[发明专利]基于大数据分析的电网客户等级划分方法、系统、计算机设备及存储介质

说明书

本发明涉及电网客户分群识别领域，具体为电网客户等级划分方法、系统、计算机设备及存储介质，其方法包括：从各个业务模块梳理建模所需源数据；从各个业务模块的各个指标维度设计相应的一个或多个业务指标，形成指标体系；基于指标体系对源数据进行数据加工、数据处理，得到业务因子指标，最终汇总成业务指标宽表；数据探索性分析，对业务指标的相关性进行分析，对业务因子指标进行有效筛选，生成业务指标；构建熵值法模型，计算并修正业务指标的权重，计算电网客户等级划分的最终得分，并划分电网客户群体。本发明构建熵值法模型，对业务指标的权重进行有效修正，以实现电网客户群体的精准划分。

技术领域

本发明涉及电网客户分群识别领域，具体为基于大数据分析的电网客户等级划分方法、系统、计算机设备及存储介质。

背景技术

如今，用电客户服务能力提升成为了电力企业的一项重要工作，例如为用电客户提供差异化、个性化的服务，以提高用电客户的满意度，从而实现电力行业的精准营销，增强各级用电客户体验感，提高电力企业的服务水准及企业能效。而对用电客户进行精准营销之前，需要对用电客户的等级进行划分，即对客户进行分群。

现有一般采用人工的方式对用电客户等级进行划分，由业务人员根据历史数据和已有的经验规则对客户等级进行划分；人工划分所能依据的历史数据维度有限，且容易受到业务人员的从业经验和主观判断的影响，所以客户等级划分的精确度较为粗糙。

近年来有人提出了智能化的客户等级划分方法，采用文本挖掘技术，首先对用电客户进行画像，再利用用户画像进行客户划分，在一定程度上提高了客户等级划分的精准度与智能化程度；采用聚类算法构建用户画像，主要依据的是电力企业的历史经营数据、用电客户的浏览行为、态度偏好、操作日志等非结构化数据，其对用电客户等级的划分类似于能效评估、技能评估等没有明确的定义和规则，使用的是无监督学习的方法(如k-means聚类算法、熵值法)，也未充分地考虑、调整用户画像标签体系中各项的权值，因此其客户群的划分精准度是有待提高的。

发明内容

为了解决现有技术所存在的问题，本发明提供基于大数据分析的电网客户等级划分方法、系统、计算机设备及存储介质，基于大数据分析挖掘技术，构建熵值法模型，对业务指标的权重进行有效修正，以实现电网客户群体的精准划分。

本发明电网客户等级划分方法采用如下技术方案来实现：基于大数据分析的电网客户等级划分方法，包括以下步骤：

S1、从各个业务模块梳理建模所需源数据；

S2、基于实际业务需求，从各个业务模块的各个指标维度设计相应的一个或多个业务指标，形成指标体系；

S3、基于所形成的指标体系，对建模所需源数据进行数据加工、数据处理，得到业务因子指标，最终汇总成业务指标宽表；

S4、数据探索性分析，对业务指标的相关性进行分析，对业务因子指标进行有效筛选，生成业务指标；

S5、构建熵值法模型，计算并修正步骤S4所生成的业务指标的权重，获得修正后的业务指标权重，并根据修正后的业务指标权重计算电网客户等级划分的最终得分；

S6、根据计算出的最终得分，按综合得分排名的比重，划分电网客户群体。

在一个优选的实施例中，步骤S5计算并修正步骤S4所生成的业务指标的权重的方法为：通过熵值法求得业务指标权重，并将业务指标权重作为自适应神经元网络算法的初始权重，对已知数据集实施自适应神经元网络算法，迭代修正业务指标权重，得到修正后的业务指标权重。具体来说，步骤S5可以包括：

S51、对原始的相关系数矩阵进行归一化处理；

S52、计算各个业务指标的熵；

S53、通过熵值法计算各个业务指标权重；