内容发布更新时间 : 2024/5/3 14:48:23星期一 下面是文章的全部内容请认真阅读。
龙源期刊网 http://www.qikan.com.cn
基于数据挖掘的电力客户满意度提升技术的设计
作者：刘剑宁 宫志寰 张新玲 高山杉 王鹏程 来源：《电子技术与软件工程》2017年第09期
摘 要在我国经济快速发展的背景下，市场竞争日趋激烈，客户的需求更加多元化，期望值也更高，企业要想在残酷的竞争中脱颖而出，就必须准确把握客户需求，满足客户的各种偏好，提供个性化服务，从而在提升客户满意度的同时，增加企业的利润。这一过程被称为客户关系管理，因此，本文就电力企业客户为主要研究对象，分析研究基于数据挖掘的客户满意度提升技术，试图为之提供行之有效的理论依据。 【关键词】数据挖掘 客户 关系管理 满意度
伴随着信息技术的飞速发展，客户关系管理成为现代企业管理当中的重要组成部分，客户关系管理（Customer Relationship Mangement，CRM）主要指是企业为提高核心竞争力，利用相应的信息技术以及互联网技术，协调企业与顾客间在销售、营销以及服务上的相互交融，从而全面提升企业的管理质量，向客户提供更具个性化和创新性的客户交互服务的过程。其最终目标是提升客户满意度、吸引新客户、保留老客户以及将已有客户转为忠实客户，并将其最终转化成企业的经济效益。随着山东电网客户导向型“大服务”机制的建立，如何实施客户导向型服务，提高顾客满意度，树立产品和服务在顾客心目中的形象，为企业赢得更多的利润成为电网面对的一个重大课题。结合实际情况，文章利用数据挖掘方法分析客户满意度，经过多数据归纳找出客户群特点，对公司制定针对性的客户服务策略有非常积极的指导作用。 1 客户满意度数据挖掘技术评价
数据挖掘（Data Mining），主要是数据库知识发现（Knowledge-Discovery in Databases，KDD）中的一个步骤。在客户关系管理中，数据挖掘是从大量和客户有关的数据信息中，挖掘出隐含的、先前未知的、对企业决策有潜在价值的信息。对电力企业而言，经济效益的持续增长不仅需要维护好现有的客户，而且还要不断去发展新客户，因此，在客户关系管理中使用数据挖掘技术，可有效识别潜在客户群体，将其发展成为自己的新客户，并最终提高市场份额。
2 数据挖掘模型的建立
本研究结合电网大数据与数据挖掘方法来进行客户满意度测量，将电力系统大数据分析应用到客户满意度提升中，不仅能够提升信息支撑能力和服务水平，还能充分发挥公司宏观调控和引导作用，提高科技资源的整理利用效率，将客户导向型“大服务”机制落到实处，提高为客户服务能力。数据挖掘的内涵不仅仅局限于对数据进行的理论分析，它还具有一套完整的方法
龙源期刊网 http://www.qikan.com.cn
论，全球最大的软件公司SAS（STATISTICAL ANALYSIS SYSTEM，SAS）提出了“SEMMA”方法论。如图1所示。 2.1 数据抽样（Sample）
从大量的数据中抽取和探索与电力企业客户满意度相关的数据内容，此样本需要包含足够的信息，同时又要方便处理。
2.2 数据特征探索、分析和预处理（Explore）
数据特征探索、分析和预处理，主要是对数据子集进行探索分析，寻找出和期望对象的关系。数据特征探索、分析和预处理是一个反复试探和观察的过程，需要具备很多与客户关系有关的知识以及敏锐的洞察力。
2.3 问题明确化、数据调整和技术选择（Modify）
问题明确化、数据调整和技术选择，主要是将电力企业客户的数据探索和分析后，再进行相应的增减、选择、转化或者生成一些新的变量等。 2.4 模型的研发、知识的发现（Model）
应用相关的分析工具建立模型。根据客户满意度数据集的特征，选择一种或几种数据挖掘方法，如：数理统计方法，人工神经元网络以及决策树等。 2.5 模型和知识的综合解释和评价（Assess）
评价电力客户满意度数据挖掘结果的有效性、科学性以及可靠性。但要形成最终的决策支持信息，还需要结合研究的问题，对这些结果进行综合的解释，然后，再对这些决策支持信息的适用性做出评价。如果数据不完善，需要重新进行数据挖掘。由此可见，电力客户满意度数据挖掘是一个反复进行的过程，在反复中获得有效信息。 3 结论
综上所述，近年来信息通信技术不断进步，电力行业中数据量的增长，电力行业信息化也得到了长足的发展，电力大数据是大数据在电力行业的聚焦和子集，电力大数据不仅仅是技术进步，更是涉及整个电力系统在大数据时代发展理念、管理体制和技术路线等方面的重大变革，是下一代智能化电力系统在大数据时代下价值形态的跃升。 参考文献
龙源期刊网 http://www.qikan.com.cn
[1]曾丽，岳佳欣.试论数据挖掘技术在客户关系管理中的应用[J].科技创新与应用，2016（30）.
[2]黄敏如.基于大数据挖掘的东莞电力客户价值分析及应用[J].华南理工大学，2015（11）. [3]M.Le Cam，A.Daoud，R.Zmeureanu.Forecasting electric demand of supply fan using data mining techniques[J].Energy，2016（02）. 作者简介
刘剑宁（1969-），男。大学本科学历。现为国网山东省电力公司东营供电公司中级经济师，从事营销管理方向的研究。 作者单位
国网山东省电力公司东营供电公司 山东省东营市 257091