一、營銷業務分析中可利用的數據挖掘技術方法

數據挖掘技術中的時間序列模型分析預測常規算法：時間序列分析是概率統計學科中應用性較強的一個分支，在金融經濟、氣象水文、信號處理、機械振動等眾多領域有著廣泛的應用。時間序列模型最主要的特征就是承認觀測值之間的依賴關系和相關性，它是一種動態模型，能夠應用于動態預測。時間序列預測法就是通過編制和分析時間序列，根據時間序列所反映出來的發展過程、方向和趨勢，進行類推或延伸，借以預測下一段時間或以后若干年內可能達到的水平。

其內容包括：收集與整理某社會現象的歷史資料;對這些資料進行檢查鑒別，排成數列;分析時間數列，從中尋找社會現象隨時間變化而變化的規律，得出一定的模式;以此模式去預測社會現象將來的情況。數據挖掘技術中的聚類算法：目前，電力營銷領域通常采用聚類技術來進行客戶細分。可根據不同的數據情況和分析需要，選擇不同聚類算法來進行客戶細分。此外，還可利用客戶忠誠度驅動關系模型，回歸分析，客戶忠誠矩陣分析，以及忠誠客戶安全指數分析等數據挖掘模型和手段，進行更深層次、多方位的客戶細分。

數據挖掘技術中的關聯分析和決策樹分析方法：用關聯分析和決策樹分析方法，可分析各種因素所構成的市場環境與電量變化之間的規律。利用關聯規則分析主要是分析某一市場環境與各種售電量水平之間的關聯程度，進而確定不同市場環境中影響售電量變化的主要因素和次要因素。決策樹主要是分析某一市場環境內部各個因素之間對電量水平變化的層次關系，并歸納對該市場內對售電水平進行分類的規則并根據規則對售電水平進行預測分類。

二、對具體開展營銷業務分析工作的建議

營銷業務分析切入點方面：建議從用電量需求預測為營銷分析切入點，因為此部分涉及的營銷數據相對獨立。可以從試點開始，再全面推廣。用電量需求預測可直接指導目前急需解決的需求側管理和有序用電問題和將營銷終端與輸電、配點相結合方面問題。營銷業務分析切入點對客戶細分、客戶信用等級評估、電費回收和欠費風險控制、防竊電等方面均有影響。軟硬件設備及IT技術方面：營銷數據量龐大，對數據源的抽取、轉換、載入階段所需耗費的工作量大，時間長。

整個數據挖掘過程需充分考慮存儲、服務器等設備容量和處理能力，并選擇適用于海量數據挖掘軟件。在搭建數據倉庫過程中，為提高運算速度，系統分析能力，可充分考慮采取以下計算技術：內存計算，可將查詢計算速度提高一個量級;庫內計算，目前TereData在此項技術方面較有優勢;網格計算，即分布式計算技術。跨行業，尋求外部合作方面：在構建模型時，應充分參考借鑒銀行、電信等行業相關客戶管理、客戶信用等級評價和風險等級評價等相關業務模型;參考水、天然氣行業費用回收方法。還可與其他行業營銷團隊，例如國際知名的數據咨詢團隊進行合作，以吸取先進技術，迅速推進分析挖掘工作。

三、總結

綜上所述，數據挖掘技術可深入滲透到電力營銷領域各方面，對科學指導電網發展，制定電力營銷策略，防范電費回收風險，合理制定電價，提升電網服務品質，并為最終實現切實提高電力企業運營管理水平的目標發揮巨大作用。

作者：李皎           單位：國網信息通信有限公司