優化電力營商環境背景下電力供應商畫像研究

周鵬程，曾 鳴

（1.南方電網物資有限公司，廣東 廣州 510620；2.華北電力大學 經濟與管理學院，北京 102206）

0 引言

2020 年1 月國務院發布的《優化營商環境條例》正式開始實施；2020 年9 月，國家發展改革委、國家能源局出臺《關于全面提升“獲得電力”服務水平持續優化用電營商環境的意見》。一系列條例和指導意見的出臺，旨在不斷解放和發展社會生產力，加快建設現代化經濟體系，暢通國內國際雙循環，推動我國高質量發展［1-2］。在國家大力優化（電力）營商環境的背景下，電力企業如何不斷優化電力營商環境來激發市場活力、助力經濟社會發展值得進行深入研究［3］。

現階段，對于電力企業而言，由于對供應商關系管理的認知不夠，電力企業與供應商之間的關系大多數情況下只是短暫的供需關系，沒有真正形成現代供應鏈上下游之間的戰略合作關系［4］。此外，電力物資采購要求數量大、價值高、質量好，一旦出現供應商履約或供貨質量問題，將給電力工程建設和電網安全穩定運行造成極大的影響［5］。因此，在優化電力營商環境背景下，電力企業需要對供應商招標采購、履約能力、績效評價、風險監督等方面作出科學、有效地系統性評估。

用戶畫像（User Portrait，UP）最早應用于企業開展精準營銷。近年來，隨著“云大物移智鏈”技術的迅猛發展以及用戶側逐漸多元化、個性化的需求，用戶畫像技術已成為國內外學術界關注的熱點話題。文獻［6］將最大相關最小冗余準則應用于電力用戶用電特征選取，提出了一種電力用戶用電特征選擇與行為畫像方法。文獻［7］對用戶畫像最新研究成果進行了細致梳理，揭示了用戶畫像建模的不同方法，并總結了各類建模方法的特點與發展趨勢。文獻［8］分析了電力用戶畫像的數據來源及大數據實現技術，驗證了電力用戶畫像在業務系統平臺中的場景應用。可以看出，國內外學者針對用戶畫像的畫像體系和方法進行了深入研究，但選取的用戶對象局限于市場營銷方面。此外，隨著我國經濟社會轉向高質量發展，尤其是在優化營商環境背景下，針對用戶的畫像研究顯得尤為重要。

鑒于此，在優化電力營商環境背景下，針對電力供應商畫像研究與應用展開深入分析。首先，梳理了用戶畫像的原則和流程，研究優化營商環境下的畫像數據特征；其次，明確電力供應商畫像研究思路，分別從供應商群體、供應商個體、供應商指標等維度由淺入深構建了電力供應商畫像標簽體系，并對標簽體系進行了畫像可視化呈現；最后，針對招標采購領域，分別從招標采購策略動態決策、預測投標人合理報價區間、判斷投標人不良投標行為等3 個方面開展電力供應商畫像的應用研究。

1 用戶畫像相關理論

1.1 用戶畫像概念

用戶畫像是指運用數據挖掘技術，通過采集用戶的行為和習慣等特征，經過一系列數據挖掘與分析后，賦予用戶的信息標簽，建立用戶虛擬形象模型，以此勾畫出目標用戶，并給出用戶訴求與服務設計方向，即用戶的所有信息標簽集合［9］。用戶畫像作為一種科學、準確再現用戶全貌的有效工具，不僅能夠反映用戶興趣愛好、習慣特征和行為動機，也為企業深度挖掘用戶需求與價值、提升用戶體驗、實施精準營銷帶來了新途徑、新方式［10］。

隨著我國“云大物移智鏈”技術的發展以及電力設施及設備多元化、智能化的需求，將用戶畫像技術應用于電力供應商選擇與評價等方面，已成為助力優化電力營商環境、打造電力企業高質量營商環境的關鍵舉措。

1.2 用戶畫像原則

基于用戶畫像的概念，在進行用戶畫像時應遵循以下原則：

1）畫像時效性原則。用戶的行為和習慣等特征并不是一成不變的，伴隨著新用戶的加入，用戶信息標簽也易發生變化，因此需要及時更新用戶標簽，保證用戶畫像的精準性和時效性［11］。

2）畫像多維度原則。隨著大數據技術的發展，更多用戶數據被挖掘獲得，通過對海量用戶數據進行維度劃分，進行用戶畫像能夠得到更加精確信息標簽，并通過用戶標簽來優化用戶畫像模型。

3）畫像關聯性原則。用戶畫像涉及維度需要結合應用場景，還要保證各維度信息關聯性。關聯信息可以是標簽之間的因果信息，或是相關度很高的信息，此外，還應設置關聯信息度的取值范圍。

1.3 用戶畫像流程

用戶畫像的流程遵循數據收集→數據處理→標簽建模→畫像成像的過程。

1）收集用戶信息數據。收集的用戶信息數據主要包括靜態屬性信息（如人口、年齡、地域等）和動態屬性信息（如購買時機、消費習慣、使用行為等）。此外，在收集信息數據時要嚴格遵循用戶畫像原則，尤其是用戶信息的緯度并不是越多越好，只需要獲取與目標客戶群體（或個體）同業務場景、同產品等強相關的可用信息數據，并及時做好數據更新。

2）信息數據預處理。針對獲取收集的用戶信息數據進行篩選、剔除、補缺、整合等預處理，將定性數據轉換為可比較的具體數值，進行信息特征量化，并統一信息數據的數量級，消除數據之間的量級差異。

3）信息數據分類與降維。將收集的用戶信息數據進行特征維度分類，確定適當的類別組數，并通過計算不同類別的信息數據檢驗分類結果。在此基礎上，對分類后的信息進行降維，將其劃分為不同層次維度。

4）生成用戶畫像標簽體系。畫像標簽是通過對用戶信息分析得出的高度精煉的特征標識，從數據層面分析信息特征維度下不同簇的用戶區別。因此，通過將用戶信息數據形成標簽體系，勾勒出立體的用戶畫像［12］。

5）用戶畫像建模。用戶畫像建模主要是對信息特征分類后，對不同類別用戶進行評級。在分析用戶信息標簽體系的基礎上，選擇合適的評價模型用于用戶畫像［13］。

6）用戶畫像成像。運用畫像模型開展用戶群體畫像和個體畫像。基于畫像結果進行營銷策略分析，充分發揮數據生產力的價值。

1.4 優化營商環境下的畫像數據特征

優化營商環境背景下，通過“云大物移智鏈”等先進的計算機信息處理技術、現代通信技術不斷解放和發展數據生產力，將經濟社會中海量信息匯集在一起，也將企業和用戶互聯在一起，通過物聯網技術與畫像技術的結合，根據用戶的屬性、行為等特征進行分類分析，輔助企業開展精準營銷，提升產品運營水平和業務服務質量，優化營商環境下的用戶畫像數據特征如圖1所示。

圖1 優化營商環境下的畫像數據特征

在優化營銷環境背景下，用戶畫像數據采集呈現出實時、海量、全面的特征，即采用智能化信息采集技術全面獲取供應鏈平臺上的實時、海量數據。在數據分析方面，利用數字挖掘、信息處理技術將采集數據按不同情境、不同深度進行層次化分析，并將分析結果上傳計算機云端。在數據應用方面，優化營銷環境背景下的用戶畫像實現了開放、共享，為電力企業高效、便利地調用分析數據提供應用支撐。

2 電力供應商畫像研究思路

電力供應商畫像（Power Supplier Portrait，PSP）主要是對電力企業的供應對象進行畫像，通過收集供應商在企業實力、標的質量、履約與售后、評價與監督等方面的評價信息數據，基于不同數據特征得到定性分組，并生成供應商標簽體系，通過畫像建模得到立體的供應商畫像，旨在幫助電力企業選擇與管理供應商、優化招標采購決策。因此，針對電力供應商進行畫像建模，能夠直觀、精準地觀察和反映電力供應商的履約能力及實力水平，為預測和鑒別供應商信用風險提供理論支撐［14-15］。

電力供應商畫像研究思路如圖2 所示，遵循“數據收集與處理→數據分類與降維→生成標簽體系→計算標簽權重→標簽重要性排序”的流程。

圖2 電力供應商畫像研究思路

3 電力供應商畫像體系構建

3.1 供應商群體畫像

按照電力企業的采購類別劃分，供應商群體畫像可分為工程類供應商、貨物（或物資）類供應商和服務類供應商。此外，由于采購又可分為招標采購和非招標采購，為減少供應商畫像標簽體系的層次和降低標簽冗余性，不再進行詳細劃分。

3.2 供應商個體畫像

在供應商群體畫像的基礎上，針對每個供應商，分別從企業實力、標的質量（區分為施工、貨物和服務質量）、履約與售后、評價與監督等4 個方面對供應商個體進行畫像。

3.3 供應商指標畫像

在供應商群體畫像和個體畫像的基礎上，將企業實力、標的質量、履約與售后、評價與監督繼續細化為供應商指標屬性。以企業實力為例，可分為企業規模、資信情況、財務狀況、業績情況等。

3.4 供應商畫像標簽體系

綜上所述，將電力供應商群體畫像、個體畫像、指標畫像按不同維度層次構建供畫像標簽體系。工程類、貨物類、服務類的電力供應商畫像標簽體系及含義如表1—表3 所示。由表可知，企業實力、施工質量、履約與售后、評價與監督標簽均包含4 個指標畫像標簽。

表1 電力供應商（工程類）畫像標簽體系

表2 電力供應商（貨物類）畫像標簽體系

表3 電力供應商（服務類）畫像標簽體系

表3 （續）

至此，經上述研究分析，構建了電力供應商畫像指標體系。對畫像標簽體系進行直觀展示，以電力供應商（貨物類）畫像為例，可視化呈現如圖3 所示。通過電力供應商畫像可視化呈現，能夠幫助招標人加強采購過程管控和提高評標專家評審工作質量。

圖3 電力供應商（貨物類）畫像可視化呈現

4 電力供應商畫像在采購領域的應用

4.1 招標采購策略動態決策

以電力供應商畫像標簽體系為基礎，構建招標采購策略動態決策模型。收集投標人資質能力、報價比例、投標行為習慣等歷史同類采購信息數據，應用大數據、云計算等算法技術，構建多層次維度的潛在投標人畫像模型，自動生成市場競爭度分析結果，其中包含通過資格預審的潛在投標人的數量、投標競爭程度、預期報價等信息數據，輔助招標采購前提工作。結合大數據分析和模型預測結果，動態調整優化招標采購項目的標包劃分、評審委員會組成、以及招標文件中資格條件設置、業績要求、評審辦法等招標采購策略，并不定期開展循環更新，形成招標采購策略動態決策輔助機制。

4.2 預測投標人合理報價區間

通過構建投標人報價行為體系來預測投標人合理報價區間。應用大數據、云計算等算法技術，對投標人歷史報價數據進行價格趨勢度、報價偏離度等匯總分析。此外，通過獲取合理的市場基準價，基于模型測算不同投標人報價與市場基準價之間的差動比例，并基于投標人報價以及市場價格自動預測投標人合理報價區間。結合大數據分析和預測結果，科學優化招標采購項目的預計采購金額、最高限價以及評審辦法中的價格分計算方式，從而合理控制項目的中標價格，減少招標采購成本。

4.3 判斷投標人不良投標行為

判斷投標人不良投標行為，減少招標采購活動資源的浪費。應用大數據、云計算等算法技術從投標人在招標采購活動過程中的不良行為進行統計分析，包括收集投標人資格預審、后評價以及黑名單查詢結果等信息數據，結合投標人報價行為分析和歷史投標習慣特征，重新梳理和識別招標文件中影響投標人不同投標行為的條款，包括預計采購金額、工期規模、資格條件以及評審方法要素等，并將分析結果運用于招標采購項目的投標家數分析和流標率分析，提高項目的一次采購成功率。

4.4 改進招標采購管理策略

基于電力供應商畫像模型成像結果，例如投標人投標次數、中標率和中標品類等信息，能間接表明該投標人對市場拓展能力。如某供應商在某一品類的中標率不斷提升，則反映其在該市場領域的競爭能力和市場拓展能力不斷加強。此外，供應商畫像結果還能反映出到貨及時性、服務質量，電力企業由此可以判別投標人的履約能力與市場實力是否匹配，幫助企業改進招標采購管理策略［16］。

5 結語

優化電力營商環境對電力行業加強企業供應鏈高效協同發展提出了更高的要求。為助力優化電力營商環境，推動電力企業與供應商打造現代化能源電力供應鏈，針對電力供應商畫像應用展開研究。基于用戶畫像的理論概念，歸納梳理了用戶畫像的原則和流程，研究了優化營商環境下的畫像數據特征，明確了電力供應商畫像研究思路。在此基礎上，分別從供應商群體、供應商個體、供應商指標等多層次維度，構建電力供應商畫像標簽體系，并對標簽體系進行了畫像可視化直觀呈現。最后，在招標采購領域，探索電力供應商畫像應用的適用性與實用性。