湯津行　陳敬紅　潘煒　謝昭群　賈佳

摘 要：本文以某供電局電力營銷工作質量評估框架及其指標數(shù)據(jù)為基礎，提出了一套基于變異系數(shù)法與神經(jīng)網(wǎng)絡算法的營銷工作質量評估優(yōu)化方法，對原有的工作質量評估方法進行優(yōu)化。其中，應用變異系數(shù)法對平行指標間的權重進行科學計算，最大程度消除原先主觀設定的權重帶來的影響；神經(jīng)網(wǎng)絡算法對不同層級指標間的關系進行擬合，挖掘上下層級指標間的關系，實現(xiàn)不同層級指標間的聯(lián)動，對營銷工作進行更細致的指導，量化管理。

關鍵詞：變異系數(shù)法；神經(jīng)網(wǎng)絡；電力營銷工作質量評估；指標權重；數(shù)據(jù)挖掘

中圖分類號：FM416.2 文獻標識碼：A 文章編號：1671-2064（2018）04-0159-02

工作質量評估起著對企業(yè)各業(yè)務進行工作質量檢查，進而對下一階段的企業(yè)工作進行指導與改進的作用。

本文研究的電力營銷工作質量評估體系中存在的客觀性問題在于各指標的權重設置，目前的權重完全憑主觀經(jīng)驗設置，一定程度上缺乏客觀性，難以對評價對象進行客觀評價。同時，評估時也未科學分析指標間的相互關系及影響程度。

針對指標體系權重主觀化的缺陷，變異系數(shù)法作為一種設置權重方法已經(jīng)運用到各類指標評價系統(tǒng)中；神經(jīng)網(wǎng)絡由于有著幾乎可以擬合任何復雜關系的優(yōu)點，也在不同場合用于變量相關關系的挖掘。

針對評估體系當中出現(xiàn)的問題，本文提出了：（1）通過變異系數(shù)法對工作質量評估體系當中的指標權重進行優(yōu)化，通過數(shù)據(jù)本身的統(tǒng)計特征對權重進行設置，代替以往的人為主觀設置，最大程度排除權重的主觀性；（2）通過神經(jīng)網(wǎng)絡算法對不同層級指標間的關系進行擬合，挖掘上下層級指標間的關系，實現(xiàn)不同層級指標間的聯(lián)動，進一步對工作進行更細致的指導，量化管理。

1 工作質量評估體系

現(xiàn)有的工作質量評估體系中存在的主要問題在于各指標的權重設置完全憑主觀設置，頂層指標憑工作經(jīng)驗及主觀上的重視程度設置，底層指標權重均等化。

除了評估體系指標權重設置主觀問題之外，還存在著另一個問題：對于存在間接影響的指標，未科學分析指標間的其相互關系及影響程度。

營銷工作中所使用的營銷管理信息系統(tǒng)、計量自動化系統(tǒng)、客戶服務系統(tǒng)三大系統(tǒng)中，存在著許多過程指標、這些數(shù)據(jù)是對客觀工作最直接的反映。這些指標若全部囊括到工作質量評估體系當中是不現(xiàn)實的。因此，這些過程指標需要與現(xiàn)有的工作質量評估體系建立起一定的聯(lián)系，才能夠實現(xiàn)各級指標的聯(lián)動考核，通過上層的工作質量評估體系對下層相應的過程指標對應的工作進行更細致的指導，量化管理，更大程度發(fā)揮評估體系的作用。目前，大量的過程指標還沒有與現(xiàn)有的工作質量評估體系指標建立聯(lián)系，難以起到指導企業(yè)量化管理的作用。

2 變異系數(shù)法

正如前文所提到的，指標與指標之間有難易程度之分，并且體現(xiàn)在得分的分散程度和得分水平上。若評估對象在該指標的得分較為集中，說明該指標對評估對象的區(qū)分度較低，是一個價值較低的評估指標，相應的權重應該較低。對于得分水平，若各評估對象得分經(jīng)常處于高分段，則說明指標較易完成，相應的權重也應該較低。反之，若某個指標得分分散，且均在較低的分段，說明該指標區(qū)分度大，且難度較大，是一個較有評估價值的指標，相應的權重應該較高。按照這樣的原則，本文采用“變異系數(shù)法”對權重進行設置。

變異系數(shù)是一種統(tǒng)計指標，如式所示：

其中為各個單位在該指標得分的標準差，反映的是得分的分散程度，體現(xiàn)數(shù)據(jù)的差異程度，標準差越大，說明數(shù)據(jù)上下波動更大，或者說相應的指標更具區(qū)分度。為得分均值，一方面可對各區(qū)局指標表現(xiàn)進行標準化處理，使得數(shù)據(jù)之間具有可比性，另一方面也體現(xiàn)了指標的難易程度。因此，可以根據(jù)各指標的變異系數(shù)進一步獲得各指標的權重，如式所示：

3 神經(jīng)網(wǎng)絡算法

針對挖掘指標間相關關系這一問題，采用神經(jīng)網(wǎng)絡算法。神經(jīng)網(wǎng)絡可以求得上下層級指標間的關系，有著幾乎能對任何復雜關系進行擬合的優(yōu)點。

通過神經(jīng)網(wǎng)絡進行訓練之后可以得到輸出層參數(shù)，這些參數(shù)即描述了兩類指標之間的關系。進一步通過Garson算法計算輸入層1對輸入層2的敏感度，將神經(jīng)網(wǎng)絡的非線性關系轉換為總體上指標輸入對輸出影響的線性關系，也就是下層指標對上層指標的影響程度。從而實現(xiàn)對上下層指標關系的挖掘，一方面通過下層指標反映上層指標的狀態(tài)，另一方面通過上層指標對下層相應的過程指標、管理指標對應的工作進行更細致的指導，量化管理。

4 應用成果與分析

4.1 變異系數(shù)法確定權重

通過變異系數(shù)法能夠求得了六大業(yè)務對應指標的權重。根據(jù)得到的新權重可以求得各局在在各業(yè)務上的得分，以業(yè)擴報裝業(yè)務為例，新舊權重下總分。新權重下，各單位得分的趨勢與排名與舊權重相近，但得分波動加大，更有區(qū)分度，這一點也可以從數(shù)據(jù)上反映，新權重各局得分的標準差為10.42，明顯大于原先權重下的得分標準差6.55。并且，整體來看，新權重下，各單位分數(shù)均有所下降，下降幅度最大的為局5，下降最小的為局7，從指標得分上看，局7在權重較高的中壓指標得分均較高，反之，局5在這些指標的得分均較低，導致總分下降嚴重。

4.2 神經(jīng)網(wǎng)絡算法確定權重

上下層指標分別選取抄核收業(yè)務種的電費回收率，繳費方式及賬單差錯率。

神經(jīng)網(wǎng)絡隱藏層數(shù)設置為2，神經(jīng)元數(shù)分別為5、6。擬合后通過Garson算法得到電費回收率、繳費方式、賬單差錯率的敏感度分別為1.4256、1.1232、0.9504、0.864?，F(xiàn)金繳費比率的敏感度最高，也就是說現(xiàn)金繳費比率對于電費回收率的影響在這幾個指標中是最高的，因此對這幾個指標求評價總分時可以根據(jù)敏感度大小對這幾個指標的權重進行分配，實現(xiàn)通過上層評價指標對下層指標對應的具體操作進行指導的作用。

5 結語

本文應用變異系數(shù)法與神經(jīng)網(wǎng)絡算法對工作質量評估體系進行優(yōu)化，通過變異系數(shù)法確定指標權重，并通過神經(jīng)網(wǎng)絡算法挖掘不同層級指標的相關關系。以某供電局營銷工作質量評估體系的指標架構和數(shù)據(jù)進行分析，對該質量評估體系評估方法進行優(yōu)化，使指標權重更遵循客觀歷史事實，排除人為設置權重的主觀判斷因素，并對相關聯(lián)的指標結構進行解析。該分析方法不僅適用于電力營銷業(yè)務，還可應用于該行業(yè)的其他業(yè)務以及其他領域等與指標評價有關的體系當中。

參考文獻

[1]張文朝，顧雪平.應用變異系數(shù)法和逼近理想解排序法的風電場綜合評價[J].電網(wǎng)技術，2014，（10）：2741-2746.

[2]趙微，林健，王樹芳，劉記來，陳忠榮，寇文杰.變異系數(shù)法評價人類活動對地下水環(huán)境的影響[J].環(huán)境科學，2013，（04）：1277-1283.

[3]胡翠萍.基于AHP-變異系數(shù)法的我國副省級城市科技競爭力評價研究[J].科技管理研究，2012，（20）：77-80.

[4]戴小青.電力系統(tǒng)概率潮流新算法及其應用[D].華北電力大學，2006.

[5]莊平，李延喜.基于G1-變異系數(shù)法的企業(yè)投資風險評價模型與實證研究[J].軟科學，2011，（10）：107-112+120.

[6]儲莎，陳來.基于變異系數(shù)法的安徽省節(jié)能減排評價研究[J].中國人口.資源與環(huán)境，2011，（S1）：512-516.

[7]孫凱，鞠曉峰，李煜華.基于變異系數(shù)法的企業(yè)孵化器運行績效評價[J].哈爾濱理工大學學報，2007，（03）：165-167+172.

[8]馮旭剛，錢家俊，章家?guī)r.基于遺傳神經(jīng)網(wǎng)絡敏感度分析的飛灰含碳量測量方法[J].電子測量與儀器學報，2016，（07）：1083-1089.

[9]楊一，高社生，胡高歌.基于敏感度方差重要性的RBF神經(jīng)網(wǎng)絡結構優(yōu)化算法[J].控制與決策，2015，（08）：1393-1398.

[10]米湘成，馬克平，鄒應斌.人工神經(jīng)網(wǎng)絡模型及其在農業(yè)和生態(tài)學研究中的應用[J].植物生態(tài)學報，2005，（05）：863-870.