李仕婷
贵州电网有限责任公司毕节大方供电局 贵州省毕节市 551600
摘要：伴随着时代与社会经济的高速发展，电力事业取得不断进步，电费回收指标压力也越来越大，且电力营销系统缺乏智能分析欠费客户的功能，传统催费方式工作量大、回收效果差，具有较大的盲目性。论文运用层次分析法建立客户电费风险预测模型，以“欠费客户催费顺序”为切入点，通过分析客户各类信息得到客户信用分数，对其电费回收风险进行分析预测，从而及时发现存在的电费回收风险点，通过营销策略调整降低风险，有效提高电费回收率，提升电力企业经营效益。
关键词：电力；电费回收；风险管控
引言
电费回收作为电网公司现金流的重要来源，其良莠程度直接影响企业经营效益。随着全球经济一体化进程加快，电网客户受外部环境的影响越来越大，部分客户经济状况不稳定，电力公司面临的电费回收风险也在不断增大。因此，如何科学有效地识别客户的电费回收风险，实现电网企业稳健发展，已经成为产学两届亟须解决的重要议题。
1电力企业电力营销电费回收中的风险隐患
1.1电费缴费保障体系不健全
“先用电，后缴费”的传统营销模式是造成电费难以回收的重要因素之一，这种营销模式形成的决定性原因是电这种特殊商品其具有产、供、销同时完成的特殊性，这种特殊性决定了电力企业难以在电力营销中实行“先缴费，后用电”的运作模式。另外在“先用电，后缴费”传统营销模式下客户往往会拖欠一些信誉差的电力企业电费，甚至偷逃电费，一旦企业陷入经营危机，资金周转不开，拖欠电费就会成为部分企业首先要解决的问题。
1.2用大数据研究分析电费回收风险的机遇
近年来科技高速发展，5G时代的到来使得万物互联成为可能，对未来的预测也成为大数据云时代最大的特征。对于电网企业来说，客户每一个行为动态都会产生大量的数据，将所有数据中趋同的部分进行汇总，挖掘发现其中的规律特征，就能实现对客户行为的预测。在电费回收方面，运用大数据能有效预测客户电费回收风险并且有利于电网企业真正了解客户需求，为客户提供更加个性化、专业化服务。
2用电客户电费回收风险预测的大数据应用
2.1基于大数据挖掘电费回收模型构建
在供电企业电费回收风险管控流程中，其中用户数据质量的优劣是挖掘分析有效的基础。因为在风险预测时，数据管控能力的强弱直接影响了数据分析的准确性和实时性。本文在大数据挖掘方案应用中，有一个重要的依据，即CCET分析原则。该原则主要体现在数据与结果的相关性、数据与数据的聚类性以及最后结果与实践的相异性这三大方面，在根据该原则进行流程完善后还有一个趋势分析，这就是供电企业对用户的等级评估。所以基于大数据电费回收模型可以用CRISP-DM方法，将一个数据挖掘分成五个阶段：业务理解、数据理解、模型构建、数据存储及预处理、模型风险评估。在CRISP-DM方法中，基于大数据的体量以及类型两个特征，本文从供电企业电费回收数据的可用性与价值性实施深度挖掘，并将用户费用缴纳与企业电费回收管理进行结合，然后构建交费数据模型。其主要步骤如下：（1）首先从业务与数据两个层面了解，然后分析企业管理系统中的用户缴费时间、缴费频率以及用户业务变更等基础数据。（2）其次，采集这些基础数据。
在用大数再对这些采集数据进行分析整理后，研究用户缴费方式以及缴费频率等变量与对电费风险影响变量之间的联系。运用模型算法，对各变量数据的基本探查，如空值数目、唯一值数目、最小最大值的统计以及数据质量检验等。（3）最后参照用户缴费行为数据统计，运用决策树和回归分析、神经网络相关统计算法，对那些不同电力用户费用缴纳现状实施评估。因为在电费缴纳上，不同的客户群体存有不同的缴纳模式，因此，在不同的客户群体中，关于时间利用率数据和支付模式的不同数据被用于进行预测，但这些数据基于不同程度的跟踪、计算、客户数量、电费和电力支出变化。
2.2层次分析法
层次分析法是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础上进行定性与定量分析。主要是将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多准则的若干层次，通过定性指标模糊量化方法算出总排序，以作为多指标、多方案优化决策的系统方法。具体运算方法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后应用加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即最优方案。
2.3完善对数据质量的检查管理措施
如何完善供电局数据质量的检查管理，需要从以下几个部分开始进行，内容包括：一是对接口数据进行严格检查。在获得接口数据的过程中，数据的形式主要包括文件、数据表等不同类型，因此，要求技术人员对不同类型的数据形式展开针对性检查工作，对接口数据的完整性与及时性进行检查，然后分析出问题的根源，从而保障数据在入库前不存在质量隐患。二是对供电局数据库进行检查。检查的目的主要是为了保障供电局数据库的数据一致性、正确性、完整性、及时性等。这是保障供电局数据库中数据质量的重要环节。值得注意的是，由于电网信息系统极具复杂性，再加上数据量庞大，提升数据质量需要以长期的周期性工作特征为主，同时还要求技术人员要对数据库内的所有数据进行定期检查，最终根据数据库的具体情况来对数据检查脚本进行优化。三是对指定指标进行全面检查。该环节的目的主要是为了对数据库中的所有数据的正确性展开围绕质量方面的检查工作，这是保障供电局数据能够按照其业务模块的具体情况来体现数据价值的重要路径。供电局可通过设立数据质量考核指标来进一步提升数据的质量，这对相关业务的顺利开展以及提升整体服务满意度具有重要的现实意义。
3应用前景
通过建立用电客户电费回收风险预测模型，免去了人工筛选的工作量，每个欠费客户都有相应的信用分数，工作人员可优先对信用分数较低的欠费客户进行电费催收，电费催收效率得到了大大提高。该模型可以建立对用电客户电费回收风险的长效观察机制，从被动催收电费转变为提前做好高风险客户的管控工作，采取针对性措施，如关注客户的日用电量，对确有需要的客户可缩短电费结算周期，以缓解其结算压力；对于信用等级过低、恶意欠费客户，可根据中国人民银行征信级别分类标准，将客户的电费回收信用等级与个人征信相关联，报中国人民银行备案。
结语
电费回收在电力企业中所占的经济利益对于企业来说非常重要，电力费用回收也是电力营销中一项重要的工作，因此企业应重视起电费回收这项工作，合理规避电费回收风险，提高电费回收率。分析电费回收中潜在的风险因素，实行行电费担保、客户预购电与分期付款并行制度，完善电费回收管理制度，合理利用征信服务平台及建立黑名单制度，推行多元化缴费方式，建立电费风险预警机制等，切实加强电力营销中电费回收风险管控力度，解决电费回收困难问题。
参考文献
[1]严秀梅.关于电力营销过程中电费回收风险防控手段探究.电子测试,2019(2).
[2]钱正浩,吴广财.一种基于大数据挖掘的电费回收风险预测技术研究.电子世界,2019(19).
[3]赵海宝,周盛成,安旭东,等.基于电费大数据客户欠费风险分级管理探索研究.电工技术,2020(12).