数据挖掘的电力行业客户细分及建模研究

《数据挖掘的电力行业客户细分及建模研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、数据挖掘的电力行业客户细分及建模研究摘要：本文简要地阐述了客户细分的特点，总结了电力行业客户细分存在的问题，从中针对数据挖掘的电力客户细分模型构建进行了研究，最后结合工程实例加以论述，旨在为同行提供参考与借鉴。关键词：数据挖掘；电力行业；客户细分；问题；构建引言近年来，随着电力行业的不断发展，电力企业思想也在不断的改变，在具体的工作中在不断地反思改革，冃的是更好的推动企业前行，使整个行业更好的前行。电力行业服务的是客户，客户来自于社会的各个部分，有着不同的需求，有着不同经济基础，所以我们的客户戏份工作要更加的细致，更加的有条理，为后续工作开辟好

2、的指引O鉴于此，本文结合工作实践，主要就数据挖掘的电力行业客户细分及建模进行了研究。1客户细分的概述客户细分的前提是根据企业收集与整理的客户信息，结合其需求特点、信誉状况及购买行为等方面的不同，将某种产品的客户分到多个客户群当中。因此，不同的细分客户群体具有不同的特征，其客户需求也各不相同。客户细分立足于多种不同客户特点基础上，根据不同的企业客户对产品的需求，才能进行细分。同时，随着经济市场改革的Fl趋成熟，客户对产品的特点也是随之改变的，而客户细分也会随着其发生改变。因此，企业要密切关注客户的实际情况，以采取及时、有效的细分对策。在客户细分实

3、际的应用中，体现的是一个聚集的过程，即企业根据客户的需求，将相同需求特点的客户归为一个群体。2电力行业客户细分存在的问题分析我国旧的细分方式有很多的弊端存在，例如我们常见的客户的细分行为缺失、细分的方式较单一、具体行为操作的过程不规范等等问题，这些问题大大的影响了健康有序的发展。对于现阶段我国的基本情况，用户的组成的板块较多，对于需求的也是十分的不同，在各个不同的用电需求之间穿插着，为供电提供了很大的难度。就拿工业用电为例吧，在大的工业园区，会有很多的企业在使用电力资源，我们是知道的可能由于产能的不同以及公司的规模的不同每月的耗电量也不同我们在

4、工业用电的标准就没充分的考虑到这一点，而是只有一个供电标准，一个电费的收取价格，如果进行阶梯式收取，企业会更加节省合理的利用电能。现阶段还有很多的弊端存在，需要我们慢慢地去完善以便达到各方面的满意，企业的进步。3数据挖掘的电力客户细分模型构建3.1细分模型设计思路数据挖掘客户细分模型设计的思路主要包括：结合不同的客户行为属性，不断优化客户细分指标体系；在客户价值评价上进行客户价值描述体系的构建；以客户行为细分为主的思路进行客户细分模型的构建。3.2细分原则电力企业在进行客户细分的过程中应遵循以下原则：第一，可衡量性。也就是企业在进行客户需要信息

5、、数据的收集及调研中能进行合理的衡量，并明确各个细分市场的范围无论是市场的规模大小，还是需求量都要进行衡量。第二，可进入性。电力企业的资源条件及营销能力可体现在子市场中。第三，可盈利性。细分后客户购买力及子市场规模能满足企业盈利的最大化。第四，反应差异。在各个子市场对市场营销组合中因素变动的情况下，都正确及时作出差异性反应等。3.3细分方法在经济市场各个领域当中，大多都是采取K-means算法进行客户细分。该算法是一种划分的，但并非分层的聚类方法，是由Mac•Quen最先提出的，目前在数据挖掘领域中应用越来越广泛。3.4基于数据挖掘的总体模型设

6、计功能、数据及方法三方面作为主要的数据挖掘电力客户细分功能结构模型。其中功能部分不仅是模型设计的目标以及设计的结杲，其功能部分主要包括：客户分析、客户分类、市场预测、定向服务、辅助营销等功能。在长期的数据挖掘中，市场功能的不同在选择细分方法，会导致数据出现相当大的差异性。数据模块是总体模型的基础,进行充分的数据准备及预处理，才能真正保证产牛•真实性、有效性。而客户维度的选择及明确度量是保证取得满意客户细分结果的前提，而方法模块则是总体模型中的核心。电力大客户细分功能结构模型，如图1所示。3.5基于Kmeans算法的模型设计数据挖掘技术涉及的领域

7、相当广泛，包括：计算机软件、统计学、数学、人工智能理论等，包含丰富的理论知识，釆取各种科学技术。因此，数据挖掘技术的成功应用具有重要的设计意义。而数据挖掘模型则是该应用方法的研究成果。通过研究K-means算法的原理、特点，遵循相关的处理流程，客户细分模型框架，如图2所示。从K-means算法的工作过程中可以看出：先是从n个数据中任意选岀k个数据对象作为初始的聚类点；其次是根据所剩下数据对象和这些聚类点之间的聚类，把它们相应分配到与其相似值最高的聚类中心；最后进行各个新聚类的聚类中心的计算，精确求岀该聚类中数据对象的平均值，进行循环渐进的重复计

8、算，直到计算出准确的准则函数。K-means算法可采取准则函数：式中：E为数据库中全部数拯对象平均误差的总和；p为空间的点；mi为簇Ci的平值，而p与