姚盈吉

【摘 ?要】受國內(nèi)外復(fù)雜經(jīng)濟(jì)形勢對電網(wǎng)企業(yè)沖擊的影響，電費(fèi)回收指標(biāo)壓力越來越大，且電力營銷系統(tǒng)缺乏智能分析欠費(fèi)客戶的功能，傳統(tǒng)催費(fèi)方式工作量大、回收效果差，具有較大的盲目性。論文運(yùn)用層次分析法建立客戶電費(fèi)風(fēng)險預(yù)測模型，以“欠費(fèi)客戶催費(fèi)順序”為切入點(diǎn)，通過分析客戶各類信息得到客戶信用分?jǐn)?shù)，對其電費(fèi)回收風(fēng)險進(jìn)行分析預(yù)測，從而及時發(fā)現(xiàn)存在的電費(fèi)回收風(fēng)險點(diǎn)，通過營銷策略調(diào)整降低風(fēng)險，有效提高電費(fèi)回收率，提升電力企業(yè)經(jīng)營效益。

【Abstract】Affected by the impact of the complex economic situation at home and abroad on power grid enterprises， the pressure of electricity tariff recovery index is increasing， and the power marketing system lacks the function of intelligent analysis of customers in arrears， and the traditional charging method has heavy workload and poor recovery effect， which has great blindness. This paper uses analytic hierarchy process to establish the prediction model of customers' electricity tariff risk. This paper takes the "charging order of customers in arrears" as the breakthrough point， obtains the credit score of customers by analyzing all kinds of information of customers， analyzes and predicts the risk of electricity charge recovery， so as to find out the existing risk points of electricity tariff recovery in time. Through the adjustment of marketing strategies， reduce the risk， effectively improve the rate of electricity tariff recovery， and improve the operation benefits of power enterprises.

【關(guān)鍵詞】電費(fèi)回收風(fēng)險預(yù)測;層次分析法;客戶行為分析

【Keywords】prediction of electricity tariff recovery risk; analytic hierarchy process; customer behavior analysis

【中圖分類號】TP311;F426 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文獻(xiàn)標(biāo)志碼】A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文章編號】1673-1069（2020）10-0180-02

1 基于大數(shù)據(jù)分析的電費(fèi)回收背景

1.1 現(xiàn)狀

電費(fèi)作為電網(wǎng)企業(yè)最重要的經(jīng)營指標(biāo)之一，反映了電網(wǎng)企業(yè)的經(jīng)營管理的成果。目前，先用電后繳費(fèi)仍是廣東省主要的用電方式，能否及時有效對欠費(fèi)客戶開展電費(fèi)催收工作直接影響了電力公司的經(jīng)濟(jì)運(yùn)行狀況。而電網(wǎng)企業(yè)雖掌握著大量的客戶用電數(shù)據(jù)，卻缺乏對海量信息進(jìn)行挖掘分析，現(xiàn)行的電力營銷系統(tǒng)主流功能仍停留于對用電數(shù)據(jù)的記錄，員工也仍停留在僅根據(jù)客戶數(shù)據(jù)的記錄本進(jìn)行電費(fèi)催收的階段，無法實(shí)現(xiàn)對現(xiàn)存數(shù)據(jù)的智能化分析，并且通過人工篩選對客戶進(jìn)行分類催收，存在工作量較大且電費(fèi)回收效率低的問題。

1.2 用大數(shù)據(jù)研究分析電費(fèi)回收風(fēng)險的機(jī)遇

近年來科技高速發(fā)展，5G時代的到來使得萬物互聯(lián)成為可能，對未來的預(yù)測也成為大數(shù)據(jù)云時代最大的特征。對于電網(wǎng)企業(yè)來說，客戶每一個行為動態(tài)都會產(chǎn)生大量的數(shù)據(jù)，將所有數(shù)據(jù)中趨同的部分進(jìn)行匯總，挖掘發(fā)現(xiàn)其中的規(guī)律特征，就能實(shí)現(xiàn)對客戶行為的預(yù)測。在電費(fèi)回收方面，運(yùn)用大數(shù)據(jù)能有效預(yù)測客戶電費(fèi)回收風(fēng)險并且有利于電網(wǎng)企業(yè)真正了解客戶需求，為客戶提供更加個性化、專業(yè)化服務(wù)。

2 用電客戶電費(fèi)回收風(fēng)險預(yù)測的大數(shù)據(jù)應(yīng)用

2.1 層次分析法

層次分析法是將與決策總是有關(guān)的元素分解成目標(biāo)、準(zhǔn)則、方案等層次，在此基礎(chǔ)上進(jìn)行定性與定量分析。主要是將一個復(fù)雜的多目標(biāo)決策問題作為一個系統(tǒng)，將目標(biāo)分解為多個目標(biāo)或準(zhǔn)則，進(jìn)而分解為多準(zhǔn)則的若干層次，通過定性指標(biāo)模糊量化方法算出總排序，以作為多指標(biāo)、多方案優(yōu)化決策的系統(tǒng)方法。

具體運(yùn)算方法是將決策問題按總目標(biāo)、各層子目標(biāo)、評價準(zhǔn)則直至具體的備投方案的順序分解為不同的層次結(jié)構(gòu)，然后用求解判斷矩陣特征向量的辦法，求得每一層次的各元素對上一層次某元素的優(yōu)先權(quán)重，最后應(yīng)用加權(quán)和的方法遞階歸并各備擇方案對總目標(biāo)的最終權(quán)重，此最終權(quán)重最大者即最優(yōu)方案。

2.2 建立模型

基于欠費(fèi)客戶催費(fèi)順序的因素既有定量指標(biāo)（如欠費(fèi)期數(shù)、欠費(fèi)金額、繳費(fèi)時間等），又有定性指標(biāo)（如繳費(fèi)方式、用電類別、電壓等級等），本文采用層次分析法建立用電客戶電費(fèi)風(fēng)險預(yù)測模型。運(yùn)用層次分析法，以“欠費(fèi)客戶催費(fèi)順序”為目標(biāo)層，繳費(fèi)時間、繳費(fèi)方式、欠費(fèi)期數(shù)、欠費(fèi)金額、用電類別等要素為準(zhǔn)則層，欠費(fèi)客戶為方案層，根據(jù)方案層中各個欠費(fèi)客戶在準(zhǔn)則層的各個要素得到各個欠費(fèi)客戶信用分?jǐn)?shù)，從而得到目標(biāo)層的欠費(fèi)客戶催費(fèi)順序。模型示意圖如圖1所示。

準(zhǔn)則層中的繳費(fèi)時間可以分為三類：第一類為雖超過繳費(fèi)期限但是仍在當(dāng)月繳清電費(fèi);第二類為次月電費(fèi)發(fā)行前才繳清電費(fèi);第三類為次月電費(fèi)發(fā)行后仍未繳清電費(fèi)。針對繳費(fèi)方式，可以分為線上繳費(fèi)如支付寶、微信、銀行劃扣等，以及線下繳費(fèi)如終端機(jī)、營業(yè)廳等。第一類繳費(fèi)時間到第三類繳費(fèi)時間對應(yīng)的分?jǐn)?shù)可以是遞減的，線上繳費(fèi)方式對應(yīng)的分?jǐn)?shù)高于線下繳費(fèi)方式對應(yīng)的分?jǐn)?shù)。對準(zhǔn)則層的其他準(zhǔn)則，根據(jù)準(zhǔn)則變化對電費(fèi)回收風(fēng)險影響的大小來設(shè)置權(quán)重大小，如欠費(fèi)期數(shù)越多，電費(fèi)回收風(fēng)險越大，則權(quán)重相應(yīng)地隨著期數(shù)增加而增加。

2.3 模型計算步驟

步驟一：輸入評價標(biāo)準(zhǔn)。其中，評價標(biāo)準(zhǔn)可以包含繳費(fèi)時間、欠費(fèi)期數(shù)和欠費(fèi)金額分別對應(yīng)的不同范圍的權(quán)重和分?jǐn)?shù)以及各種繳費(fèi)方式對應(yīng)的權(quán)重和分?jǐn)?shù)，評價標(biāo)準(zhǔn)中的繳費(fèi)時間的權(quán)重、欠費(fèi)期數(shù)的權(quán)重、欠費(fèi)金額的權(quán)重和繳費(fèi)方式的權(quán)重可依次遞減。如繳費(fèi)時間在當(dāng)月的分?jǐn)?shù)大于繳費(fèi)時間在次月的分?jǐn)?shù)。

步驟二：判斷客戶是否欠費(fèi)。如果是，執(zhí)行步驟三;如果否，執(zhí)行步驟六。具體可根據(jù)客戶的繳費(fèi)時間判斷客戶是否欠費(fèi)，如客戶的繳費(fèi)時間中并無當(dāng)月的繳費(fèi)時間記錄，則表示客戶已欠費(fèi)。

步驟三：第1個評價標(biāo)準(zhǔn)計算分?jǐn)?shù)。其中，第1個評價標(biāo)準(zhǔn)可包括繳費(fèi)方式以及繳費(fèi)時間對應(yīng)的權(quán)重和分?jǐn)?shù)，根據(jù)第1個評價標(biāo)準(zhǔn)計算欠費(fèi)客戶的繳費(fèi)方式和其對應(yīng)的權(quán)重和分?jǐn)?shù)的乘積，得到欠費(fèi)客戶在第1個評價標(biāo)準(zhǔn)的分?jǐn)?shù)。

步驟四：第i+1個評價標(biāo)準(zhǔn)計算分?jǐn)?shù)。其中，第i+1個評價標(biāo)準(zhǔn)可包括欠費(fèi)期數(shù)和其對應(yīng)的權(quán)重和分?jǐn)?shù)，根據(jù)第i+1個評價標(biāo)準(zhǔn)計算欠費(fèi)客戶的欠費(fèi)期數(shù)和對應(yīng)的權(quán)重和分?jǐn)?shù)的乘積，得到欠費(fèi)客戶在第i+1個評價標(biāo)準(zhǔn)的分?jǐn)?shù)。

步驟五：輸出每個客戶的總分。具體的，將每個評價標(biāo)準(zhǔn)計算得到的分?jǐn)?shù)之和作為對應(yīng)客戶的總分，即信用分?jǐn)?shù)。

步驟六：判斷是否全部客戶均計算出總分。如果是，執(zhí)行步驟七;如果否，執(zhí)行步驟二。具體的，若還存在未計算出總分的客戶，則返回步驟二，判斷未計算出總分的客戶是否欠費(fèi)，直至全部客戶均計算出總分。

步驟七：對全部客戶分?jǐn)?shù)進(jìn)行排序。其中，全部客戶分?jǐn)?shù)可按照由低到高的順序進(jìn)行排序，信用分?jǐn)?shù)越低則說明催收電費(fèi)順序越前。

步驟八：得出客戶催費(fèi)順序。

總而言之，全部客戶分?jǐn)?shù)由低到高的順序即由先到后的客戶催費(fèi)順序，對分?jǐn)?shù)較低的欠費(fèi)客戶，工作人員可優(yōu)先對其進(jìn)行電費(fèi)催收，以提高電費(fèi)催收效率。

3 應(yīng)用前景

通過建立用電客戶電費(fèi)回收風(fēng)險預(yù)測模型，免去了人工篩選的工作量，每個欠費(fèi)客戶都有相應(yīng)的信用分?jǐn)?shù)，工作人員可優(yōu)先對信用分?jǐn)?shù)較低的欠費(fèi)客戶進(jìn)行電費(fèi)催收，電費(fèi)催收效率得到了大大提高。

該模型可以建立對用電客戶電費(fèi)回收風(fēng)險的長效觀察機(jī)制，從被動催收電費(fèi)轉(zhuǎn)變?yōu)樘崆白龊酶唢L(fēng)險客戶的管控工作，采取針對性措施，如關(guān)注客戶的日用電量，對確有需要的客戶可縮短電費(fèi)結(jié)算周期，以緩解其結(jié)算壓力;對于信用等級過低、惡意欠費(fèi)客戶，可根據(jù)中國人民銀行征信級別分類標(biāo)準(zhǔn)，將客戶的電費(fèi)回收信用等級與個人征信相關(guān)聯(lián)，報中國人民銀行備案。

【參考文獻(xiàn)】

【1】劉莎娜.淺析大數(shù)據(jù)挖掘?qū)﹄娰M(fèi)回收風(fēng)險預(yù)測優(yōu)化[J].電子世界，2020（12）：77-78.

【2】錢正浩，吳廣財.一種基于大數(shù)據(jù)挖掘的電費(fèi)回收風(fēng)險預(yù)測技術(shù)研究[J].電子世界，2017（19）：149-150.

【3】趙海寶，周盛成，安旭東，等.基于電費(fèi)大數(shù)據(jù)客戶欠費(fèi)風(fēng)險分級管理探索研究[J].電工技術(shù)，2020（12）：141-143+149.