淺談電力營銷系統IT運維數據的分析

陳晨 劉雪 劉惠瓊

摘要：電網IT運維呼叫中心作為電網企業信息化系統的統一運維服務中心，在運維過程中會產生大量的服務基礎數據。如何分析這些運維業務數據？如何將數據分析結果應用于改進服務，是IT運維呼叫中心數據分析的主要目的。本文主要講解通過摸索和實踐，電力IT運維呼叫中心所總結出的數據分析方法和應用情況，以及對IT運維呼叫中心數據分析未來趨勢的美好展望。

關鍵字：電網;IT運維;呼叫中心;營銷系統;數據分析;

引 言

近年來，越來越多的企業意識到數據中蘊藏的價值，依托互聯網、計算機技術的發展，大數據分析時代已經到來，數據是行業資源和商業財富最有效挖掘點。電網企業信息化建設現已開展多年，信息系統的應用在營銷、財務、人資、生產等各個業務領域日漸深入。電網“十三五”信息化規劃中，要求信息化運維體系以“大運維、大服務”為目標，以“用戶服務”為核心。隨著企業級信息系統進入運維階段，各信息系統逐步實現網、省級大集中運維，而IT 運維呼叫中心則成為了面向全省用戶的統一運維服務窗口。作為統一對外的服務窗口，擔負著樹立公司形象，給廣大用戶帶來最優質服務的責任，是零距離與廣大系統用戶直接對接的服務門戶。

IT運維呼叫中心主要通過客服電話、企業社交化應用系統等途徑受理各業務域信息系統用戶的問題，再根據服務管理流程要求，對問題的處理進行全過程管理，在這個閉環管理流程中，自然會產生大量的服務業務數據。電力營銷作為電力系統不可或缺的部分，也是實現對自身核心力提升的關鍵，數據價值的挖掘及應用是適應時代需求與發展，改革與創新不可或缺的落腳點。該如何對運維服務過程中產生的數據進行收集、整理、分析，最大化地開發數據的功能，挖掘數據的價值，為IT運維工作提供優化建議，推進IT服務全過程精益化管理？通過逐步研究和實踐，數據分析人員對這些問題已經有了初步的認識，形成了基本的分析方法。

什么是數據分析？

數據分析是指用適當的統計分析方法對收集來的大量數據進行分析，將它們加以匯總和理解并消化，以求最大化地開發數據的功能，發揮數據的作用。數據分析的基本步驟一般包括數據收集、數據清洗、數據分析、結果展示、反饋與改進。其中，數據清洗，顧名思義就是把“臟”數據“洗掉”。數據收集階段是從多個業務系統中抽取數據，可能會包含歷史數據、錯誤數據、冗余或有沖突的數據等，我們稱之為“臟數據”。在數據清洗階段需要結合電力營銷業務流程通過制定一系列的規則和方法過濾掉不符合要求的數據，對基礎數據進行初步的規范化處理，為接下來的分析環節建立良好的基礎。通過對服務業務數據進行收集、清洗、分析，實現對客戶潛在需求的有效尋找，這也是獲取電力營銷系統可靠、有效的客戶需求精準數據的重要手段。

電力IT運維呼叫中心數據分析的目的是什么？

隨著電力改革和創新發展，電力營銷管理諸多弊端逐漸顯現，主要體現在管理理念亟待改進，電力業務功能亟需完善，運營效率亟待提升三方面。通過數據分析及挖掘創新電力營銷管理，從而增強電力企業的管控效率，以適應新時代、新形勢下客戶的服務需求。那電力IT運維呼叫中心數據分析的目的是什么呢？我們可以從兩方面考慮：管理側和客戶側。管理側，指數據分析在IT運維呼叫中心運營管理中的作用。一方面，通過對工單數據的搜集和多維度分析，對所運維的信息系統進行監測，根據分析結果為各信息系統運維人員提供運維改進建議，幫助提升運維水平;利用數據跟蹤技術跟蹤各項運維指標的完成情況、系統缺陷和故障出現的情況，將各項指標完成情況作為對運維單位的考核依據;另一方面，對服務基礎數據進行分析，得出業務服務流程的優化建議，從而推進IT服務的全過程精益化管理水平，改進客戶服務質量，提升服務滿意度;客戶側，則指的是IT運維呼叫中心通過對系統使用數據進行分析，全面了解用戶行為，為用戶提供使用指引，改變服務模式，提升用戶體驗。將用戶行為和需求作為主要依據實現電力營銷服務質量以及業務特點的客觀分析。在此基礎上實現對電力營銷管理模式的改變及保障服務質量的提升。

電力營銷系統IT運維數據的分析

目前，營銷系統的數據分析[1]已經制定了相應的分析指標、形成了基本的方法步驟。分析結果以運維報告的方式呈現，報告中除了必要的描述，更多的加入了圖表等表現形式，直觀、全面的體現出了系統的各項情況。

1、數據收集

營銷系統運維數據的收集依托IT運維呼叫系統，將營銷系統指定時間段的運維業務數據查詢并導出為表格。通過控制工單的質量，保證從IT運維呼叫系統中收集的數據的準確性;而服務全過程閉環管理保證了數據的完整性。

2、數據清洗

當然，因為數據庫中的數據是面向某一主題的數據的集合，抽取出來后不可避免的會存在不符合要求的數據，在數據清洗環節，需要對導出的數據進行處理，將多余的數據去除，將不完整的數據補充完整，對錯誤的數據進行校驗及修正等操作。

3、數據分析

營銷系統運維數據的分析分為事件指標分析和服務完成情況分析兩大類。事件指標分析包括事件各線解決率、事件響應超時率、事件按時解決率三個指標，主要分析用戶上報的營銷系統問題最終由哪一服務環節的人員所解決，該問題從用戶上報開始各級處理環節的響應情況以及問題是否按時解決。服務完成情況分析包括事件整體情況、按功能模塊分析、按地區分析、按事件性質分析這四個指標，其中按事件性質分析又分為按咨詢性質分析和按業務數據維護性質分析。

數據分析環節使用到了一些基本的分析方法。描述統計，在服務完成情況分析中運用較多，根據各指標要求對數據進行分類統計，以此來描述數據的分布情況，并進行橫向、縱向兩個維度的比較。事件整體情況的分析中使用了趨勢分析，通過對當年截止目前每月的工單總量、月平均量、占比、環比上月等幾個指標變量的統計和計算，形成一個簡單的數據趨勢圖，以此來觀察營銷業務全年運維情況是否存在周期性，是否有峰谷時段并進一步分析產生的原因。按咨詢性質分析的目的是產生“咨詢TOP5”，即統計周期內咨詢類問題最多的前五名，主要為了分析營銷系統運維過程中的共性問題，其分析方法接近聚類分析法[2]。首先將統計出的工單標題進行聚類，相似標題內容形成一類，從而歸納出共性問題的內容，接下來，根據共性問題的內容，對工單進行篩選、統計，確定出每一個共性問題的出現的工單總量，最后通過排序法得出前五名。

4、結果展示

在營銷系統運維業務數據分析中，使用最多的工具是數據透視表。透視表是一種交互性的表格，用于數據分類統計、篩選、計算和排序等，可以非常方便的從多角度分析數據。通過透視表直接生成常用的幾種數據圖，如：柱狀圖、餅圖、折線圖，展示數據分析的結果。

5、反饋與改進

目前在營銷系統運維報告中依然采用文字來描述結果以及產生此結果的原因、改進的措施。根據分析結果得出需重點解決的運維質量問題。而改進主要體現在運維方式的改進、客戶服務方式的改進以，以及對用戶需求和行為趨勢的預測等。

結 語

未來，數據分析將逐步成為IT的核心，在大數據、機器學習、云計算等新興技術的帶動下，數據分析越來越趨于可視化、動態監控。電網IT運維呼叫中心，在十三五規劃期間也將把握時機大力發展數據分析，進一步提升運維服務水平，逐步實現精細化、數據化、精益化管理，朝著新一袋客戶中心邁進。

參考文獻：

[1]龐建軍.基于大數據的電力營銷管理分析.《集成電路應用》，2020年.01期

[2]慕福林.電力營銷數據聚類方法研究.《電氣應用》，2015年.S1期