全面助推电力用户“最多跑一次”改革

全面助推电力用户“最多跑一次”改革

周艳

摘要】本文主要对用电客户费力度的大数据进行监测与分析，通过对用电客户诉求问题进行数据分析，根据工单频次、重复致电次数等因子对客户的热点诉求进行统计，从而分析相应致费力因素，建立系统的客户费力度度指标体系。利用该体系，我们最终实现了工作效率、服务资源配置优化、客户体验提升等目标，为优化电力客户体验、降低客户费力度、提高客户忠诚度提供了有力支撑。

【关键词】客户费力度、资源配置、工作效率、客户体验

随着电力市场改革的推进，售电侧开放成为一大亮点，也就数用户能够自由选择售电主体购电，引入竞争性售电主体，逐步放开用户选择权。各大电力主体面对新形势，开展客户服务工作的持续改进就显得非常重要，而客户服务的最根本目标是取得客户满意度与忠诚度的提升。本文是面向城郊用电企业客户费力度的大数据监测与分析研究，实现对城郊用电企业投诉问题的数据分析，建立系统的影响客户费力度的指标体系，从而制定辅助决策建议。主要研究内容包括：（1）面向城郊用电企业客户费力度监测指标研究；（2）针对电力投诉问题的大数据监测与分析。

一、模型及算法

由于客户费力度在电力行业属于一个新生的概念和指标，尚未有完整的论证和全面的应用，本文尝试剖析客户费力度的理论及实际应用，根据客户费力度的特性，通过借鉴ACSI评测模型进行CES指标体系的建立，结合电力服务工作的开展，通过分析城郊用电企业投诉过程可能存在的致费力环节，人工划分和环节观察，针对每个子环节制定相关指标，同时在指标的数目和选择上进行量化，从而达到缩减指标的目的。

1.热点问题关联溯源分析

针对工单类型进行分类分析、针对季节、月份对工单分布特性进行分析、针对供电区域、乡镇区块对工单分布特性进行分析、工单地址与停电计划区域吻合度分析这四个比较典型的特性分析后，我们得出了一系列关联性的结论。

首先是由词云总结分析出的热点问题与工单类型的关系，我们发现，不同的工单类型所针对的热点内容各不相同，这不仅反映了工单类型分类的必要性，同时又表明了各类型工单的突出热点，对我们将来对各类工单进行针对性处理有了初步的指导意见及处理依据；其次，从时间维度上分析（季节、月份），我们发现，工单的热点随时间维度进行变化，根据词云热点分析，春季我们的工单主要来源还是在于电费及低压类故障。夏季故障类工单热点占比增加，热点主要集中在电费问题、表计烧毁、缺相故障、线路打火等，侧面反映了夏季高温、高负荷的状态对电力设施产生了一定的影响。秋季故障量渐渐降低，但电费问题、表计故障、缺相等热点占比居高不下，反映了当下电费问题的高热度以及电力设施故障率随气温变化而收到影响。冬季则反映了另一个用电高峰，高负荷状态所导致的一系列报修故障问题增多。

通过对地域的分析研究则得出了工单热点分布随区域变换论点除了城区中心因客户基础总量大（萧山区全量老城区用电客户），导致工单数量基数大外，其余各供电所都分别呈现了不同的热点分布特性。这就使得各供电所在制定工单处理方案时可以更有针对性。

最后，通过对工单地址与停电计划区域吻合度分析，吻合度越高，说明停电产生的不舒适度越高，用户对停电反映强烈越低说明用户针对停电产生的不舒适反馈越小。通过对整合分析溯源，我们可逆向发掘出热点特性中所隐藏的差异性，从而在源头上深挖致费力因素，直至建立体系，提升服务。

2.用电客户费力度体系建立

结合多维度工单热点分析结果、停电信息与工单的关联分析结果、客户重复诉求业务类别分析结果，将客户热点诉求梳理归纳，建立基于95598客户诉求的城郊用电客户费力度体系。每项业务的费力度以具体数字衡量，数字越大，代表的费力程度越高。计分标准设置从1分（最不费劲）至5分（最费劲）不等。

3.客户费力度监测指标研究

客户费力度指标体系的建立涉及到个人、社会、经济多个方面，采用单一的指标不足以分析和评价一个客户费力度问题，所以需要建立一个相关联的指标体系去对其进行分析和评价。另外，指标的筛选工作将在热点词提取之后进行，筛选出具有代表性、能切实监测客户费力读的指标，从而减轻决策制定的工作。

4.投诉问题大数据分析

我们从数据预处理、投诉问题分类、投诉热点提取三个角度进行大数据分析建模。使用多视图技术，将用户投诉数据进行映射到多个互不相交的视图上，按照不同视图数据特征之间的相互关系，并最终利用多视图集成特性对用户投诉数据进行清理和预处理，最后再将数据统一的进行存储，并对文本数据的预处理工作主要涉及：去噪、去重和分词三项工作。同时采取有监督学习的神经网络算法，通过查阅资料，将最先进的Densenet网络应用到电力投诉短文本分类问题上，实现对投诉问题文本特征的高效提取。

二、应用成效

1.工作效率提升

按照以往的工作模式，工单层层上报，耗费在流转的时间将长达1—3天；现利用算法对工单进行智能派工，通过经过训练的模型算法对1条工单进行智能分类，所需时间约为0.03秒，处理一万条工单数据的时间约为5分钟，不仅节约大量工单流转的时间，也便于优化工单流程处理中的缺陷，工作效率得到极大提升。

2.服务资源配置优化

利用智能分类对下发工单进行精确赋值，并以此为依据进行精准派工，不仅可以直观了解费力程度，同时实现服务资源配置优化。通过对工单特性、客户重复诉求、同类工单的区域对比的分析，可针对性制定各类热点工单处理规范，降低客户费力度，降低薄弱类型工单平均处理时长，节约人力资源。

3.客户体验提升

客户重复诉求减少，针对性提升服务质量，降低客户费力度，有利于提升供电企业一次办结水平，有效提高客户对供电部门处理工单的满意度和信任度，从而稳固企业在竞争市场中所处的优势地位。