CN107368958A - 基于主成分分析法的大客户价值评价指标权重确定方法 - Google Patents
基于主成分分析法的大客户价值评价指标权重确定方法 Download PDFInfo
- Publication number
- CN107368958A CN107368958A CN201710543330.9A CN201710543330A CN107368958A CN 107368958 A CN107368958 A CN 107368958A CN 201710543330 A CN201710543330 A CN 201710543330A CN 107368958 A CN107368958 A CN 107368958A
- Authority
- CN
- China
- Prior art keywords
- principal component
- indexes
- value
- evaluation index
- mrow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 claims abstract description 71
- 239000011159 matrix material Substances 0.000 claims abstract description 11
- 238000007689 inspection Methods 0.000 claims abstract description 5
- 238000003556 assay Methods 0.000 claims abstract description 4
- 238000005259 measurement Methods 0.000 claims abstract description 4
- 239000000203 mixture Substances 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 11
- 238000000513 principal component analysis Methods 0.000 abstract description 8
- 230000005611 electricity Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于主成分分析法的大客户价值评价指标权重确定方法,包括:在一统计周期内,从电力营销信息管理系统中抽取若干大客户价值评价指标和对应的评价指标数据;将评价指标数据导入主成分分析软件,先进行适用性检验,检验合格后,进行主成分分析,获得主成分、总方差解释表和主成分载荷矩阵;根据总方差解释表和主成分载荷矩阵,确定各评价指标在不同主成分线性组合中的系数;计算各评价指标的权重。本发明采用主成分分析法确定大客户价值评价指标权重,不仅可以避免人为因素带来的偏差,同时相对于现有的方法更加简单。
Description
技术领域
本发明涉及一种基于主成分分析法的大客户价值评价指标权重确定方法,属于电力大客户价值评价领域。
背景技术
随着电力市场的发展,电力大客户的用电需求呈现出多样化、小众特征,传统的一致化服务竞争力下降。为以应对复杂多变的市场环境,如何正确评价客户价值,识别和管理客户,维持客户资源,提升价值客户忠诚度,从而实现在不提高成本的情况下充分进行合理的资源配置,提升业务和服务水平,已经成为创新以电力营销体系的重要内容,也是传统电网公司未来核心能力培育和客户满意度提升的首要一环和重要抓手。
运用一个完整的电力客户价值评级体系,并对每一个或每一类电力客户进行价值评价时,需要对评价体系中的各个指标的权重进行确定,从而反映不同指标对于指标评价体系的重要程度大小,也是客户价值评价行之有效的基础工作。
当前客户价值评价方法有很多种,其中进行指标权重确定的方法主要包括:层次分析法、德尔菲分析法(专家打分法)和主观赋权法。层次分析法和主观赋权法较为主观,受到人的偏好、知识结构、经验等主观影响较大,通常容易引起争议;德尔菲分析法也有明显缺点,其更加适合定性指标较多的情况,而且操作过程比较复杂,耗费时间、人力、物力均较多。
发明内容
为了解决上述技术问题,本发明提供了基于主成分分析法的大客户价值评价指标权重确定方法。
为了达到上述目的,本发明所采用的技术方案是:
基于主成分分析法的大客户价值评价指标权重确定方法,包括,
在一统计周期内,从电力营销信息管理系统中抽取若干大客户价值评价指标和对应的评价指标数据;
将评价指标数据导入主成分分析软件,先进行适用性检验,检验合格后,进行主成分分析,获得主成分、总方差解释表和主成分载荷矩阵;
根据总方差解释表和主成分载荷矩阵,确定各评价指标在不同主成分线性组合中的系数;
计算各评价指标的权重,
其中,ωi为第i个评价指标的权重,n为主成分的个数,σj为第j个主成分的方差贡献率,pij为第i个评价指标在第j个主成分线性组合中的系数。
大客户价值评价指标分为发展价值评价类指标、经济价值评价类指标、信用价值评价类指标、安全价值评价类指标和社会价值评价类指标。
评价指标数据在导入主成分分析软件之前,对评价指标数据进行清洗。
在总方差解释表中,选取特征根大于1的成分为主成分。
主成分线性组合公式为,
Fj=p1jx1+…+pijxi+…+pmjxm
其中,Fj为第j个主成分,m为评价指标的个数,xi为第i个评价指标值。
计算获得所有评价指标权重后,进行归一化处理。
本发明所达到的有益效果:本发明采用主成分分析法确定大客户价值评价指标权重,不仅可以避免人为因素带来的偏差,同时相对于现有的方法更加简单。
附图说明
图1为本发明的流程框图;
图2为主成分碎石图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,基于主成分分析法的大客户价值评价指标权重确定方法,包括以下步骤:
步骤1,在一统计周期内,从电力营销信息管理系统中抽取若干大客户价值评价指标和对应的评价指标数据。
大客户选择:需要统筹考虑电压等级、容量和行业等分布特点,即不同的电压等级抽取若干,不同的容量抽取若干,不同的行业抽取若干。
评价指标选择:首先选择与客户价值直接相关,且对客户价值评价影响有重要作用的评价指标;由于客户价值在不同区域、不同群体、不同时间的特点并不完全一致,甚至存在较大差异,因此选取的评价指标需要满足后续可以持续改进的要求。
大客户价值应从五个方面的价值维度进行衡量,分别为:发展价值、经济价值、信用价值、安全价值和社会价值;依次对应着大客户对于电网企业在未来发展潜力、当前经济价值、信用风险水平、电网安全友好和社会责任等五个方面的价值。将所筛选的评价指标和五个维度进行匹配,得出以下大客户价值评价指标体系结果,如下表一所示:
表一 大客户价值评价指标分类表
表中将大客户价值评价指标分为发展价值评价类指标、经济价值评价类指标、信用价值评价类指标、安全价值评价类指标和社会价值评价类指标。
步骤2,对评价指标数据进行清洗。
评价指标数据清洗:检查评价指标数据,分析其存在的缺失问题;对于评价指标数据大量缺失,无法满足模型训练要求的样本,予以适当删除;对于价值指标数据不存在大量缺失,通过合理的方法(如移动平均补齐算法)对缺失值进行补齐处理。
步骤3,将评价指标数据导入主成分分析软件,先进行适用性检验,检验合格后,进行主成分分析,获得主成分、总方差解释表和主成分载荷矩阵。
31)将评价指标数据导入主成分分析软件,先进行适用性检验,即进行巴特利特和KMO检验;如表二所示:
表二 适用性检验
从上表可以看出,KMO值为0.854,Bartlett的显著性sig=0<0.05。通常来说KMO>0.9,则评价指标数据非常适合进行主成分分析;0.8<KMO≤0.9,则评价指标数据适合进行主成分分析;0.7<KMO≤0.8,则为一般;0.6<KMO≤0.7,则不大适合进行主成分分析;KMO<0.6,则不适合进行分析。此处,KMO值等于0.854,对比可知,该结果适合进行主成分分析,另外,sig=0<0.05同样通过适用性检验。
32)主成分分析;
主成分分析软件进行主成分分析后,获得总方差解释表和主成分载荷矩阵,分别如表三和表四所示;
表三 总方差解释表
表三中没有显示特征根小于1的成分,选取特征根大于1的成分为主成分从表可知,成分1、2和3为主成分,结合碎石图即图2观察,三个主成分的特征值大于1,其中第一主成分斜率最大,特征根分别为2.328、1.132和1.006,另外,从累计方差贡献率看,前三个主成分累计达到93.788%,大于80%。因此,全部评价指标的信息基本可以用这三个主成分代替,即用3个新变量来代替原来的多个变量。
表四 主成分载荷矩阵
从表四可以看出,电压等级、运行容量和月度平均电费具有很强的相关性,欠费次数和逾期缴费率具有很强的相关性,变压器数量和暂停次数也具有很强的相关性。这三组评价指标具有显著的关联关系,同时意味着存在信息重叠,以3个主成分代表原有的所有指标,可以规避信息重叠带来的偏差。
步骤4,根据总方差解释表和主成分载荷矩阵,确定各评价指标在不同主成分线性组合中的系数。
主成分线性组合公式为,
Fj=p1jx1+…+pijxi+…+pmjxm
其中,Fj为第j个主成分,m为评价指标的个数,xi为第i个评价指标值,pij为第i个评价指标在第j个主成分线性组合中的系数。
其中,Kij表示第i个评价指标的第j个主成分在主成分载荷矩阵中的数值(如表四所示),Tj为第j个主成分的特征值。
以表上中的3个主成分为例,评价指选7个:月度平均电费、运行容量、电压等级、欠费次数、变压器数量、暂停次数和逾期缴费率;
则3个主成分线性组合公式为:
F1=-0.002x1+0.190x2+0.558x3+0.552x4+0.588x5+0.041x6-0.022x7;
F2=-0.042x1+0.715x2-0.248x3+0.150x4-0.181x5+0.607x6-0.026x7;
F3=0.702x1+0.021x2+0.018x3-0.001x4+0.002x5+0.062x6+0.709x7。
步骤5,计算各评价指标的权重;
其中,ωi为第i个评价指标的权重,n为主成分的个数,σj为第j个主成分的方差贡献率。
以7个评价指为例;
选欠费次数权重为:
依次类推,其他6个如表五所示,
表五 权重表
欠费次数 | 变压器数量 | 月度平均电费 | 运行容量 |
0.17 | 0.29 | 0.19 | 0.30 |
电压等级 | 暂停次数 | 逾期缴费率 | |
0.22 | 0.20 | 0.17 |
步骤6,对计算获得的所有评价指标权重进行归一化处理。
由于所有评价指标的权重之和应该为1,归一化就是将各个评价指标在综合得分模型中的系数,同比例缩放,使其总和为1。
7个评价指权重归一化后如表六所示,
表6权重归一化
上述方法采用主成分分析法确定大客户价值评价指标权重,不仅可以避免人为因素带来的偏差,同时相对于现有的方法更加简单。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.基于主成分分析法的大客户价值评价指标权重确定方法,其特征在于:包括,
在一统计周期内,从电力营销信息管理系统中抽取若干大客户价值评价指标和对应的评价指标数据;
将评价指标数据导入主成分分析软件,先进行适用性检验,检验合格后,进行主成分分析,获得主成分、总方差解释表和主成分载荷矩阵;
根据总方差解释表和主成分载荷矩阵,确定各评价指标在不同主成分线性组合中的系数;
计算各评价指标的权重,
<mrow>
<msub>
<mi>&omega;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>&sigma;</mi>
<mi>j</mi>
</msub>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>&sigma;</mi>
<mi>j</mi>
</msub>
</mrow>
</mfrac>
</mrow>
其中,ωi为第i个评价指标的权重,n为主成分的个数,σj为第j个主成分的方差贡献率,pij为第i个评价指标在第j个主成分线性组合中的系数。
2.根据权利要求1中所述的基于主成分分析法的大客户价值评价指标权重确定方法,其特征在于:大客户价值评价指标分为发展价值评价类指标、经济价值评价类指标、信用价值评价类指标、安全价值评价类指标和社会价值评价类指标。
3.根据权利要求1中所述的基于主成分分析法的大客户价值评价指标权重确定方法,其特征在于:评价指标数据在导入主成分分析软件之前,对评价指标数据进行清洗。
4.根据权利要求1中所述的基于主成分分析法的大客户价值评价指标权重确定方法,其特征在于:在总方差解释表中,选取特征根大于1的成分为主成分。
5.根据权利要求1中所述的基于主成分分析法的大客户价值评价指标权重确定方法,其特征在于:主成分线性组合公式为,
Fj=p1jx1+…+pijxi+…+pmjxm
其中,Fj为第j个主成分,m为评价指标的个数,xi为第i个评价指标值。
6.根据权利要求1中所述的基于主成分分析法的大客户价值评价指标权重确定方法,其特征在于:计算获得所有评价指标权重后,进行归一化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710543330.9A CN107368958A (zh) | 2017-07-05 | 2017-07-05 | 基于主成分分析法的大客户价值评价指标权重确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710543330.9A CN107368958A (zh) | 2017-07-05 | 2017-07-05 | 基于主成分分析法的大客户价值评价指标权重确定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107368958A true CN107368958A (zh) | 2017-11-21 |
Family
ID=60305948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710543330.9A Pending CN107368958A (zh) | 2017-07-05 | 2017-07-05 | 基于主成分分析法的大客户价值评价指标权重确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107368958A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110070256A (zh) * | 2019-02-28 | 2019-07-30 | 国网浙江省电力有限公司 | 基于critic方法的零电量用户排查优先度权重计算方法 |
CN113592260A (zh) * | 2021-07-15 | 2021-11-02 | 广州市图鉴城市规划勘测设计有限公司 | 一种村庄空心化程度评估方法 |
CN113780773A (zh) * | 2021-08-27 | 2021-12-10 | 上海大智慧信息科技有限公司 | 关于社会应急物资的信息服务方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881609A (zh) * | 2015-05-29 | 2015-09-02 | 中国石油大学(华东) | 一种复杂软件系统软件单元可信性评估方法 |
-
2017
- 2017-07-05 CN CN201710543330.9A patent/CN107368958A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881609A (zh) * | 2015-05-29 | 2015-09-02 | 中国石油大学(华东) | 一种复杂软件系统软件单元可信性评估方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110070256A (zh) * | 2019-02-28 | 2019-07-30 | 国网浙江省电力有限公司 | 基于critic方法的零电量用户排查优先度权重计算方法 |
CN110070256B (zh) * | 2019-02-28 | 2023-12-08 | 国网浙江省电力有限公司 | 基于critic方法的零电量用户排查优先度权重计算方法 |
CN113592260A (zh) * | 2021-07-15 | 2021-11-02 | 广州市图鉴城市规划勘测设计有限公司 | 一种村庄空心化程度评估方法 |
CN113592260B (zh) * | 2021-07-15 | 2023-12-08 | 广州市图鉴城市规划勘测设计有限公司 | 一种村庄空心化程度评估方法 |
CN113780773A (zh) * | 2021-08-27 | 2021-12-10 | 上海大智慧信息科技有限公司 | 关于社会应急物资的信息服务方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109063945B (zh) | 一种基于价值评估体系的售电公司360度客户画像构建方法 | |
CN107507038B (zh) | 一种基于stacking和bagging算法的电费敏感用户分析方法 | |
Stopka et al. | Identification of appropriate methods for allocation tasks of logistics objects in a certain area | |
Feder et al. | Employed yet poor: low-wage employment and working poverty in South Africa | |
CN112102073A (zh) | 信贷风险控制方法及系统、电子设备及可读存储介质 | |
CN106845777A (zh) | 案件工作量评价方法、法官业绩评价方法、建模方法、计算装置和计算机可读存储介质 | |
CN106845846A (zh) | 大数据资产评估方法 | |
CN107609771A (zh) | 一种供应商价值评价方法 | |
CN109903182A (zh) | 基于随机森林算法的电力客户欠费风险分析方法及装置 | |
Mokeyev et al. | Analysis of socio-economic system processes performance with the help of eigenstate models | |
CN107368958A (zh) | 基于主成分分析法的大客户价值评价指标权重确定方法 | |
Conley et al. | Estimating dynamic local interactions models | |
CN116468273A (zh) | 客户风险识别方法及装置 | |
Lukić | Analysis of the performance of the Serbian economy based on the MEREC-WASPAS method | |
Chou et al. | Evolutionary optimization of model specification searches between project management knowledge and construction engineering performance | |
CN110750572A (zh) | 一种科技成果启发式评价的自适应方法和装置 | |
CN110569363A (zh) | 一种决策流组件生成方法、装置、电子设备及存储介质 | |
Zhang et al. | Research on personal credit scoring model based on multi-source data | |
Dai et al. | Audit analytics: A field study of credit card after-sale service problem detection at a major bank | |
CN107886217A (zh) | 一种基于聚类算法的员工离职风险预测方法及装置 | |
CN109447682A (zh) | 确定店铺的营业状态的方法、系统、电子设备及存储介质 | |
Dragan | Fuzzy-DEA model for measuring the efficiency of transport quality | |
CN113537759A (zh) | 一种基于权重自适应的用户体验度量模型 | |
CN110264251B (zh) | 表征现金流的数据组织形式与基于多任务学习的预测方法 | |
Erjavec et al. | SMEs “Growing Smart”: The Complementarity of Intangible and Digital Investment in Small Firms and Their Contribution to Firm Performance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171121 |