電力企業客戶服務輔助決策支持系統的設計與實現

楊秋勇，江 疆，翟鴻榮

（1.廣東電網有限責任公司 佛山供電局，廣東 佛山 528000；2.廣東電網有限責任公司 信息中心，廣東 廣州 510180；3.煙臺海頤軟件股份有限公司 山東 煙臺 264000）

經過多年的信息化建設，信息技術應用已經成為企業可持續發展的一個非常重要的支撐[1]。管理信息系統在提高企業管理水平中發揮了非常關鍵的作用，是企業生產活動正常開展的重要保證。而隨著企業的工作重心從生產轉向服務，企業要提高服務質量，樹立良好的企業形象，更好地把握市場機遇，要求在對現行電力營銷基礎業務的分析基礎上[2]，將先進的信息技術與企業管理目標整合起來，建立一套營銷客戶服務分析模型體系，實現服務渠道使用情況分析應用、95598座席人員分析、IVR服務路徑分析、客戶細分深化應用四部分應用，為企業在復雜的市場環境下，快速、準確、有效做出正確的決策提供數據及分析支撐，提升企業綜合服務水平，促進企業業務的持續發展。

1 系統概述

系統包含服務渠道使用情況分析與優化、95598坐席人員分析、IVR服務路徑分析、客戶細分深化分析四大模塊。主要體現為以下4個方面：

通過掌握現有營銷業務在各服務渠道的分布和規模分析用戶使用服務渠道的偏好，制定在不同服務渠道之間引導用戶的策略，優化并固化服務渠道資源的布局；

通過掌握客戶在IVR系統中的交互行為，并對客戶的重復呼叫行為進行研究，進而提升坐席人員的工作效率，降低95598呼叫高峰壓力；

通過掌握人員的工作情況和工作規律，實現員工的工作情況的透明化、公開化，同時進行坐席人員的測算和優化，實現對工作規律的把控，協助管理者對工作安排、工作分配和人員配置的決策；

通過完善和優化客戶細分模型[3]，并基于差異化的服務措施設計相應的應用場景，從而提高客戶滿意度，有效降低公司經營風險，確保客戶細分與業務實際緊密結合。

2 系統的設計與實現

2.1 系統總體架構

系統的整體實現由3部分組成：1）數據存儲管理部分即數據倉庫；2）營銷域決策支持系統的應用支持組件。包括權限管理平臺、企業級開發平臺 （UEP）、數據建模工具集、WEBLOGIC服務中間件；3）數據分析展示平臺。主要實現對功能的集中展示呈現。

圖1 系統總體架構圖Fig.1 The overall system architecture diagram

1）數據存儲管理

系統是一個基于用電客戶服務數據的分析支撐系統。其數據存儲與管理基于數據倉庫進行構建。體系結構如圖2所示。

圖2 數據獲取過程圖Fig.2 The data acquisition process diagram

在企業數據倉庫建設過程中，已構建了完整的數據獲取與數據提取通道與技術。在本次項目建設過程中，主要借助于原有的數據倉庫數據提取通道及相關ETL工具，以及數據倉庫數據建設規范與標準，進行了客戶全方位數據的補充與擴展。

2）應用支持

系統支持包括了企業級開發平臺（UEP）、數據建模工具集、Weblogic WEB服務中間件。其中企業級開發平臺（UEP）主要完成了系統功能的開發支持與集成應用的支撐；數據建模工具主要完成對客戶細分模型的構建、實證與優化；Weblogic WEB服務中間件完成對基于JAVA EE體系的應用服務的集中管理與發布。

3）數據分析

數據分析主要實現系統相關功能的展示呈現落地。數據分析展示平臺是企業級應用開發平臺的一個工具集，在該分析平臺中，集成了大量的數據分析展示控件，包括優秀的圖表展示控件，提供了可在線定制的數據分析展示頁面的自助設計與配置功能，可以滿足數據分析查看頁面的快速搭建與呈現。

2.2 數據處理設計

1）數據目標

服務渠道使用情況分析與優化主題：服務渠道數據，包括業務分析指標、用電客戶信息、渠道業務信息、服務資源等數據。

95598坐席人員分析主題：95598坐席數據，包括工作量分析指標、上班情況分析指標、通話過程分析指標等數據。

IVR服務路徑分析主題：IVR路徑數據，包括用戶行為、業務辦理等數據。

客戶細分深化分析主題：用電客戶行為數據，包括電量電費、停電、用檢、業務辦理、渠道接觸等行為數據。

2）數據來源

數據主要來源于電力營銷系統、電力掌廳、網廳系統、電力IVR系統。

3）數據質量管控

針對各地市局業務數據差異性，省公司層面統一業務規則，然后咨詢市局業務人員，進行業務去差異。

對于模型運行需要的業務指標采用無效值過濾，對于少量空值的業務指標采用平均、眾數、證據權重（WOE值）補充。

2.3 系統功能設計

整個系統功能的架構圖如圖3所示。

圖3 系統功能架構圖Fig.3 The system function structure diagram

2.3.1 服務渠道使用情況分析與優化

1）服務渠道布局展示功能

以實體地圖為基礎，展現渠道地理位置及其他信息，以全盤掌握全省服務渠道、業務分布、客戶分布和資源分布的整體情況。

2）服務渠道分析功能

以地圖的形式展現不同服務渠道目前的業務情況、客戶情況和資源情況等詳細信息，為服務渠道的資源集約化管理提供有效支持。

3）服務渠道決策功能

根據實體渠道布局優化目標及參數，測算區域應設立的實體渠道個數理論值、類型及地理位置（GPS坐標）。

2.3.2 95598坐席人員分析

1）坐席工作情況分析

對坐席工作量、通話過程、上班情況進行查詢、分析和展示，以掌握坐席人員的整體工作全貌。

2）坐席人員測算

通過對歷史話務分析和坐席人員分析實現歷史坐席人員情況的查詢和統計；通過對未來坐席人員數量進行測算，以實現對坐席人員的排班進行輔助決策。

2.3.3 IVR服務路徑分析

監控IVR節點的客戶使用情況，對各節點下按鍵的熱度與性能指標進行查詢和展示。

2）IVR路徑分析

監控IVR客戶路徑使用情況，對客戶IVR交互痕跡進行查詢和展示。

3）IVR優化改進建議

展示各IVR節點的性能指標實際值，并結合預先配置的性能指標閾值，給出IVR的優化建議。

2.3.4 客戶細分深化應用

1）客戶細分查詢

通過選擇客戶屬性以及客戶細分基本信息進行查詢，生成客戶細分查詢結果清單，并對目標客戶細分進行細分結果、群特征描述、細分條件等內容的展示。

在解說系統完成后進行一個區段的實驗，廣泛征求各方意見，對于意見進行評估，也對所反應的問題進行評估和調查，隨著游客的人口特征，旅游偏好的改變，路況改變，風景區修繕升級等改變進行及時的反饋和修改。對于損毀的路牌，指示牌等進行相應的修繕和維護。

2）客戶細分分析

基于業務目標及業務需求，有針對性地篩選出一批目標客戶，并對目標客戶的各種特征進行評估，對于存在完善改進的細分結果提出反饋，同時對業務實施的措施和方案進行記錄和匯總，對實施結果進行評估和描述。

3）客戶細分管理

對提交的建模申請或細分模型維護的申請單進行審批，對已有的客戶細分模型的細分結果、細分條件、群特征和客戶群標識等內容進行編輯、調整、修改和保存，并保留模型維護記錄。

2.4 系統關鍵技術

1）服務渠道決策功能

該功能主要解決營業廳布局合理性規劃的最優解的算法應用，針對選定服務區域，從區域的基本特征、客戶的歷史業務需求、渠道交互活躍性、客戶潛在渠道偏好等進行分析，考慮遠程渠道的可替代性，判斷分析區域內的渠道是否有必要設定實體服務渠道以及具體位置，整個算法的流程如圖4所示。

針對以上6步中確定營業廳具體個數和位置的計算可以采用Lingo軟件進行求解，但目前Lingo軟件和java的集成并不是很完美，在求解大數據量的時候容易出現內存溢出的情況，因此在本項目中采用JAVA實現該算法并優化該算法的思路[4-5]。算法的中心思想如下：

圖4 營業廳布局規劃流程圖Fig.4 Business hall programming flow diagram

①建立備選點樹，除根節點外每個節點代表一個備選點，根節點處于樹的第0層，根節點只作為樹的起點，從根節點到葉子節點的路徑上所有備選點的集合表示一種覆蓋所有節點的可行解集。

②計算所有節點兩兩之間的距離，并根據覆蓋距離記錄每個節點覆蓋范圍內所有節點的集合。

③從“所有節點”選擇覆蓋節點數最少的節點，其覆蓋的節點中至少要有一個營業廳，將這些節點作為樹的“第1層”節點。

④遍歷“第1層”所有節點，若從根節點到該節點的路徑上的全部節點可以覆蓋所有節點，則將該節點標識為葉子節點，并記錄解集層數；否則將該節點作為新的根節點，從“所有節點”中移除該節點覆蓋的所有節點作為新的 “所有節點”，重復步驟③，④。

⑤在建立備選點樹的過程中，若一個分支層數達到最小解集層數，并且該分支路徑上全部節點無法覆蓋所有節點，則對該分支進行剪枝。

⑥當備選點樹建立完成之后，對根節點到所有葉子節點對應的路徑進行距離權重計算，距離權重最小的路徑上的全部節點的集合則為最優解。

本算法亮點主要在于上述步驟中的兩處剪枝過程。上述步驟③中，選擇覆蓋節點數最少的節點作為入口，大大降低了備選點樹低層分支數量。上述步驟④中，對層數大于等于最小葉子節點層數且不能覆蓋所有節點的分支進行剪枝，大大減少了備選點解集層數。經驗證，通過以上兩步操作剪枝操作，運算效率提高超過99%。

2）95598坐席人員分析

Erlang-C公式是一個廣泛用于電話系統和呼叫中心的數學公式。丹麥電話工程師AK Erlang設計了數學方法論以及相關公式，并確定呼叫等待的概率百分比。隨著時間的推移，該算法逐漸固化成相應的產品，可以用于準確測算某一特定時間間隔提供的話務量[6-8]。

Erlang-C公式能夠被用于計算如：呼叫中心所需坐席數量，或超市需要開放的結帳口數量等情況，它還能夠被用于論證大量的排隊理論。該公式也可以用于其他的排隊環境，諸如超市結帳處和航班登機口。

坐席人員測算主要流程圖如圖5所示。

首先明確需要實現的呼叫中心的服務水平，然后根據呼叫中心實際運營情況、話務量預測數據等確定模型基礎參數，在計算話務強度 （u）、呼叫等待概率 Ec（m，u）時，將公式轉換為泊松函數的關聯表達式。

圖5 坐席人員測算流程圖Fig.5 The service agent calculation flow diagram

最后分兩步實現坐席人員的測算，先按小時進行測算，然后按天進行測算；按小時進行測算時根據開始確定的最少坐席數為循環計算的起點，當達到設定的服務水平目標時停止循環計算，并選定最少坐席數為坐席數量；按天測算坐席數量的算法是根據上一步計算出每個時間段應安排的坐席人數，將其轉化為全天所需的總工時，根據坐席人員的工作要求，每名坐席人員每天工作時長不可超過N小時。因此用全天的總工時除以N，即可以得到全天預計需要的坐席數量。

本算法亮點主要在于將Erlang-C公式很好的結合到了項目的實際應用中，通過和泊松函數的轉換，解決了在java中不好實現Erlang-C公式的問題，同時結合具體的業務場景將人員的測算分為小時和天分別進行計算以適應不同的情況，可操作性和效率都得到了良好的驗證。

3 結束語

系統充分利用營銷域中客戶服務的數據，依托有效的數據分析模型與數理統計算法，實現對客戶全方位服務過程中各類服務應用現狀與發展變化的深度分析與潛在規律與特點的挖掘，并將分析結果作為服務過程的輔助支撐內容，會有效提升企業各地市客戶全方位服務能力，打開以分析促業務，以業務反饋完善分析的良性閉環過程管理局面。

目前系統經過多輪功能測試與性能測試，并在業務功能測試與性能測試基礎上，進行了相關功能整改與完善。經回歸測試，系統功能穩定、性能良好。

[1]李慶超，焦向輝.淺析電力信息化建設存在的若干問題[J].信息通信，2013（7）:136.LI Qing-hui，JIAO Xiang-hui.On the construction of a number of problems exist in the power of information[J].Information and Communication，2013（7）:136.

[2]李勝利，任軍.電力營銷管理信息系統結構設計及實現技術[J].電力系統自動化，2003，27（10）:73-76.LI Sheng-li，REN Jun.Power marketing management information system design and implementation technology[J].Automation of Electric Power Systems，2003，27（10）:73-76.

[3]劉英姿，吳昊．客戶細分方法研究綜述[J].管理工程學報，2006，20（1）:53-57．LIU Ying-zi，WU Hao.Review of customer segmentation method [J].Engineering and Engineering Management，2006，20（1）:53-57．

[4]高岳林，鄧光智.凹二次規劃問題的一個融合割平面方法的分支定界算法[J].工程數學學報，2008（4）:589-596.GAO Yue-lin，DENG Guang-zhi.A branch and bound algorithm fusion concave cutting plane method quadratic programming problems[J].Journal of Engineering Mathematics，2008（4）:589-596.

[5]Pardalos P M，Rosen J B.Constrained Global Optimization:Algorithm and Applications[M].Beilin:Springer-Verlag，1987.

[6]董哈微，葉先一.基于時間序列的呼叫中心話務量預測[J].閩江學院學報，2008，29（5）:27-30．DONG Ha-wei，YE Xian-yi.Call center traffic prediction based on time series[J].Minjiang College，2008，29（5）:27-30．

[7]李明東.省級集中的95598客戶服務系統建設思路與實現方式[J].電力信息化，2011，9（7）:45-49.LI Ming-dong.95598 provincial centralized customer service system building ideas and implementations[J].The Power of Information，2011，9（7）:45-49.

[8]牟穎，王俊峰，謝傳柳，等.大型呼叫中心話務量預測[J].計算機工程與設計，2010，31（21）:4686-4689．MOU Ying，WANG Jun-feng，XIE Chuan-liu，et al.Large call center traffic forecast[J].Computer Engineering and Design，2010，31（21）:4686-4689．