張明杰，迪里達(dá)爾·庫爾班，余錦河

（國家電網(wǎng)公司客戶服務(wù)中心 南方分中心，南京　210000）

電力客戶服務(wù)報(bào)修業(yè)務(wù)量預(yù)測分析

張明杰，迪里達(dá)爾·庫爾班，余錦河

（國家電網(wǎng)公司客戶服務(wù)中心 南方分中心，南京210000）

隨著經(jīng)濟(jì)的發(fā)展，市場經(jīng)濟(jì)體制不斷完善，電力體制改革也在持續(xù)深化中，廣大客戶對電力需求增大，對于電力服務(wù)質(zhì)量要求更高。作為電力服務(wù)熱線——95598在提升服務(wù)質(zhì)量、改善服務(wù)形象、塑造服務(wù)品牌形象等方面承擔(dān)著重要責(zé)任，發(fā)揮著非常重要的作用。

話務(wù)量預(yù)測是電力客戶服務(wù)中心95598平臺規(guī)劃建設(shè)的重要依據(jù)，準(zhǔn)確的話務(wù)預(yù)測能合理的安排坐席數(shù)量，保證接通率，提高精細(xì)化管理水平，降低整體運(yùn)營成本，對保證高水平的客戶服務(wù)質(zhì)量和服務(wù)水平發(fā)揮著重要的決策作用。準(zhǔn)確的話務(wù)量預(yù)測對網(wǎng)絡(luò)管理、規(guī)劃和設(shè)計(jì)具有重要的意義，預(yù)測的準(zhǔn)確與否關(guān)系到企業(yè)未來的發(fā)展，同時(shí)也越來越受到相關(guān)企業(yè)的重視。

目前常用的話務(wù)預(yù)測都有其獨(dú)立的預(yù)測系統(tǒng)，是根據(jù)已有的歷史數(shù)據(jù)應(yīng)用一定的統(tǒng)計(jì)學(xué)方法或其他方法對其進(jìn)行分析，并對未來的數(shù)據(jù)做出估計(jì)「1」。普通的預(yù)測工具有較高的技術(shù)要求，不能通用；專門的預(yù)測軟件只針對特定領(lǐng)域，不能滿足其他企業(yè)或領(lǐng)域的要求。所以，國內(nèi)外有很多研究機(jī)構(gòu)都在積極設(shè)計(jì)話務(wù)量的預(yù)測模型，并取得了階段性的研究成果。當(dāng)前主要有慣性預(yù)測「2」、Kalmam濾波「3」和話務(wù)量OLAP分析「4」等，前兩者相對簡單，但難以滿足現(xiàn)階段話務(wù)量復(fù)雜變化的方式。而電力客服熱線不同于其他客服熱線，其話務(wù)規(guī)律有明顯的周期性特點(diǎn)，同時(shí)受負(fù)荷影響、天氣情況、電網(wǎng)狀態(tài)、電力業(yè)務(wù)等不同因素影響，考慮所有因素共同建模比較困難。

本文從從話務(wù)定性上入手，對不同業(yè)務(wù)類型的業(yè)務(wù)量進(jìn)行分析，研究不同業(yè)務(wù)類型的話務(wù)之間的聯(lián)系，找出異常業(yè)務(wù)數(shù)據(jù)，同時(shí)考慮話務(wù)典型周期性特點(diǎn)，建立基于業(yè)務(wù)類型的話務(wù)預(yù)測模型，最后對建立的模型進(jìn)行驗(yàn)證分析。

1　話務(wù)與業(yè)務(wù)分析

1.1話務(wù)量與業(yè)務(wù)量關(guān)系分析

客戶致電95598時(shí)，通常一次來電訴求對應(yīng)一個(gè)業(yè)務(wù)量，極少數(shù)客戶一通電話中反映不同的業(yè)務(wù)訴求。從當(dāng)前的統(tǒng)計(jì)數(shù)據(jù)來看，業(yè)務(wù)量（電子工單數(shù)量）比接聽的電話量略多，總體相差不大。

某省2014年上半年月度人工服務(wù)請求以及人工服務(wù)接聽量如表1所示，月度接聽率均超過99%，基本能滿足絕大部分客戶的需求。

從統(tǒng)計(jì)數(shù)據(jù)明顯看出，話務(wù)轉(zhuǎn)換系數(shù)（人工請求量與電子工單數(shù)量的比值）基本維持在96%～98%之間。

1.2業(yè)務(wù)分類與業(yè)務(wù)分析

根據(jù)國家電網(wǎng)95598業(yè)務(wù)類型分類，客戶來電涉及如下8種類型的業(yè)務(wù)問題，分別是咨詢、報(bào)修、投訴、舉報(bào)、意見、建議、表揚(yáng)和催辦。8項(xiàng)業(yè)務(wù)之間關(guān)聯(lián)如圖1所示。其中，5項(xiàng)業(yè)務(wù)（投訴、舉報(bào)、意見、建議、表揚(yáng)）之間相互獨(dú)立。而報(bào)修與咨詢、催辦業(yè)務(wù)與其他業(yè)務(wù)之間均存在關(guān)聯(lián)關(guān)系。本文則從5項(xiàng)

表1　某省2014年上半年基礎(chǔ)數(shù)據(jù)

業(yè)務(wù)及報(bào)修業(yè)務(wù)、咨詢業(yè)務(wù)、催辦業(yè)務(wù)等4個(gè)方面進(jìn)行建模。

圖1　業(yè)務(wù)關(guān)聯(lián)分析流程圖

1.3業(yè)務(wù)量分析方法

一般情況下，節(jié)假日、周末的業(yè)務(wù)量明顯低于工作日，同時(shí)由于電網(wǎng)故障難以確定，業(yè)務(wù)量數(shù)據(jù)中還有其他“異常數(shù)據(jù)”。本文從4個(gè)業(yè)務(wù)類別進(jìn)行建模，對工作日與周末（含節(jié)假日）分開進(jìn)行預(yù)測。

設(shè)歷史數(shù)據(jù)為Hn，這里假設(shè)H1為某業(yè)務(wù)上月1號的數(shù)量，DH1為H1當(dāng)天屬性。設(shè)周末、節(jié)假日業(yè)務(wù)量Wn以及其他發(fā)生異常情況的業(yè)務(wù)量屬于異常數(shù)據(jù)。例如：DH1為周一，則H6、H7、H13、H14、H20、H21、H27、H28為異常數(shù)據(jù)。同時(shí)若Hn滿足公式（5），也屬于異常數(shù)據(jù)Fn。對異常數(shù)據(jù)進(jìn)行清理后，剩下的數(shù)據(jù)為正常數(shù)據(jù)Rn。按時(shí)間順序從小到大進(jìn)行排列，第一個(gè)設(shè)為R1。歷史業(yè)務(wù)量數(shù)據(jù)一般符合正態(tài)分布「5」。如n個(gè)樣本值為H1，H2，…，Hn，并且它們獨(dú)立同分布，即H～N（μ，σ2），則樣本的平均值ˉH與樣本方差S2分別為

根據(jù)期望與方差的點(diǎn)估計(jì)「6」理論，X是μ的無偏估計(jì)值；S2是σ2的無偏估計(jì)值，構(gòu)造統(tǒng)計(jì)量

對于給定的置信區(qū)間1-α（0＜α＜1）有

則Hm∈Fn。

周末（含節(jié)假日）業(yè)務(wù)量預(yù)測可采取直接設(shè)立修正值為定值或取預(yù)測值乘以特定系數(shù)等方法。周末業(yè)務(wù)量修正值Δd取值辦法為

或周末業(yè)務(wù)量修正系數(shù)Δk為

2　各項(xiàng)業(yè)務(wù)分析模型

2.15項(xiàng)業(yè)務(wù)分析

由于5項(xiàng)業(yè)務(wù)量日占比較小，3月份占比量基本維持在1.75%～6.24%，分布比較穩(wěn)定且獨(dú)立。如圖2所示，3月1日、8日、9日、15日、16日、23日、29日、30日均為周末，業(yè)務(wù)量有明顯的降低趨勢。

對周末業(yè)務(wù)量數(shù)據(jù)以及異常數(shù)據(jù)進(jìn)行移除后，3月份5項(xiàng)業(yè)務(wù)量趨勢圖如圖3。

由于5項(xiàng)業(yè)務(wù)量占比較小，同時(shí)由于在非迎峰度夏時(shí)期，5項(xiàng)業(yè)務(wù)量每月變化趨勢較為一致，本文采用多項(xiàng)式曲線擬合為

圖2　3月份5項(xiàng)業(yè)務(wù)分布圖

圖3　3月份部分日期5項(xiàng)業(yè)務(wù)分布圖

直接采用上月歷史數(shù)據(jù)模型對下個(gè)月每天的5項(xiàng)業(yè)務(wù)量進(jìn)行預(yù)測。

2.2報(bào)修、咨詢、催辦業(yè)務(wù)分析

報(bào)修業(yè)務(wù)與咨詢業(yè)務(wù)之間有業(yè)務(wù)關(guān)聯(lián)，若客戶報(bào)修某地區(qū)，第一張電子工單業(yè)務(wù)類型為報(bào)修，后續(xù)反應(yīng)該地區(qū)故障的電子工單類型均為咨詢。從圖4看出，3月20日、3月28日報(bào)修業(yè)務(wù)量、咨詢業(yè)務(wù)量以及催辦業(yè)務(wù)量都有大幅度增長，這2天由于有突發(fā)大面積故障導(dǎo)致業(yè)務(wù)量上漲，進(jìn)而引發(fā)較多客戶來電報(bào)修、咨詢和催辦。同時(shí)在周末，咨詢、報(bào)修、催辦業(yè)務(wù)量與平日相比也有不同程度的下降。

圖4　咨詢、報(bào)修、催辦業(yè)務(wù)分布圖

根據(jù)3月20日、3月28日前后2天的報(bào)修業(yè)務(wù)量基本相同來看，說明突發(fā)的故障在當(dāng)天基本能完全修復(fù)。對周末業(yè)務(wù)量數(shù)據(jù)以及異常數(shù)據(jù)進(jìn)行移除后，3月份咨詢、報(bào)修、催辦業(yè)務(wù)量趨勢圖如圖5。

圖5　3月份部分日期咨詢、報(bào)修、催辦業(yè)務(wù)分布圖

從圖5以及報(bào)修、咨詢、催辦業(yè)務(wù)之間關(guān)聯(lián)可得出，報(bào)修業(yè)務(wù)量基本穩(wěn)定在一個(gè)水平，也從側(cè)面反映電網(wǎng)結(jié)構(gòu)較為穩(wěn)定，可直接采用一次線性模型進(jìn)行報(bào)修業(yè)務(wù)的預(yù)測。

設(shè)Bn為預(yù)測的該月第n天的報(bào)修業(yè)務(wù)量

周末的報(bào)修預(yù)測量可取前5天正常值的平均值與Δk的乘積。

由于周末催辦業(yè)務(wù)量波動并不大，則整個(gè)月每天的預(yù)測量可認(rèn)為是定值。

根據(jù)咨詢業(yè)務(wù)量分布特點(diǎn)，也可采用多項(xiàng)式曲線擬合方法進(jìn)行預(yù)測，由于咨詢業(yè)務(wù)量占比較大，其預(yù)測精度對話務(wù)預(yù)測的影響較大。采取下列方法提高預(yù)測精度：①采用三次函數(shù)多項(xiàng)式曲線擬合進(jìn)行咨詢業(yè)務(wù)量預(yù)測。由于該省每月上中旬為電費(fèi)出賬日，會有大量客戶來電咨詢電費(fèi)電價(jià)、短信等業(yè)務(wù)，中、下旬達(dá)到高峰后馬上開始下降；②每預(yù)測一日工作日的數(shù)據(jù)后，根據(jù)實(shí)際值對模型進(jìn)行系數(shù)修正。預(yù)測流程與模型更新流程如圖6所示。

設(shè)預(yù)測的咨詢業(yè)務(wù)量為Zn

Zn=gx3+hx2+ix+j，x∈N+且Dzn∈weekday（10）

周末的咨詢預(yù)測量可取前5天正常值的平均值減去修正值Δd。

g、h、i、j的初始值可根據(jù)上月曲線擬合得出。采用該模型預(yù)測下個(gè)工作日數(shù)據(jù)后，根據(jù)上述流程圖，如實(shí)際值不屬于異常數(shù)據(jù)，則根據(jù)實(shí)際值替換歷史數(shù)據(jù)對擬合系數(shù)進(jìn)行修正。

圖6　預(yù)測流程圖與模型更新流程圖

3　預(yù)測效果分析

本文根據(jù)上述建立的業(yè)務(wù)預(yù)測模型對4月份話務(wù)進(jìn)行預(yù)測。5項(xiàng)業(yè)務(wù)周末、節(jié)假日修正值Δd根據(jù)3月份歷史數(shù)據(jù)計(jì)算為24，報(bào)修業(yè)務(wù)修正值Δk根據(jù)3月份計(jì)算為0.74，催辦業(yè)務(wù)取定值為30，咨詢業(yè)務(wù)修正系數(shù)Δk取0.82。預(yù)測結(jié)果如圖7所示。

圖7　4月份5項(xiàng)業(yè)務(wù)、報(bào)修、咨詢和催辦的預(yù)測分布

實(shí)際業(yè)務(wù)量結(jié)果如圖8所示。

話務(wù)轉(zhuǎn)換系數(shù)取97.2%，預(yù)測電話量與實(shí)際電話量之間的比較如圖9所示。

圖9　預(yù)測話務(wù)量與實(shí)際話務(wù)量對比分布圖

從圖9可看出，預(yù)測的話務(wù)曲線與實(shí)際曲線的分布基本吻合。4月19日為突發(fā)大面積故障，導(dǎo)致預(yù)測精度較低。由于4月21日與4月22日實(shí)際咨詢與催辦業(yè)務(wù)量波動較大，這2天該省有較多的計(jì)劃停電與臨時(shí)停電，進(jìn)而引發(fā)業(yè)務(wù)總量陡增。此問題可通過與業(yè)務(wù)相關(guān)省份充分溝通，了解停電信息影響范圍與時(shí)間，可運(yùn)用專家經(jīng)驗(yàn)法獨(dú)立進(jìn)行預(yù)測。從總體上來講，預(yù)測結(jié)果良好。

4　結(jié)論

通過對95598話務(wù)的業(yè)務(wù)類型進(jìn)行分析，并結(jié)合實(shí)用的預(yù)測模型，對95598的話務(wù)進(jìn)行整體的評估，從不同的業(yè)務(wù)類型出發(fā)，研究最適合的預(yù)測方法。此方法可操作性強(qiáng)，實(shí)用性較好。同時(shí)可根據(jù)業(yè)務(wù)分析，更加深層次的分析業(yè)務(wù)量變化原因，有助于真正了解客戶真實(shí)訴求，從而更好的進(jìn)行話務(wù)預(yù)測。D

「1」劉童.話務(wù)量時(shí)間序列預(yù)測方法的實(shí)現(xiàn)「D」.長春：吉林大學(xué)，2008.

「2」秦立公.桂林入境旅游發(fā)展的非線性回歸擬合與自慣性預(yù)測研究「J」.桂林工學(xué)院學(xué)報(bào)，2000，20（2）:206-212.

「3」彭丁聰.卡爾曼濾波的基本原理及應(yīng)用「J」.軟件導(dǎo)刊，2009，8（11）:32-34.

「4」姜延雙，和應(yīng)民，周春楠.數(shù)據(jù)倉庫和OLAP技術(shù)在話務(wù)綜合分析中的應(yīng)用「J」.信息技術(shù).2011（4）:159-162.

「5」邵婷婷，張水利，張永波.兩種剔除異常數(shù)據(jù)的方法比較「J」.現(xiàn)代電子技術(shù)，2008（24）:148-150.

「6」盛驟，謝世千，潘承毅.概率論與數(shù)理統(tǒng)計(jì)「M」.北京：高等教育出版社，2010

（本欄責(zé)任編輯徐文紅）

Forecast analysis of electric power customer prepair business volume

ZHANG Ming-jie，DILIDAER Kuerban，YU Jin-he
（Southern Branch of State Grid Customer Service Center，Nanjing 210000，China）

根據(jù)95598電力客戶服務(wù)業(yè)務(wù)特點(diǎn)對95598的話務(wù)進(jìn)行短期預(yù)測，深層次挖掘不同業(yè)務(wù)之間關(guān)系，從統(tǒng)計(jì)學(xué)角度出發(fā)，分類別建模，將影響因素復(fù)雜的95598話務(wù)預(yù)測簡單化。該模型原理簡單，具有可操作性和實(shí)用性，可以為進(jìn)一步分析客戶來電原因、實(shí)現(xiàn)高效運(yùn)營、完善排班管理提供思路。

業(yè)務(wù)分類；話務(wù)預(yù)測；異常數(shù)據(jù)；曲線擬合

According to the 95598 business characteristics to forecast 95598 traffic in short-term，it finds deep relationship among different business，establishes different business models，makes the 95598 traffic prediction which affects complex factors to be simplified.The model has a simple principle，and has the maneuverability and practicability，which can analyze the reasons of customer calls，achieve effective operation，and provide ideas to improve the scheduling management.

business classification；traffic prediction；abnormal data；curve fitting

F407.61

B

2014-11-28；

2015-01-25