費(fèi)回收方面均有一定的需求反饋。
(1)高欠費(fèi)風(fēng)險(xiǎn)客戶(hù)增加了資金風(fēng)險(xiǎn),但目前缺少針對(duì)高欠費(fèi)風(fēng)險(xiǎn)客戶(hù)的差異化的服務(wù)措施和辦理業(yè)擴(kuò)業(yè)務(wù)時(shí)的防范措施,以降低企業(yè)資金風(fēng)險(xiǎn);
(2)部分欠費(fèi)風(fēng)險(xiǎn)高的用戶(hù)重新申請(qǐng)業(yè)擴(kuò)新裝時(shí),缺乏有效手段發(fā)現(xiàn)其欠費(fèi)風(fēng)險(xiǎn)和欠費(fèi)情況,并要求其清剿歷史欠費(fèi);
(3)在裝表接電環(huán)節(jié),無(wú)法根據(jù)客戶(hù)拖欠電費(fèi)的風(fēng)險(xiǎn)程度,有選擇地對(duì)部分客戶(hù)選用預(yù)付費(fèi)卡表;
(4)無(wú)法根據(jù)客戶(hù)的欠費(fèi)風(fēng)險(xiǎn)和獲取繳費(fèi)信息渠道的偏好采取不同的電費(fèi)通知方式,使電費(fèi)信息能夠及時(shí)有效的通知到客戶(hù);
(5)無(wú)法找出電費(fèi)回收可能存在風(fēng)險(xiǎn)的客戶(hù)或群體。
在這樣的業(yè)務(wù)背景下,想要強(qiáng)化電費(fèi)回收風(fēng)險(xiǎn)的管控,需要明確每個(gè)客戶(hù)的電費(fèi)回收風(fēng)險(xiǎn)等級(jí),找到高風(fēng)險(xiǎn)客戶(hù),有針對(duì)性地采取差異化的策略和具體措施,確保電費(fèi)及時(shí)回收,降低企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)。
然而,在當(dāng)前的業(yè)務(wù)現(xiàn)狀下,尋找用檢風(fēng)險(xiǎn)高的客戶(hù)存在一定的困難,主要體現(xiàn)在以下兩個(gè)方面:
(1)電費(fèi)回收高風(fēng)險(xiǎn)客戶(hù)沒(méi)有統(tǒng)一的定義。目前,不同業(yè)務(wù)人員心目中都有一些電費(fèi)回收風(fēng)險(xiǎn)高的客戶(hù)的特征(也就是通常所謂“壞客戶(hù)”的特點(diǎn))。例如抄核收人員認(rèn)為多次催繳,甚至上門(mén)催繳也不來(lái)繳費(fèi)的客戶(hù)是高風(fēng)險(xiǎn)的客戶(hù);電費(fèi)核算人員認(rèn)為連續(xù)幾期電費(fèi)都存在逾期的客戶(hù)是高風(fēng)險(xiǎn)的客戶(hù);客戶(hù)經(jīng)理認(rèn)為生產(chǎn)波動(dòng)性大的企業(yè),由于經(jīng)營(yíng)狀況不穩(wěn)定,經(jīng)常容易發(fā)生欠費(fèi),是高風(fēng)險(xiǎn)客戶(hù)等。
(2)電力營(yíng)銷(xiāo)系統(tǒng)中沒(méi)有統(tǒng)一標(biāo)識(shí)每個(gè)客戶(hù)的電費(fèi)回收風(fēng)險(xiǎn)等級(jí)。目前,電力營(yíng)銷(xiāo)系統(tǒng)中并沒(méi)有“電費(fèi)回收風(fēng)險(xiǎn)”這樣的客戶(hù)標(biāo)識(shí),同時(shí)存在許多和電費(fèi)風(fēng)險(xiǎn)相關(guān)的字段,如欠費(fèi)金額、欠費(fèi)次數(shù)、信用等級(jí)、是否預(yù)存電費(fèi)等。這些字段較多較散,無(wú)法讓業(yè)務(wù)人員綜合使用。
為了解決以上業(yè)務(wù)人員在實(shí)際業(yè)務(wù)過(guò)程中遇到的問(wèn)題,需提取電力營(yíng)銷(xiāo)系統(tǒng)里的與電費(fèi)回收相關(guān)的各字段信息,運(yùn)用算法模型,預(yù)測(cè)客戶(hù)的電費(fèi)回收風(fēng)險(xiǎn),并在系統(tǒng)中為客戶(hù)進(jìn)行標(biāo)識(shí)。
電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè),是對(duì)用電客戶(hù)未來(lái)按期繳費(fèi)行為的提前預(yù)測(cè),希望通過(guò)差異化提醒和賬單等方式,提高電費(fèi)回收率指標(biāo)。根據(jù)湛江地區(qū)的199.9萬(wàn)非居民用戶(hù)和176.9萬(wàn)居民用戶(hù)龐大、異構(gòu)、多源的基本數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù),通過(guò)數(shù)據(jù)挖掘[2][3]工具對(duì)數(shù)據(jù)進(jìn)行分析、預(yù)測(cè)。
二、用電客戶(hù)電費(fèi)回收風(fēng)險(xiǎn)分析的建模
本研究工作采用的主要工具是SAS軟件。SAS(全稱(chēng)STATISTICAL ANALYSIS SYSTEM,簡(jiǎn)稱(chēng)SAS)是全球最大的軟件公司之一,是由美國(guó)NORTH CAROLINA州立大學(xué)1966年開(kāi)發(fā)的統(tǒng)計(jì)分析軟件,具有完備的數(shù)據(jù)存取、數(shù)據(jù)管理、數(shù)據(jù)分析和數(shù)據(jù)展現(xiàn)功能[4]。在計(jì)算機(jī)上安裝SAS Enterprise Guide(以下簡(jiǎn)稱(chēng)SAS EG)5.1瘦客戶(hù)端和SAS Enterprise Miner(以下簡(jiǎn)稱(chēng)SAS EM)后,根據(jù)SAS方法論流程進(jìn)行分步實(shí)施。根據(jù)湛江地區(qū)用電客戶(hù)電費(fèi)回收風(fēng)險(xiǎn)現(xiàn)狀、調(diào)研需求及SAS方法論,制定電費(fèi)回收風(fēng)險(xiǎn)分析流程。從電費(fèi)回收的業(yè)務(wù)數(shù)據(jù)獲取、整理,數(shù)據(jù)導(dǎo)入,數(shù)據(jù)處理,數(shù)據(jù)建模,模型評(píng)估到實(shí)際應(yīng)用,該分析流程是一個(gè)PDCA循環(huán)過(guò)程。
2.1數(shù)據(jù)獲取、整理
經(jīng)過(guò)與電網(wǎng)企業(yè)客服服務(wù)中心、市場(chǎng)營(yíng)銷(xiāo)部、區(qū)(縣)單位的營(yíng)銷(xiāo)部門(mén)交流溝通后,對(duì)業(yè)務(wù)數(shù)據(jù)和結(jié)合實(shí)際情況對(duì)用電客戶(hù)信息進(jìn)行相關(guān)性分析[5]。相關(guān)性分析是指對(duì)兩個(gè)或多個(gè)具備相關(guān)性的變量元素進(jìn)行分析,從而衡量?jī)蓚€(gè)變量因素的相關(guān)密切程度[5]。初步確定用電客戶(hù)的電費(fèi)回收風(fēng)險(xiǎn)可能與用電客戶(hù)的城鎮(zhèn)/農(nóng)村用戶(hù)、出賬周期、當(dāng)前是否銷(xiāo)戶(hù)、地市局編碼、電費(fèi)計(jì)算日期、電費(fèi)實(shí)際金額、電價(jià)代碼、罰金金額、負(fù)荷類(lèi)型、供電電壓、行業(yè)類(lèi)別、合同容量、計(jì)算日期、繳費(fèi)方式、繳費(fèi)日期、繳費(fèi)月份、客戶(hù)編號(hào)、客戶(hù)類(lèi)型、客戶(hù)名稱(chēng)、客戶(hù)身份、失敗次數(shù)、違約次數(shù)、用電類(lèi)別、用電性質(zhì)、月份和總電量有密切關(guān)聯(lián)。
確定時(shí)間窗口為2012年1月至2013年12月,從電力營(yíng)銷(xiāo)系統(tǒng)后臺(tái)導(dǎo)出湛江地區(qū)非居民和居民用戶(hù)基本數(shù)據(jù)表和業(yè)務(wù)數(shù)據(jù)。2013年6月以前為表現(xiàn)期,用于計(jì)算客戶(hù)的行為屬性;2013年7月至2013年12月為觀察期,用來(lái)確定目標(biāo)客戶(hù)。
2.2數(shù)據(jù)處理
根據(jù)與電費(fèi)回收風(fēng)險(xiǎn)相關(guān)基本數(shù)據(jù)表及相關(guān)字段,從電力營(yíng)銷(xiāo)系統(tǒng)后臺(tái)導(dǎo)出與電費(fèi)回收風(fēng)險(xiǎn)具體的數(shù)據(jù)表數(shù)據(jù),在SAS EG進(jìn)行數(shù)據(jù)導(dǎo)入。對(duì)導(dǎo)入SAS EG的數(shù)據(jù)表需進(jìn)行數(shù)據(jù)篩選[6](刪除無(wú)效數(shù)據(jù),篩選有用數(shù)據(jù))、對(duì)變量進(jìn)行二次變量生成等數(shù)據(jù)處理[6][7]步驟。
將欠費(fèi)客戶(hù)根據(jù)客戶(hù)編碼分為兩部分:居民欠費(fèi)客戶(hù)和非居民欠費(fèi)客戶(hù)。找出在2013年1月至2013年12月之間有欠費(fèi)的客戶(hù),根據(jù)欠費(fèi)客戶(hù)數(shù)占總體客戶(hù)的比例,以及欠費(fèi)金額和欠費(fèi)次數(shù)分布情況,最終根據(jù)平均值或中位數(shù)劃分好與壞客戶(hù),確定一個(gè)標(biāo)準(zhǔn)。根據(jù)平均值、中位數(shù)劃分壞客戶(hù),劃分金額都存在偏大或偏小,可能都與湛江地區(qū)實(shí)際情況不符,與業(yè)務(wù)專(zhuān)家討論收集意見(jiàn),結(jié)合湛江地區(qū)實(shí)際需求。最終確認(rèn)湛江地區(qū)非居民電費(fèi)回收風(fēng)險(xiǎn)“壞客戶(hù)”樣本選取標(biāo)準(zhǔn):當(dāng)非居民欠費(fèi)客戶(hù)的累計(jì)欠費(fèi)金額達(dá)到1000元,欠費(fèi)次數(shù)達(dá)到2次;居民欠費(fèi)客戶(hù)的累計(jì)欠費(fèi)金額達(dá)到20元,欠費(fèi)次數(shù)達(dá)到3次,就認(rèn)為它是目標(biāo)客戶(hù)。
將原始數(shù)據(jù)表經(jīng)過(guò)多次數(shù)據(jù)處理后,將處理完的得到的數(shù)據(jù)表按客戶(hù)編號(hào)與客戶(hù)基本信息進(jìn)行關(guān)聯(lián),得到模型所需寬表合并數(shù)據(jù)表,最后形成居民和非居民電費(fèi)回收數(shù)據(jù)寬表。
2.3數(shù)據(jù)建模
數(shù)據(jù)處理得到居民和非居民的目標(biāo)客戶(hù)的客戶(hù)編碼CUSTOMER_ID,與處前面處理得到的數(shù)據(jù)按照CUSTOMER_ID進(jìn)行匹配。新建一個(gè)目標(biāo)變量TARGET,匹配成功的客戶(hù)取值為1,其它為0。將SAS EG得到的數(shù)據(jù)寬表導(dǎo)入SAS EM進(jìn)行數(shù)據(jù)建模。導(dǎo)入SAS EM的各個(gè)變量的極值、水平值、標(biāo)準(zhǔn)差等進(jìn)行變量分析[2]。經(jīng)過(guò)數(shù)據(jù)處理(計(jì)算字段、表合并及異常值處理等)后,在數(shù)據(jù)建模前對(duì)各個(gè)變量進(jìn)行頻數(shù)分析。分析發(fā)現(xiàn)有幾種情況:電量為負(fù)數(shù),主要是沖銷(xiāo)導(dǎo)致有幾戶(hù)為負(fù)數(shù);客戶(hù)年齡缺失值較多;其他未發(fā)現(xiàn)數(shù)據(jù)不可用情況。使用邏輯回歸[8]或決策樹(shù)[8]方法時(shí),缺失值也會(huì)進(jìn)行分類(lèi)處理。因此對(duì)上述異常情況不需要特別剔除。
為了找出與樣本客戶(hù)有較強(qiáng)相關(guān)關(guān)系的屬性字段,采取相關(guān)性分析方法。經(jīng)過(guò)相關(guān)性分析后最終選取高相關(guān)字段進(jìn)行建模,與樣本客戶(hù)有較強(qiáng)相關(guān)關(guān)系的屬性字段:合同容量、城市/農(nóng)村、繳費(fèi)時(shí)長(zhǎng)、繳費(fèi)金額、繳費(fèi)次數(shù)。
2.4模型選擇
電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè),是對(duì)用戶(hù)未來(lái)按期繳費(fèi)行為的提前預(yù)測(cè),希望通過(guò)差異化提醒和賬單等方式,提高電費(fèi)回收率指標(biāo),因此需要采用預(yù)測(cè)模型(邏輯回歸、決策樹(shù)模型)。
(1)邏輯回歸模型
邏輯回歸模型的算法:對(duì)概率發(fā)生比率 (odds值) 進(jìn)行對(duì)數(shù)變換,作為目標(biāo)變量X,然后用各種因素進(jìn)行線(xiàn)性回歸預(yù)測(cè)其概率轉(zhuǎn)換后的目標(biāo)值Y,假設(shè)p為事件發(fā)生概率,設(shè),建立模型[7]。
(2)決策樹(shù)模型
決策樹(shù)模型的算法:根據(jù)各個(gè)變量的區(qū)分度(如信息熵,基尼統(tǒng)計(jì)量等),從根節(jié)點(diǎn)對(duì)每個(gè)節(jié)點(diǎn)進(jìn)行分裂直到不滿(mǎn)足分裂準(zhǔn)則,每個(gè)節(jié)點(diǎn)上的好壞占比即為發(fā)生概率[7]。
電費(fèi)回收風(fēng)險(xiǎn)模型中,選擇居民客戶(hù),一年之內(nèi)有過(guò)3次及以上欠費(fèi)的,并且累計(jì)欠費(fèi)金額大于20元的;非居民客戶(hù),一年之內(nèi)有過(guò)2次及以上欠費(fèi)的,并且累計(jì)欠費(fèi)金額大于1000元的。這些客戶(hù)為電費(fèi)回收高風(fēng)險(xiǎn)客戶(hù),將這些客戶(hù)的目標(biāo)變量設(shè)定為1,其余客戶(hù)設(shè)定為0。為了防止樣本客戶(hù)的過(guò)度訓(xùn)練,需對(duì)數(shù)據(jù)進(jìn)行分區(qū),按40%, 30%, 30% 拆分成訓(xùn)練集、驗(yàn)證集和測(cè)試集;如需將區(qū)間型或列名型變量轉(zhuǎn)換成序數(shù)型變量則需采取交互式分箱轉(zhuǎn)換方法。
采用邏輯回歸方法,非居民客戶(hù)模型對(duì)驗(yàn)證集進(jìn)行評(píng)分排序后,前5%的客戶(hù)里壞客戶(hù)占比為8.31%,提升度為 15.8 倍;居民客戶(hù)模型對(duì)驗(yàn)證集進(jìn)行評(píng)分排序后,前5%的客戶(hù)里壞客戶(hù)占比為33.1%,提升度為 12.2 倍。
應(yīng)用邏輯回歸公式對(duì)全量客戶(hù)打分,之后對(duì)每個(gè)分群的風(fēng)險(xiǎn)客戶(hù)占比進(jìn)行統(tǒng)計(jì)。統(tǒng)計(jì)發(fā)現(xiàn),非居民(居民)全量客戶(hù)中壞客戶(hù)占比與驗(yàn)證集的比例接近。也就是模型具備較好的普適性,不存在“過(guò)擬合”的問(wèn)題。運(yùn)用決策樹(shù)模型建模,由于純度低,沒(méi)有變量滿(mǎn)足決策樹(shù)根節(jié)點(diǎn)分裂的條件,因而該建模方法不適用。對(duì)比之后,最終采用利用邏輯回歸算法建模得到的非居民和居民電費(fèi)回收風(fēng)險(xiǎn)模型。
運(yùn)用SAS EM工具,進(jìn)行數(shù)據(jù)建模。最終選定的建模流程,如圖1、 2所示。
2.5模型評(píng)估
運(yùn)用邏輯回歸算法,提取全體客戶(hù)數(shù)據(jù),對(duì)全體客戶(hù)打分排名。將電費(fèi)回收風(fēng)險(xiǎn)分?jǐn)?shù)從高到低進(jìn)行排列,按照湛江電網(wǎng)的服務(wù)資源,劃分不同等級(jí)的客戶(hù)風(fēng)險(xiǎn)度,前5%非居民(居民)純度比對(duì)發(fā)現(xiàn)高風(fēng)險(xiǎn)客戶(hù)群主要集中在前5%。將前5%客戶(hù)進(jìn)一步細(xì)分,可以確定前1%的純度非常高。因此建議非居民電費(fèi)回收風(fēng)險(xiǎn)的分群方法為:前1%為高風(fēng)險(xiǎn)群;2%-5%為次高風(fēng)險(xiǎn)群;后95%為低風(fēng)險(xiǎn)群。
三、模型應(yīng)用
模型評(píng)估后,分別對(duì)非居民和居民的電費(fèi)回收風(fēng)險(xiǎn)進(jìn)行業(yè)務(wù)特征刻畫(huà),從而反映不同客戶(hù)群體的特征差別。
(1)非居民電費(fèi)回收風(fēng)險(xiǎn)特征刻畫(huà)
行業(yè)類(lèi)別:從絕對(duì)數(shù)量來(lái)看,高回收風(fēng)險(xiǎn)群數(shù)量最多的行業(yè)是其他,其次是無(wú)行業(yè)分類(lèi)和制造業(yè);從相對(duì)概率來(lái)看,交通運(yùn)輸倉(cāng)儲(chǔ)和郵政業(yè)中高回收風(fēng)險(xiǎn)客戶(hù)比例最高,其次是商業(yè)住宿及餐飲業(yè)、公共事業(yè)和管理組織。
用電類(lèi)別:從絕對(duì)數(shù)量來(lái)看,高回收風(fēng)險(xiǎn)群數(shù)量最多的是普通工業(yè),其次是非工業(yè);從相對(duì)概率來(lái)看,非工業(yè)中高回收風(fēng)險(xiǎn)客戶(hù)比例最高,其次是農(nóng)業(yè)生產(chǎn)和普通工業(yè)。
合同容量:從絕對(duì)數(shù)量來(lái)看,高回收風(fēng)險(xiǎn)群數(shù)量最多的是合同容量小于100kVA的客戶(hù),其次是100-315kVA的客戶(hù);從相對(duì)概率來(lái)看,合同容量100-315kVA的客戶(hù)中高回收風(fēng)險(xiǎn)客戶(hù)比例最高,其次是315-1000kVA的客戶(hù)。
(2)居民電費(fèi)回收風(fēng)險(xiǎn)特征刻畫(huà)
城鎮(zhèn)/農(nóng)村:居民客戶(hù)電費(fèi)回收高風(fēng)險(xiǎn)客戶(hù)主要是城市客戶(hù),其他兩個(gè)群的城市農(nóng)村占比接近。
利用電費(fèi)回收風(fēng)險(xiǎn)客戶(hù)細(xì)分[9][10]的結(jié)果,可在實(shí)際業(yè)務(wù)場(chǎng)景進(jìn)行應(yīng)用,如下幾點(diǎn):
(1)在用電客戶(hù)電費(fèi)回收的催費(fèi)流程中,抄核收人員可根據(jù)用電客戶(hù)電費(fèi)回收風(fēng)險(xiǎn)細(xì)分結(jié)果設(shè)置流程處理的優(yōu)先級(jí),以保證業(yè)務(wù)員進(jìn)行電費(fèi)催收時(shí)重點(diǎn)關(guān)注高風(fēng)險(xiǎn)用戶(hù),提高電費(fèi)回收成效。
(2)對(duì)高電費(fèi)回收風(fēng)險(xiǎn)的客戶(hù),客戶(hù)服務(wù)人員在電費(fèi)通知單上增加客戶(hù)近12個(gè)月繳費(fèi)時(shí)間列表,違約金情況;提醒高風(fēng)險(xiǎn)客戶(hù),及時(shí)交費(fèi)避免產(chǎn)生違約金;對(duì)渠道溝通活躍度高的客戶(hù),在電費(fèi)通知單上增加網(wǎng)上營(yíng)業(yè)廳網(wǎng)址和掌上營(yíng)業(yè)廳應(yīng)用二維碼,引導(dǎo)客戶(hù)使用自助服務(wù)渠道進(jìn)行及時(shí)交費(fèi)。
(3)在客戶(hù)新報(bào)裝時(shí),注意清剿歷史欠費(fèi);出賬、帳單生成、打印和遞送,制作差異化賬單;提供上門(mén)收款服務(wù),移動(dòng)式POS機(jī)收款等差異化服務(wù)等。
四、結(jié)論
通過(guò)對(duì)湛江地區(qū)用電客戶(hù)電費(fèi)回收風(fēng)險(xiǎn)分析,解決營(yíng)銷(xiāo)系統(tǒng)中原先并沒(méi)有統(tǒng)一標(biāo)識(shí)電費(fèi)回收風(fēng)險(xiǎn)客戶(hù)的問(wèn)題,有助于電網(wǎng)企業(yè)電費(fèi)回收風(fēng)險(xiǎn)管控能力的提升。得到結(jié)論如下:
(1)用電客戶(hù)電費(fèi)回收風(fēng)險(xiǎn)分析模型穩(wěn)定,有利于基于電費(fèi)回收風(fēng)險(xiǎn)的差異化催收,高電費(fèi)回收風(fēng)險(xiǎn)客戶(hù)的賬單差異化和出賬、帳單生成、打印和遞送差異化服務(wù)等,將催費(fèi)環(huán)節(jié)前移到繳費(fèi)期截止前,從而促進(jìn)電費(fèi)回收;
(2)建立了用電客戶(hù)電費(fèi)回收風(fēng)險(xiǎn)分析模型,適用范圍不局限于湛江地區(qū),同樣適用于其他地區(qū);
(3)根據(jù)用電客戶(hù)電費(fèi)回收風(fēng)險(xiǎn)分析思路,有助于湛江地區(qū)新的用電客戶(hù)行為及服務(wù)業(yè)務(wù)主題的新需求的工作開(kāi)展。
為了進(jìn)一步提高湛江地區(qū)用電客戶(hù)電費(fèi)回收風(fēng)險(xiǎn)分析模型精確度和適用度可抽取一個(gè)新的時(shí)間窗口(2014年)的數(shù)據(jù),通過(guò)模型對(duì)新數(shù)據(jù)進(jìn)行打分,然后與實(shí)際情況作比較,并根據(jù)模型在訓(xùn)練集、驗(yàn)證集上的表現(xiàn)來(lái)看模型是否穩(wěn)定,其衰減度是否可接受。
參 考 文 獻(xiàn)
[1] QQ858339881.新電改方案 [DB/OL].百度百科,2014-12-26
[2][美]維克托.邁爾.舍恩伯格(ViktorMayer-Sch?nberger)著.大數(shù)據(jù)時(shí)代[M].周濤譯.浙江:浙江人民出版社,2013:26-232
[3]徐子沛.大數(shù)據(jù)[M].廣西:廣西師范大學(xué)出版社,2013:25-89
[4]姚志勇.SAS編程與數(shù)據(jù)挖掘商業(yè)案例[M].北京:機(jī)械工業(yè)出版社,2010:21-246
[5] p8p9p11.相關(guān)性分析 [DB/OL].百度百科,2014-12-12
[6]JiaweiHan,MichelingKamber,JianPei,等著.數(shù)據(jù)挖掘:概念與技術(shù)[M].韓家威,譯.北京:機(jī)械工業(yè)出版社,2006:62-81
[7]張文霖,劉夏璐,狄松.誰(shuí)說(shuō)菜鳥(niǎo)不會(huì)數(shù)據(jù)分析[M].北京:電子工業(yè)出版社,2012:8-30
[8](新西蘭)IanH.Witten,EibeFrank著.數(shù)據(jù)挖掘?qū)嵱脵C(jī)器學(xué)習(xí)技術(shù)[M].董琳,邱泉,于曉峰,等譯.北京:機(jī)械工業(yè)出版社,2006:40-133
[9]溫德?tīng)柺访芩?客戶(hù)細(xì)分[DB/OL].百度百科,2014-07-31
[10]林嘉暉.基于數(shù)據(jù)挖掘的電網(wǎng)用戶(hù)行為分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].廣州:中山大學(xué),2013