供电公司应充分利用已有的电力客户服务数据信息，运用大数据分析系统对其进行有效的整合与判断，力争在激烈的市场竞争中获取可靠的客户服务数据信息，并针对用户需求变化，建立和完善相应的服务体系。为供电公司在大数据环境下的客户服务系统建设和网格建设提供了一些个人见解。

1电力客户服务要求及现状分析

电力企业的客服人员在工作中所获得的信息比较少，而且很难进行整合，得不到有效的数据支撑，对顾客的知觉还存在着严重的缺失。其中涉及到的问题有如下几点。

第一，难以确定顾客的身份。在客户来电后，由于相关原因，没有提供户号，工作人员需要根据来电号码、户名及地址等相关信息来匹配营销档案，这样的工作过程比较复杂，而且由于信息不够准确，很多情况下很难锁定客户的身份。如果顾客没有提供账户号码，也没有给顾客打电话，店员就很难查询到顾客的有关情况，只能根据顾客的描述来给顾客下订单。

第二，员工在服务过程中没有得到充分的信息，不能给顾客一个满意的回答。在大部分电力企业的服务系统中，他们只能获得一部分的营销系统信息，而不能获得其他的数据信息。比如，在现场勘察后的新装流程等，这些都是很难通过坐席进行查询的，而且还很容易被投诉。公开数据查询过程繁琐，耗时较长，影响了工作效率。

2 电力客户服务数据分析系统设计

2.1数据体系结构设计

首先，对系统的架构进行了分层，包括：数据集成层，源数据层，数据仓库，Hadoop系统，流计算层，数据服务平台层，以及分析应用层。图1显示了一个系统的数据架构。其中，元数据库主要包括了营销数据库、负控数据库、配网数据库以及呼叫中心数据库等，它可以实现对数据源访问节点的统一配置和管理。

数据仓库、Hadoop系统和Stream流计算层被用来存储非结构化数据，它的数据类型主要有：呼叫中心的电话录音数据信息、自助服务的按键信息、Web服务数据以及源数据XML等。同时，它还是一种基本而又十分关键的技术。其中，模型数据图可以高效地存取关系和非关系数据库；性能优化可以为二级缓存、异步并行提供基于热点缓存平台的数据查询功能、并发保护功能等[11-12]。分析应用层的主要组件有数据展示构件、分析构件以及报表构件等，可以为用户提供报表分析、图形化分析等数据访问与展示服务。此外，还有专题报告，多维报告，KPI管理，以及其他的数据显示和分析。

2.2系统功能设计

系统的功能要在分析应用层中实现，要以具体的业务为依据，对业务的功能进行合理的划分，不断地对营销理念进行更新和改进，从而在全过程中对服务工作、质量进行监督，将解决广大客户的问题作为工作的中心，让顾客的要求得到及时的满足，让他们的服务水平得到提升。该系统的功能设计包含了如下内容。

(1)服务质量监测和顾客知觉监测。以客户感知为基础，以营销指标监控为手段，以信息化系统为技术保障，实现对客户停电及故障维修服务情况的监控，对营销工作流程、客户体验情况的监控，对各服务渠道的具体情况的监控，对服务人员的工作情况的监控，实现对客户服务体系全过程的监控。

(2)集成式服务品质评价管理。主要是对企业的服务质量展开综合性的评价，构建出服务质量的外部评价和内部评价机制，然后将这两个方面进行有效的融合，并对其核心内容进行明确。在此基础上，通过对已有和已有数据的深度挖掘，以达到对电力系统服务质量的全面集成，提升电力系统服务质量的整体水平。

(3)对顾客的服务品质进行评估。主要指与服务质量指标机制相结合，对客户服务质量进行自动分析，分析对象为客户感知价值。其中，客户感知主要指的是客户和服务系统在互动环节形成的真实感受，它也是影响服务感知的主要来源，它是评价客户满意度的重要指标。透过对顾客知觉的深度分析，可以提供定量与具体化的结果。

(4)大屏幕展示。主要指的是，系统通过服务质量、客户感知监控、客户服务质量分析等方式，获得了数据之后，以大屏幕的形式，对业务及服务相关指标进行展示的过程。(5)对工作订单的管理进行监督。主要是指在对顾客服务进行监视的过程中出现的非业务异常，自动建立监视工作单，并对所有的工作单进行追踪处理。

(6)全景式的调度联系和信息支撑。主要是利用有关的调度策略，如采用语音通知、人力资源调度、临时回复等，全程记录服务过程，构建“全景”的客服中心，并利用信息平台为员工提供技术支持和知识支持。

4 技术应用

4.1多维数据分析技术

由于电网客户服务的对象多、性质各异、工作过程比较复杂、要处理的数据量大，因而影响了电网客户服务的顺利进行。因此，要想有效地处理好顾客的咨询，就必须对咨询信息进行分析，以便及时地做出相应的服务调整，使顾客得到更好的服务。多维数据技术具备人与人之间的交互和数据的灵活度，在没有技术支持的情况下，企业可以对数据进行全方位的分析，并利用分析模型工具对数据库中的有关数据进行分析，从而构建出不同方向的分析模型。不同的用户能够利用多层和多维数据库对分析结果进行访问，从而有效地提高了服务水平。

4.2数据聚合与数据挖掘

首先，进行数据统计，分析电力客户服务管理组织模式的主题，基于客户服务业务信息与客户服务分析指标，构建多维数据模型，将数据统计值分为累计值、增量值、最大值、最小值和平均值等。根据空间数据的特征，建立以点、线、环为主要形式的客户服务基础业务数据，通过数据处理，实现对空间数据的全面分析。其次，对顾客服务资料进行了优化，构建了顾客服务资料的模式，并对资料加以简化，为顾客服务资料的分析提供了模式依据。最后，对决策数据进行了定量和统计分析，并与实际情况相结合，对算法进行了包装，预测了变量和自变量之间的线性相关性。

5 结 语

总结来说，电力客户服务作为电力企业工作的重要部分，在大数据的背景下，要强化对大数据技术的运用，对数据进行深度挖掘和分析，构建一套完整的客户服务数据分析体系，并对其功能进行持续改进，从而有效地提升服务质量。

参考文献

[1]杨林.探析电力用户用电信息采集系统大数据在客户行为研究中的应用[J].大科技,2019(12):92-93.

[2]凌德祥,黄拓,关晓林,等.基于大数据的电力客户行为分析体系研究及实践[J].电力大数据,2018,21(10):13-17.

[3]刘志欣,黄旭,魏加项,等.基于95598大数据的电力客户满意度分析[J].电力大数据,2018,21(8):19-24.

[4]朱州.基于大数据分析的电力客户服务需求预测[J].沈阳工业大学学报,2020,42(4):368-372.

[5]谢胜祥,张惠诗.基于大数据技术的电力客户属性挖掘研究与应用[J].电力与能源,2018,39(6):849-852