CN115907665A - 一种电网公司智能催费行为决策方法 - Google Patents
一种电网公司智能催费行为决策方法 Download PDFInfo
- Publication number
- CN115907665A CN115907665A CN202211512716.0A CN202211512716A CN115907665A CN 115907665 A CN115907665 A CN 115907665A CN 202211512716 A CN202211512716 A CN 202211512716A CN 115907665 A CN115907665 A CN 115907665A
- Authority
- CN
- China
- Prior art keywords
- data
- payment
- strategy
- user
- customer
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及电网公司智能催费技术领域,且公开了一种电网公司智能催费行为决策方法,通过自动化的智能应用,大大降低了催费工作量。其次提升催费广度,在单月超标、购售同期的形势下,催费的难度、压力愈发增加,通过自动化的智能应用,轻松达到各区局催收率的全覆盖;最后提高催费精度。通过灵活安排个性化催收策略,基于用电客户价值体系,实行黑名单追加,白名单过滤,显著提升线上催费精度,优化线下催费资源投入,通过智能催费辅助应用直接出具全省异常明细清单,通过专项整改工作协助供电单位完成整改,一方面也可以利用语音机器人、业扩工具包等信息化工具,实现数据的自动核查、反馈。
Description
技术领域
本发明涉及电网公司智能催费技术领域,具体为一种电网公司智能催费行为决策方法。
背景技术
用电客户既是电力企业最大的财富来源,也是风险的来源。建设完善用电客户价值评价体系,营造良好的缴费生态,降低电费回收风险、提升电费催收效率,是电力企业最近工作地重点,随着社会信息化程度的不断提高,电力客户对电力企业的服务质量也提出了越来越高的要求。
目前电力公司对客户的催费行为较为繁琐,这就导致电力公司的工作量比较大,且效率低下,在单月超标、购售同期的形势下,催费的难度、压力愈发增加,不能够灵活安排个性化催收策略,存在缺陷。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种电网公司智能催费行为决策方法
(二)技术方案
为实现上述降低催费的工作量,且增加催费效率,本发明提供如下技术方案:一种电网公司智能催费行为决策方法,包括以下步骤:
S1、构建Spring MVC技术框架
Spring MVC是Spring框架的一部分,用户通过浏览器与系统进行交互,同时浏览器也负责解析JSP页面,在MVC架构中,JSP页面就是视图,用户通过JSP页面发出请求后,Spring MVC会根据请求路径,将请求发给与请求路径对应的Controller类,Controller类调用Service类对请求进行处理,Service类会调用数据持久层MyBatis完成对实体类的存取和查询工作,并将处理结果返回到Controller,Controller类将处理结果转换为ModelAndView对象,JSP接收ModelAndView对象并进行渲染。
S2、构建微服务架构
微服务架构是一种架构模式,它提倡将单一应用程序划分成一组小的服务,服务之间相互协调、互相配合,为用户提供最终价值。每个服务运行在其独立的进程中,服务和服务之间采用轻量级的通信机制相互沟通(通常是基于HTTP的Restful API).每个服务都围绕着具体的业务进行构建,并且能够被独立的部署到生产环境、类生产环境等。另外,应尽量避免统一的、集中的服务管理机制,对具体的一个服务而言,应根据业务上下文,选择合适的语言、工具对其进行构架作为一种新的设计和架构理念。
S3、构建mybatis框架
MyBatis是一款优秀的持久层框架,它支持定制化SQL、存储过程以及高级映射。MyBatis避免了几乎所有的JDBC代码和手动设置参数以及获取结果集。MyBatis可以使用简单的XML或注解来配置和映射原生信息,将接口和Java的POJOs(Plain Old Java Objects,普通的Java对象)映射成数据库中的记录。sql写在xml文件中,便于统一管理和优化,解除sql和程序代码的耦合;提供映射标签,支持对象和和数据库orm字段关系的映射,支持对象关系映射标签,支持对象关系的组建;提供xml标签,支持编写动态sql。
S4、对客户价值数据预处理
对用电行为数据进行数据质量校验,过滤不合格数据。并且对用电行为数据进行加工关联整合,同时需要对用户连续若干时间的用电量进行变换操作。
S5、客户价值特征维护
基于客户缴费行为数据,从用电力特征、居民特征、缴费特征、用电特征等多个方面,维护客户价值特征,在构建客户价值特征体系的过程中,将客户价值特征分为电力特征、居民特征、缴费特征、用电特征四个大类,来实现对客户价值特征的维护。
S6、客户价值评估
通过对客户基础信息、历史违约行为、用电行为、用电管理水平、客户发展潜力等相关数据整合,开展客户价值分析、历史违约情况分析、不良用电行为分析、当前价值(目前经济贡献、利润、经营状况、信誉、形象)分析、潜在价值(潜在客户份额、潜在电量增长、客户关系水平、忠诚度)等工作,建立客户价值评估和综合价值评估模型,构建客户价值评估特征体系,描绘单个客户或者群体客户的客户价值。
S7、客户风险分析
基于用电客户的用电数据对指标进行归一化处理,并采取逻辑回归、决策树等算法进行欠费风险概率计算,多次迭代优化后形成客户欠费风险概率值,并通过风险标签对客户欠费风险概率值进行直观表达。
S8、客户缴费特征分析
针对用户缴费特征,从缴费行为、缴费诉求两个维度对用户进行分析,其中缴费行为从渠道和时段两个维度着手,将缴费渠道划分为网厅缴费、互联网缴费、营业厅缴费等,缴费时段分为早上、中午、晚上、月初、月中、月末等;结合用户催收敏感度数据,为用户匹配对应的催费策略提供数据支撑,其次,从用电客户缴费诉求方面,从通知频次方面分析用户催收敏感度,分为催收敏感度高、催收敏感度中、催收敏感度低,形成催收敏感度标签,用于催收资源的整体管控。从通知内容方面,分析客户的电费通知需求,分为短信通知、互联网信息通知、邮件通知等通知需求标签,用于个性化的账单、催收内容推送。
S9、客户的用电行为分析
根据营销管理系统历史电费数据,对用电客户的用电行为进行分析,识别客户缴费渠道偏好、长期欠费、频繁欠费等风险,开展针对性的管控措施。
S10、客户敏感度分析
根据用电客户在历史电费催缴策略产生的反应,对电力客户进行敏感度分级,分析客户在不同业务场景下执行策略后的反馈,找出相关关联关系,识别服务质量敏感客户,以便对不同敏感度的用户实行差异化的电费催缴策略。
S11、电费客户群分
基于营销管理系统的客户档案数据、用能数据、历史缴费数据,加工整合成用户分类所需数据,利用数据分析、挖掘技术对数据进行变换操作。
S12、催费策略管理
针对每一类用电用户,按台区、用户个体方式设定对应的通知、告警、延迟停电、停电、存留保证金等催收策略,对每类用户组合多种策略,实现催费策略管理;为用电客户提供缴费渠道、方式、时间等不同的缴费策略,实现对不同电力用户的差异化催费管理。
S13、催费策略推荐
结合催费策略分析模型,对不同敏感度用户推荐不同策略,实现个性化的策略推荐。包括电费账单通知、二三级催缴通知、电费/电量补充说明、居民阶梯电费、公摊电费通知、电费发票通知等策略推荐。
S14、一户一策风控管理
根据电力用户的档案数据和用能数据,对电力用户进行分类。在费控业务方面,根据业务需要针对上述用户分类设定欠费告警、延时停电、立即停电等多样化的费控策略。将每一类电力用户与特定的费控策略进行关联,实现“一户一策”的差异化费控管理。
S15、费控户用电行为分析
根据营销管理系统所积累的历史欠费金额、欠费次数、滞纳金缴纳金额与次数等历史数据,对电力用户的用电行为进行分析,识别长期欠费、频繁欠缴迟缴等风险用户,开展针对性的费控管理措施,从而提升费控的效果。
S16、费控户敏感度分析
电力用户对费控策略会产生不同的应激行为。根据用户对费控通知后的缴费行为以及费控措施执行后的反应,对用户的费控敏感度进行分级分析。以便对不同电力用户实行差异化的费控策略。
S17、费控用户响应行为分析
在费控用户分析数据的基础上,对电力用户被采取如通知、告警、停电等费控措施之后的应激行为进行关联分析,识别与费控相关的咨询、投诉、缴费等相关费控响应动作之间的关联。同时统计费控行为与用户响应动作之间的数据分布情况,以柱状图或饼图形式展示,同时展示费控用户响应分析的结果。
S18、费控户群分
费控用户分类的基础数据依赖于营销管理系统的客户档案数据和用能数据,加工整合成费控用户分类所需数据,对数据进行变换操作:函数变换、归一化、连续属性离散化、属性规约等操作。在用电行为分析和费控敏感度分析模型的基础上,构建用户分类模型,并保存模型和模型统计信息。
S19、费控策略管理
针对每一类费控用户,按台区、用户个体方式设定对应的通知、告警、延迟停电、停电、存留保证金等费控策略,对每类用户组合多种策略,实现费控策略管理,从而实现对不同电力用户的差异化费控管理。
S20、费控策略评估优化
综合费控的缴费数据、月结电费差额以及滞纳金等业务数据,计算出供电企业提前回流的资金额度以及相比传统电费管理方式所产生的经济效益,并对滞纳金的趋势进行分析。使用时序分析等算法对费控效益进行预测分析,分别分析收缴总的电费金额、月结差额和滞纳金的趋势,辅助用户判断是否在下个周期能达到期望的效益,可与费控策略等功能结合,当下个周期达不到用户期望效益时可采取提升费控力度等措施。
S21、客户标签管理
维护智能催费应用的数据标签,通过数据源配置、流程配置、权限配置,完成应用平台上数据标签的基础属性维护,对宽表字段信息的配置,对宽表信息:访问权限、基础数据表、对象标识字段、机构权限过滤字段、表字段访问权限的内容进行设置、数据权限过滤设置等,通过智能催费应用策略上线、执行、评估、下线四个功能对应用策略进行全生命周期的流程管理,维护策略应用人群、周期、策略措施等信息,设置策略为发布状态,待审批后开始执行策略工作,维护策略审批的信息,包含审批的策略编号、名称、审批类型、申请人、申请时间、审批操作等信息,提供策略内容监控列表的展示查看。包括策略执行进度、时间、分布报表、执行计划列表查看等信息,默认根目录下显示所有的策略监控列表信息。
S22、客户服务综合管理
维护分析目标群体的属性,主要包括以下内容:分析目录、分析主体、度量、标签、过滤条件、显示方式,完成后执行后台运算,并提供群体分析查看和可视化配置的功能,催费智能应用中的策略服务,不仅满足内部应用需求,还可对外输出。本应用提供数据集成、页面集成、服务集成三种手段对外提供策略服务。
优选的,所述步骤S1、中,Spring框架成为Java EE开发主流框架后,Spring开发小组又在Spring框架的基础上推出了MVC架构,主要用于支持WEB应用程序的开发。MVC是Model(模型,也称为数据模型)、View(视图)、Controll(控制器)三个英文单词首字母的缩写。从MVC组合的三个单词也可以看出,MVC是一种设计模型,它使用控制器将数据模型和视图进行分离,也就是将视图和数据解耦。这样的好处是后端处理的数据模型和前端视图显示的数据格式无关,实现一个数据模型可以对应多个视图以不同的方式来展现数据,当数据模型或视图发生变化时,相互之间的影响也会降低到最低。MVC中最重要的核心就是控制器,控制器与视图和模型相对独立,它起到一个负责分发请求和返回处理结果的作用,对请求和数据模型的处理一般由JavaBean负责。
优选的,所述步骤S3、中,功能架构一共分为API接口层、数据处理层和基础支撑层,每个功能层发挥着自身的独特作用。
优选的,所述步骤S6、中,对客户价值评估的方式主要为:通过数据集成、服务集成方式,对外输出客户价值评估结果。
优选的,所述步骤S7、中,从信用特征、缴费趋势及行业特征维度中选取指标,其中信用特征选取信用评价、第三方评价等,缴费趋势选取回款时长、用电趋势、逾期时长、电量增长、业扩变更等,行业特征选取行业景气度、平均用电量、突发事件等特征指标,开展数据建模计算,获取用户未来欠费的概率值,并将用户设置为事实高风险、事实中风险、事实低风险、潜在高风险、潜在中风险、潜在低风险六大类。
优选的,所述步骤S8、中,分析用电客户的缴费渠道特征、时段特征,根据用户的催收敏感度设置用户缴费通知频次和通知内容,同时,针对其他特殊用户,开展定制化的特征分析,制定定制化的电费催收策略。
优选的,所述步骤S21、中,维护智能催费应用的可视化属性,通过宽表信息、数据信息、群体计算,动态配置表格、折线图、柱形图、叠堆柱形图、条形图、堆积条形图、面积图、饼图、雷达图、虫洞图、散点图、多维条形图、多系列彩虹柱形图、搭配时间轴柱形图等可视化图形。
优选的,所述步骤S22、中,采用灵活的集成方式进行系统应用集成,以确保系统应用具备良好的扩展性和适应性,提供多层次的Web service接口、API接口,为进一步的应用开发和集成提供接口基础,通过定义接口的开发,实现和其他系统的数据交互,实现系统与业务系统的应用集成。
(三)有益效果
与现有技术相比,本发明提供了一种电网公司智能催费行为决策方法,具备以下有益效果:
1、该电网公司智能催费行为决策方法,通过自动化的智能应用,大大降低了催费工作量。其次提升催费广度,在单月超标、购售同期的形势下,催费的难度、压力愈发增加,通过自动化的智能应用,轻松达到各区局催收率的全覆盖;最后提高催费精度。通过灵活安排个性化催收策略,基于用电客户价值体系,实行黑名单追加,白名单过滤,显著提升线上催费精度,优化线下催费资源投入。
2、该电网公司智能催费行为决策方法,通过应用的建设,可以对客户的联系方式、电话号码信息进行动态核查和更新。一方面通过智能催费辅助应用直接出具全省异常明细清单,通过专项整改工作协助供电单位完成整改,一方面也可以利用语音机器人、业扩工具包等信息化工具,实现数据的自动核查、反馈。
3、该电网公司智能催费行为决策方法,具有高度的安全性、可扩展性、伸缩性。
附图说明
图1为本发明系统体系架构示意图;
图2为本发明软件功能结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-2,本发明提供一种技术方案:一种电网公司智能催费行为决策方法,包括以下步骤:
S1、构建Spring MVC技术框架
Spring MVC是Spring框架的一部分,用户通过浏览器与系统进行交互,同时浏览器也负责解析JSP页面,在MVC架构中,JSP页面就是视图,用户通过JSP页面发出请求后,Spring MVC会根据请求路径,将请求发给与请求路径对应的Controller类,Controller类调用Service类对请求进行处理,Service类会调用数据持久层MyBatis完成对实体类的存取和查询工作,并将处理结果返回到Controller,Controller类将处理结果转换为ModelAndView对象,JSP接收ModelAndView对象并进行渲染。
S2、构建微服务架构
微服务架构是一种架构模式,它提倡将单一应用程序划分成一组小的服务,服务之间相互协调、互相配合,为用户提供最终价值。每个服务运行在其独立的进程中,服务和服务之间采用轻量级的通信机制相互沟通(通常是基于HTTP的Restful API).每个服务都围绕着具体的业务进行构建,并且能够被独立的部署到生产环境、类生产环境等。另外,应尽量避免统一的、集中的服务管理机制,对具体的一个服务而言,应根据业务上下文,选择合适的语言、工具对其进行构架作为一种新的设计和架构理念。
S3、构建mybatis框架
MyBatis是一款优秀的持久层框架,它支持定制化SQL、存储过程以及高级映射。MyBatis避免了几乎所有的JDBC代码和手动设置参数以及获取结果集。MyBatis可以使用简单的XML或注解来配置和映射原生信息,将接口和Java的POJOs(Plain Old Java Objects,普通的Java对象)映射成数据库中的记录。sql写在xml文件中,便于统一管理和优化,解除sql和程序代码的耦合;提供映射标签,支持对象和和数据库orm字段关系的映射,支持对象关系映射标签,支持对象关系的组建;提供xml标签,支持编写动态sql。
S4、对客户价值数据预处理
对用电行为数据进行数据质量校验,过滤不合格数据。并且对用电行为数据进行加工关联整合,同时需要对用户连续若干时间的用电量进行变换操作。
S5、客户价值特征维护
基于客户缴费行为数据,从用电力特征、居民特征、缴费特征、用电特征等多个方面,维护客户价值特征,在构建客户价值特征体系的过程中,将客户价值特征分为电力特征、居民特征、缴费特征、用电特征四个大类,来实现对客户价值特征的维护。
S6、客户价值评估
通过对客户基础信息、历史违约行为、用电行为、用电管理水平、客户发展潜力等相关数据整合,开展客户价值分析、历史违约情况分析、不良用电行为分析、当前价值(目前经济贡献、利润、经营状况、信誉、形象)分析、潜在价值(潜在客户份额、潜在电量增长、客户关系水平、忠诚度)等工作,建立客户价值评估和综合价值评估模型,构建客户价值评估特征体系,描绘单个客户或者群体客户的客户价值。
S7、客户风险分析
基于用电客户的用电数据对指标进行归一化处理,并采取逻辑回归、决策树等算法进行欠费风险概率计算,多次迭代优化后形成客户欠费风险概率值,并通过风险标签对客户欠费风险概率值进行直观表达。
S8、客户缴费特征分析
针对用户缴费特征,从缴费行为、缴费诉求两个维度对用户进行分析,其中缴费行为从渠道和时段两个维度着手,将缴费渠道划分为网厅缴费、互联网缴费、营业厅缴费等,缴费时段分为早上、中午、晚上、月初、月中、月末等;结合用户催收敏感度数据,为用户匹配对应的催费策略提供数据支撑,其次,从用电客户缴费诉求方面,从通知频次方面分析用户催收敏感度,分为催收敏感度高、催收敏感度中、催收敏感度低,形成催收敏感度标签,用于催收资源的整体管控。从通知内容方面,分析客户的电费通知需求,分为短信通知、互联网信息通知、邮件通知等通知需求标签,用于个性化的账单、催收内容推送。
S9、客户的用电行为分析
根据营销管理系统历史电费数据,对用电客户的用电行为进行分析,识别客户缴费渠道偏好、长期欠费、频繁欠费等风险,开展针对性的管控措施;
S10、客户敏感度分析
根据用电客户在历史电费催缴策略产生的反应,对电力客户进行敏感度分级,分析客户在不同业务场景下执行策略后的反馈,找出相关关联关系,识别服务质量敏感客户,以便对不同敏感度的用户实行差异化的电费催缴策略。
S11、电费客户群分
基于营销管理系统的客户档案数据、用能数据、历史缴费数据,加工整合成用户分类所需数据,利用数据分析、挖掘技术对数据进行变换操作。
S12、催费策略管理
针对每一类用电用户,按台区、用户个体方式设定对应的通知、告警、延迟停电、停电、存留保证金等催收策略,对每类用户组合多种策略,实现催费策略管理;为用电客户提供缴费渠道、方式、时间等不同的缴费策略,实现对不同电力用户的差异化催费管理。
S13、催费策略推荐
结合催费策略分析模型,对不同敏感度用户推荐不同策略,实现个性化的策略推荐。包括电费账单通知、二三级催缴通知、电费/电量补充说明、居民阶梯电费、公摊电费通知、电费发票通知等策略推荐。
S14、一户一策风控管理
根据电力用户的档案数据和用能数据,对电力用户进行分类。在费控业务方面,根据业务需要针对上述用户分类设定欠费告警、延时停电、立即停电等多样化的费控策略。将每一类电力用户与特定的费控策略进行关联,实现“一户一策”的差异化费控管理。
S15、费控户用电行为分析
根据营销管理系统所积累的历史欠费金额、欠费次数、滞纳金缴纳金额与次数等历史数据,对电力用户的用电行为进行分析,识别长期欠费、频繁欠缴迟缴等风险用户,开展针对性的费控管理措施,从而提升费控的效果。
S16、费控户敏感度分析
电力用户对费控策略会产生不同的应激行为。根据用户对费控通知后的缴费行为以及费控措施执行后的反应,对用户的费控敏感度进行分级分析。以便对不同电力用户实行差异化的费控策略。
S17、费控用户响应行为分析
在费控用户分析数据的基础上,对电力用户被采取如通知、告警、停电等费控措施之后的应激行为进行关联分析,识别与费控相关的咨询、投诉、缴费等相关费控响应动作之间的关联。同时统计费控行为与用户响应动作之间的数据分布情况,以柱状图或饼图形式展示,同时展示费控用户响应分析的结果。
S18、费控户群分
费控用户分类的基础数据依赖于营销管理系统的客户档案数据和用能数据,加工整合成费控用户分类所需数据,对数据进行变换操作:函数变换、归一化、连续属性离散化、属性规约等操作。在用电行为分析和费控敏感度分析模型的基础上,构建用户分类模型,并保存模型和模型统计信息。
S19、费控策略管理
针对每一类费控用户,按台区、用户个体方式设定对应的通知、告警、延迟停电、停电、存留保证金等费控策略,对每类用户组合多种策略,实现费控策略管理,从而实现对不同电力用户的差异化费控管理。
S20、费控策略评估优化
综合费控的缴费数据、月结电费差额以及滞纳金等业务数据,计算出供电企业提前回流的资金额度以及相比传统电费管理方式所产生的经济效益,并对滞纳金的趋势进行分析。使用时序分析等算法对费控效益进行预测分析,分别分析收缴总的电费金额、月结差额和滞纳金的趋势,辅助用户判断是否在下个周期能达到期望的效益,可与费控策略等功能结合,当下个周期达不到用户期望效益时可采取提升费控力度等措施。
S21、客户标签管理
维护智能催费应用的数据标签,通过数据源配置、流程配置、权限配置,完成应用平台上数据标签的基础属性维护,对宽表字段信息的配置,对宽表信息:访问权限、基础数据表、对象标识字段、机构权限过滤字段、表字段访问权限的内容进行设置、数据权限过滤设置等,通过智能催费应用策略上线、执行、评估、下线四个功能对应用策略进行全生命周期的流程管理,维护策略应用人群、周期、策略措施等信息,设置策略为发布状态,待审批后开始执行策略工作,维护策略审批的信息,包含审批的策略编号、名称、审批类型、申请人、申请时间、审批操作等信息,提供策略内容监控列表的展示查看。包括策略执行进度、时间、分布报表、执行计划列表查看等信息,默认根目录下显示所有的策略监控列表信息。
S22、客户服务综合管理
维护分析目标群体的属性,主要包括以下内容:分析目录、分析主体、度量、标签、过滤条件、显示方式,完成后执行后台运算,并提供群体分析查看和可视化配置的功能,催费智能应用中的策略服务,不仅满足内部应用需求,还可对外输出。本应用提供数据集成、页面集成、服务集成三种手段对外提供策略服务。
Spring框架成为Java EE开发主流框架后,Spring开发小组又在Spring框架的基础上推出了MVC架构,主要用于支持WEB应用程序的开发。MVC是Model(模型,也称为数据模型)、View(视图)、Controll(控制器)三个英文单词首字母的缩写。从MVC组合的三个单词也可以看出,MVC是一种设计模型,它使用控制器将数据模型和视图进行分离,也就是将视图和数据解耦。这样的好处是后端处理的数据模型和前端视图显示的数据格式无关,实现一个数据模型可以对应多个视图以不同的方式来展现数据,当数据模型或视图发生变化时,相互之间的影响也会降低到最低。MVC中最重要的核心就是控制器,控制器与视图和模型相对独立,它起到一个负责分发请求和返回处理结果的作用,对请求和数据模型的处理一般由JavaBean负责,功能架构一共分为API接口层、数据处理层和基础支撑层,每个功能层发挥着自身的独特作用,对客户价值评估的方式主要为:通过数据集成、服务集成方式,对外输出客户价值评估结果,从信用特征、缴费趋势及行业特征维度中选取指标,其中信用特征选取信用评价、第三方评价等,缴费趋势选取回款时长、用电趋势、逾期时长、电量增长、业扩变更等,行业特征选取行业景气度、平均用电量、突发事件等特征指标,开展数据建模计算,获取用户未来欠费的概率值,并将用户设置为事实高风险、事实中风险、事实低风险、潜在高风险、潜在中风险、潜在低风险六大类,分析用电客户的缴费渠道特征、时段特征,根据用户的催收敏感度设置用户缴费通知频次和通知内容,同时,针对其他特殊用户,开展定制化的特征分析,制定定制化的电费催收策略,维护智能催费应用的可视化属性,通过宽表信息、数据信息、群体计算,动态配置表格、折线图、柱形图、叠堆柱形图、条形图、堆积条形图、面积图、饼图、雷达图、虫洞图、散点图、多维条形图、多系列彩虹柱形图、搭配时间轴柱形图等可视化图形,采用灵活的集成方式进行系统应用集成,以确保系统应用具备良好的扩展性和适应性,提供多层次的Web service接口、API接口,为进一步的应用开发和集成提供接口基础,通过定义接口的开发,实现和其他系统的数据交互,实现系统与业务系统的应用集成。
该电网公司智能催费行为决策方法的关键技术为:
1、基于SpringMVC技术框架
智能催费应用基于SpringMVC技术框架,采用数据层、服务层、展现层的典型开发架构,结合产品实际的业务需求进行设计的,以满足基于产品进行现场定制开发与内部模块利用的需求。平台以服务化架构对外输出能力,展现层的应用交互设计采用前后端分离,支持多种主题风格,支持对前端样式进行定制;核心服务层针对大数据平台进行性能优化,保证标签处理性能,同时支持满足企业内部应用系统服务集成;数据层主要负责对接企业大数据平台,配置基础数据等。
2、用户画像技术
用户画像,即用户信息标签化,就是企业通过收集与分析消费者社会属性、生活习惯、消费行为等主要信息的数据之后,完美地抽象出一个用户的商业全貌作是企业应用大数据技术的基本方式。用户画像为企业提供了足够的信息基础,能够帮助企业快速找到精准用户群体以及用户需求等更为广泛的反馈信息。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种电网公司智能催费行为决策方法,其特征在于,包括以下步骤:
S1、构建Spring MVC技术框架
Spring MVC是Spring框架的一部分,用户通过浏览器与系统进行交互,同时浏览器也负责解析JSP页面,在MVC架构中,JSP页面就是视图,用户通过JSP页面发出请求后,SpringMVC会根据请求路径,将请求发给与请求路径对应的Controller类,Controller类调用Service类对请求进行处理,Service类会调用数据持久层MyBatis完成对实体类的存取和查询工作,并将处理结果返回到Controller,Controller类将处理结果转换为ModelAndView对象,JSP接收ModelAndView对象并进行渲染;
S2、构建微服务架构
微服务架构是一种架构模式,它提倡将单一应用程序划分成一组小的服务,服务之间相互协调、互相配合,为用户提供最终价值。每个服务运行在其独立的进程中,服务和服务之间采用轻量级的通信机制相互沟通(通常是基于HTTP的Restful API).每个服务都围绕着具体的业务进行构建,并且能够被独立的部署到生产环境、类生产环境等。另外,应尽量避免统一的、集中的服务管理机制,对具体的一个服务而言,应根据业务上下文,选择合适的语言、工具对其进行构架作为一种新的设计和架构理念;
S3、构建mybatis框架
MyBatis是一款优秀的持久层框架,它支持定制化SQL、存储过程以及高级映射。MyBatis避免了几乎所有的JDBC代码和手动设置参数以及获取结果集。MyBatis可以使用简单的XML或注解来配置和映射原生信息,将接口和Java的POJOs(Plain Old Java Objects,普通的Java对象)映射成数据库中的记录。sql写在xml文件中,便于统一管理和优化,解除sql和程序代码的耦合;提供映射标签,支持对象和和数据库orm字段关系的映射,支持对象关系映射标签,支持对象关系的组建;提供xml标签,支持编写动态sql;
S4、对客户价值数据预处理
对用电行为数据进行数据质量校验,过滤不合格数据。并且对用电行为数据进行加工关联整合,同时需要对用户连续若干时间的用电量进行变换操作;
S5、客户价值特征维护
基于客户缴费行为数据,从用电力特征、居民特征、缴费特征、用电特征等多个方面,维护客户价值特征,在构建客户价值特征体系的过程中,将客户价值特征分为电力特征、居民特征、缴费特征、用电特征四个大类,来实现对客户价值特征的维护;
S6、客户价值评估
通过对客户基础信息、历史违约行为、用电行为、用电管理水平、客户发展潜力等相关数据整合,开展客户价值分析、历史违约情况分析、不良用电行为分析、当前价值(目前经济贡献、利润、经营状况、信誉、形象)分析、潜在价值(潜在客户份额、潜在电量增长、客户关系水平、忠诚度)等工作,建立客户价值评估和综合价值评估模型,构建客户价值评估特征体系,描绘单个客户或者群体客户的客户价值;
S7、客户风险分析
基于用电客户的用电数据对指标进行归一化处理,并采取逻辑回归、决策树等算法进行欠费风险概率计算,多次迭代优化后形成客户欠费风险概率值,并通过风险标签对客户欠费风险概率值进行直观表达;
S8、客户缴费特征分析
针对用户缴费特征,从缴费行为、缴费诉求两个维度对用户进行分析,其中缴费行为从渠道和时段两个维度着手,将缴费渠道划分为网厅缴费、互联网缴费、营业厅缴费等,缴费时段分为早上、中午、晚上、月初、月中、月末等;结合用户催收敏感度数据,为用户匹配对应的催费策略提供数据支撑,其次,从用电客户缴费诉求方面,从通知频次方面分析用户催收敏感度,分为催收敏感度高、催收敏感度中、催收敏感度低,形成催收敏感度标签,用于催收资源的整体管控。从通知内容方面,分析客户的电费通知需求,分为短信通知、互联网信息通知、邮件通知等通知需求标签,用于个性化的账单、催收内容推送;
S9、客户的用电行为分析
根据营销管理系统历史电费数据,对用电客户的用电行为进行分析,识别客户缴费渠道偏好、长期欠费、频繁欠费等风险,开展针对性的管控措施;
S10、客户敏感度分析
根据用电客户在历史电费催缴策略产生的反应,对电力客户进行敏感度分级,分析客户在不同业务场景下执行策略后的反馈,找出相关关联关系,识别服务质量敏感客户,以便对不同敏感度的用户实行差异化的电费催缴策略;
S11、电费客户群分
基于营销管理系统的客户档案数据、用能数据、历史缴费数据,加工整合成用户分类所需数据,利用数据分析、挖掘技术对数据进行变换操作;
S12、催费策略管理
针对每一类用电用户,按台区、用户个体方式设定对应的通知、告警、延迟停电、停电、存留保证金等催收策略,对每类用户组合多种策略,实现催费策略管理;为用电客户提供缴费渠道、方式、时间等不同的缴费策略,实现对不同电力用户的差异化催费管理;
S13、催费策略推荐
结合催费策略分析模型,对不同敏感度用户推荐不同策略,实现个性化的策略推荐。包括电费账单通知、二三级催缴通知、电费/电量补充说明、居民阶梯电费、公摊电费通知、电费发票通知等策略推荐;
S14、一户一策风控管理
根据电力用户的档案数据和用能数据,对电力用户进行分类。在费控业务方面,根据业务需要针对上述用户分类设定欠费告警、延时停电、立即停电等多样化的费控策略。将每一类电力用户与特定的费控策略进行关联,实现“一户一策”的差异化费控管理;
S15、费控户用电行为分析
根据营销管理系统所积累的历史欠费金额、欠费次数、滞纳金缴纳金额与次数等历史数据,对电力用户的用电行为进行分析,识别长期欠费、频繁欠缴迟缴等风险用户,开展针对性的费控管理措施,从而提升费控的效果;
S16、费控户敏感度分析
电力用户对费控策略会产生不同的应激行为。根据用户对费控通知后的缴费行为以及费控措施执行后的反应,对用户的费控敏感度进行分级分析。以便对不同电力用户实行差异化的费控策略;
S17、费控用户响应行为分析
在费控用户分析数据的基础上,对电力用户被采取如通知、告警、停电等费控措施之后的应激行为进行关联分析,识别与费控相关的咨询、投诉、缴费等相关费控响应动作之间的关联。同时统计费控行为与用户响应动作之间的数据分布情况,以柱状图或饼图形式展示,同时展示费控用户响应分析的结果;
S18、费控户群分
费控用户分类的基础数据依赖于营销管理系统的客户档案数据和用能数据,加工整合成费控用户分类所需数据,对数据进行变换操作:函数变换、归一化、连续属性离散化、属性规约等操作。在用电行为分析和费控敏感度分析模型的基础上,构建用户分类模型,并保存模型和模型统计信息;
S19、费控策略管理
针对每一类费控用户,按台区、用户个体方式设定对应的通知、告警、延迟停电、停电、存留保证金等费控策略,对每类用户组合多种策略,实现费控策略管理,从而实现对不同电力用户的差异化费控管理;
S20、费控策略评估优化
综合费控的缴费数据、月结电费差额以及滞纳金等业务数据,计算出供电企业提前回流的资金额度以及相比传统电费管理方式所产生的经济效益,并对滞纳金的趋势进行分析。使用时序分析等算法对费控效益进行预测分析,分别分析收缴总的电费金额、月结差额和滞纳金的趋势,辅助用户判断是否在下个周期能达到期望的效益,可与费控策略等功能结合,当下个周期达不到用户期望效益时可采取提升费控力度等措施;
S21、客户标签管理
维护智能催费应用的数据标签,通过数据源配置、流程配置、权限配置,完成应用平台上数据标签的基础属性维护,对宽表字段信息的配置,对宽表信息:访问权限、基础数据表、对象标识字段、机构权限过滤字段、表字段访问权限的内容进行设置、数据权限过滤设置等,通过智能催费应用策略上线、执行、评估、下线四个功能对应用策略进行全生命周期的流程管理,维护策略应用人群、周期、策略措施等信息,设置策略为发布状态,待审批后开始执行策略工作,维护策略审批的信息,包含审批的策略编号、名称、审批类型、申请人、申请时间、审批操作等信息,提供策略内容监控列表的展示查看。包括策略执行进度、时间、分布报表、执行计划列表查看等信息,默认根目录下显示所有的策略监控列表信息。
S22、客户服务综合管理
维护分析目标群体的属性,主要包括以下内容:分析目录、分析主体、度量、标签、过滤条件、显示方式,完成后执行后台运算,并提供群体分析查看和可视化配置的功能,催费智能应用中的策略服务,不仅满足内部应用需求,还可对外输出。本应用提供数据集成、页面集成、服务集成三种手段对外提供策略服务。
2.根据权利要求1所述的一种电网公司智能催费行为决策方法,其特征在于,所述步骤S1、中,Spring框架成为Java EE开发主流框架后,Spring开发小组又在Spring框架的基础上推出了MVC架构,主要用于支持WEB应用程序的开发。MVC是Model(模型,也称为数据模型)、View(视图)、Controll(控制器)三个英文单词首字母的缩写。从MVC组合的三个单词也可以看出,MVC是一种设计模型,它使用控制器将数据模型和视图进行分离,也就是将视图和数据解耦。这样的好处是后端处理的数据模型和前端视图显示的数据格式无关,实现一个数据模型可以对应多个视图以不同的方式来展现数据,当数据模型或视图发生变化时,相互之间的影响也会降低到最低。MVC中最重要的核心就是控制器,控制器与视图和模型相对独立,它起到一个负责分发请求和返回处理结果的作用,对请求和数据模型的处理一般由JavaBean负责。
3.根据权利要求1所述的一种电网公司智能催费行为决策方法,其特征在于,所述步骤S3、中,功能架构一共分为API接口层、数据处理层和基础支撑层,每个功能层发挥着自身的独特作用。
4.根据权利要求1所述的一种电网公司智能催费行为决策方法,其特征在于,所述步骤S6、中,对客户价值评估的方式主要为:通过数据集成、服务集成方式,对外输出客户价值评估结果。
5.根据权利要求1所述的一种电网公司智能催费行为决策方法,其特征在于,所述步骤S7、中,从信用特征、缴费趋势及行业特征维度中选取指标,其中信用特征选取信用评价、第三方评价等,缴费趋势选取回款时长、用电趋势、逾期时长、电量增长、业扩变更等,行业特征选取行业景气度、平均用电量、突发事件等特征指标,开展数据建模计算,获取用户未来欠费的概率值,并将用户设置为事实高风险、事实中风险、事实低风险、潜在高风险、潜在中风险、潜在低风险六大类。
6.根据权利要求1所述的一种电网公司智能催费行为决策方法,其特征在于,所述步骤S8、中,分析用电客户的缴费渠道特征、时段特征,根据用户的催收敏感度设置用户缴费通知频次和通知内容,同时,针对其他特殊用户,开展定制化的特征分析,制定定制化的电费催收策略。
7.根据权利要求1所述的一种电网公司智能催费行为决策方法,其特征在于,所述步骤S21、中,维护智能催费应用的可视化属性,通过宽表信息、数据信息、群体计算,动态配置表格、折线图、柱形图、叠堆柱形图、条形图、堆积条形图、面积图、饼图、雷达图、虫洞图、散点图、多维条形图、多系列彩虹柱形图、搭配时间轴柱形图等可视化图形。
8.根据权利要求1所述的一种电网公司智能催费行为决策方法,其特征在于,所述步骤S22、中,采用灵活的集成方式进行系统应用集成,以确保系统应用具备良好的扩展性和适应性,提供多层次的Web service接口、API接口,为进一步的应用开发和集成提供接口基础,通过定义接口的开发,实现和其他系统的数据交互,实现系统与业务系统的应用集成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211512716.0A CN115907665A (zh) | 2022-11-28 | 2022-11-28 | 一种电网公司智能催费行为决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211512716.0A CN115907665A (zh) | 2022-11-28 | 2022-11-28 | 一种电网公司智能催费行为决策方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115907665A true CN115907665A (zh) | 2023-04-04 |
Family
ID=85731803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211512716.0A Pending CN115907665A (zh) | 2022-11-28 | 2022-11-28 | 一种电网公司智能催费行为决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115907665A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116342119A (zh) * | 2023-05-25 | 2023-06-27 | 国网安徽省电力有限公司营销服务中心 | 一种基于pos缴费终端的电费信息处理方法及系统 |
CN116523529A (zh) * | 2023-06-27 | 2023-08-01 | 国网江苏省电力有限公司营销服务中心 | 人工催费质检及质检结果在客户视图中的应用方法和系统 |
-
2022
- 2022-11-28 CN CN202211512716.0A patent/CN115907665A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116342119A (zh) * | 2023-05-25 | 2023-06-27 | 国网安徽省电力有限公司营销服务中心 | 一种基于pos缴费终端的电费信息处理方法及系统 |
CN116342119B (zh) * | 2023-05-25 | 2023-09-15 | 国网安徽省电力有限公司营销服务中心 | 一种基于pos缴费终端的电费信息处理方法及系统 |
CN116523529A (zh) * | 2023-06-27 | 2023-08-01 | 国网江苏省电力有限公司营销服务中心 | 人工催费质检及质检结果在客户视图中的应用方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651424B (zh) | 基于大数据技术的电力用户画像建立与分析方法 | |
CN115907665A (zh) | 一种电网公司智能催费行为决策方法 | |
CN110347719A (zh) | 一种基于大数据的企业外贸风险预警方法及系统 | |
CN108280541A (zh) | 基于随机森林和决策树的客户服务策略制定方法、装置 | |
CN107103548A (zh) | 网络行为数据的监控方法和系统以及风险监控方法和系统 | |
JP2004528657A5 (zh) | ||
CN108388955A (zh) | 基于随机森林和逻辑回归的客户服务策略制定方法、装置 | |
US20080126155A1 (en) | Method and apparatus for enterprise operation assessment | |
CN101908194A (zh) | 银行对公贷款监控的方法 | |
CN108596467B (zh) | 一种适于售电公司的市场运营模拟交易仿真系统 | |
CN111026801A (zh) | 一种辅助保险类电商运营快速决策工作的方法及系统 | |
CN111882431A (zh) | 一种基于nlp深度学习智能消息推送方法 | |
CN109871393A (zh) | 一种基于标签体系的取数方法 | |
CN112183916A (zh) | 土地储备生命周期管理系统 | |
Ding et al. | Supply chain management based on volatility clustering: The effect of CBDC volatility | |
CN109598631A (zh) | 基于社保政策的人力资源外包客户账单生成方法及生成系统 | |
Kudyba | Information technology, corporate productivity, and the new economy | |
CN111476650A (zh) | 基于人工智能技术的财务自动化月结系统 | |
CN101877110A (zh) | 产品管理系统及其应用方法 | |
US20040143488A1 (en) | System and method for integration of actual product costs | |
Widigdo et al. | Business Process Reengineering of Funding on Indonesia’s Islamic Banks | |
CN115577971A (zh) | 一种基于算法模型的员工能力动态价值评估系统 | |
CN112215569B (zh) | 一种对公账户定制方法及系统 | |
CN114529402A (zh) | 一种基于大数据风控的信贷管理方法、设备及介质 | |
CN113011964A (zh) | 一种集团一体化产品管理方法及装置 |
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 |