论文部分内容阅读
目前,南方电网在“十三五”改革发展总体思路中明确提出“创建管理精益、服务精细、业绩优秀、品牌优异的国际一流电网企业”的战略目标,以及“诚信、服务、和谐、创新”的企业理念和“以客为尊和谐共赢”的服务理念。随着大数据时代的到来,电力行业95598用户数据在数量上呈爆炸式增长,由于目前电力公司对影响用户行为的内外因素评估及智能化分析不足,无法量化工单数据和用户投诉的影响程度和持续时间,严重阻碍公司与员工的各种绩效评估。因此,减少用户投诉,改进当前电力公司服务分析的局限,提升预测电力用户行为的水平已成为电力公司的研究热点之一。本文的主要工作如下:首先,本文以广西区2018年第一季度95598用户为研究对象,将用户画像的概念引入用户行为评估领域来。通过大数据技术对95598用户进行深度挖掘,得到用户背后隐藏的丰富信息。从数据分词、核对和清洗等方面对大数据进行处理,构建了多维度的用户画像模型,同时也为大数据环境下用户行为评估模型的研究奠定了基础。其次,在95598用户画像的基础上,本文结合随机森林、决策树等机器学习技术对用户变量进行分析、筛选,找出影响用户行为的重要变量,深度分析用户投诉的原因,帮助电力公司发现电网的薄弱之处。同时生成了一系列具有用户行为评估能力的子模型,并将子模型的输出结果与Logisitcs回归模型进行融合,构建R-L模型,用于电力用户的行为评估。最后,本文随机选取电力用户部分数据作为样本对模型进行验证分析。与此同时,将R-L模型与其传统的Logisitcs模型从区分能力、稳定性等方面分别进行测试,并通过实例对以上两个模型的用户行为评估效果做了对比分析。最终结果表明,R-L模型对用户的行为预测有较高的准确性。该模型可同时帮助电力公司对用户进行专业市场教育先导服务,规避潜在的投诉风险,从而持续有效满足用户需求,实现了对用户服务质量提升的效用,具有重要的现实意义。