电力企业客户服务辅助决策支持系统的设计与实现

杨秋勇，江 疆，翟鸿荣

（1.广东电网有限责任公司 佛山供电局，广东 佛山 528000；2.广东电网有限责任公司 信息中心，广东 广州 510180；3.烟台海颐软件股份有限公司 山东 烟台 264000）

经过多年的信息化建设，信息技术应用已经成为企业可持续发展的一个非常重要的支撑[1]。管理信息系统在提高企业管理水平中发挥了非常关键的作用，是企业生产活动正常开展的重要保证。而随着企业的工作重心从生产转向服务，企业要提高服务质量，树立良好的企业形象，更好地把握市场机遇，要求在对现行电力营销基础业务的分析基础上[2]，将先进的信息技术与企业管理目标整合起来，建立一套营销客户服务分析模型体系，实现服务渠道使用情况分析应用、95598座席人员分析、IVR服务路径分析、客户细分深化应用四部分应用，为企业在复杂的市场环境下，快速、准确、有效做出正确的决策提供数据及分析支撑，提升企业综合服务水平，促进企业业务的持续发展。

1 系统概述

系统包含服务渠道使用情况分析与优化、95598坐席人员分析、IVR服务路径分析、客户细分深化分析四大模块。主要体现为以下4个方面：

通过掌握现有营销业务在各服务渠道的分布和规模分析用户使用服务渠道的偏好，制定在不同服务渠道之间引导用户的策略，优化并固化服务渠道资源的布局；

通过掌握客户在IVR系统中的交互行为，并对客户的重复呼叫行为进行研究，进而提升坐席人员的工作效率，降低95598呼叫高峰压力；

通过掌握人员的工作情况和工作规律，实现员工的工作情况的透明化、公开化，同时进行坐席人员的测算和优化，实现对工作规律的把控，协助管理者对工作安排、工作分配和人员配置的决策；

通过完善和优化客户细分模型[3]，并基于差异化的服务措施设计相应的应用场景，从而提高客户满意度，有效降低公司经营风险，确保客户细分与业务实际紧密结合。

2 系统的设计与实现

2.1 系统总体架构

系统的整体实现由3部分组成：1）数据存储管理部分即数据仓库；2）营销域决策支持系统的应用支持组件。包括权限管理平台、企业级开发平台 （UEP）、数据建模工具集、WEBLOGIC服务中间件；3）数据分析展示平台。主要实现对功能的集中展示呈现。

图1 系统总体架构图Fig.1 The overall system architecture diagram

1）数据存储管理

系统是一个基于用电客户服务数据的分析支撑系统。其数据存储与管理基于数据仓库进行构建。体系结构如图2所示。

图2 数据获取过程图Fig.2 The data acquisition process diagram

在企业数据仓库建设过程中，已构建了完整的数据获取与数据提取通道与技术。在本次项目建设过程中，主要借助于原有的数据仓库数据提取通道及相关ETL工具，以及数据仓库数据建设规范与标准，进行了客户全方位数据的补充与扩展。

2）应用支持

系统支持包括了企业级开发平台（UEP）、数据建模工具集、Weblogic WEB服务中间件。其中企业级开发平台（UEP）主要完成了系统功能的开发支持与集成应用的支撑；数据建模工具主要完成对客户细分模型的构建、实证与优化；Weblogic WEB服务中间件完成对基于JAVA EE体系的应用服务的集中管理与发布。

3）数据分析

数据分析主要实现系统相关功能的展示呈现落地。数据分析展示平台是企业级应用开发平台的一个工具集，在该分析平台中，集成了大量的数据分析展示控件，包括优秀的图表展示控件，提供了可在线定制的数据分析展示页面的自助设计与配置功能，可以满足数据分析查看页面的快速搭建与呈现。

2.2 数据处理设计

1）数据目标

服务渠道使用情况分析与优化主题：服务渠道数据，包括业务分析指标、用电客户信息、渠道业务信息、服务资源等数据。

95598坐席人员分析主题：95598坐席数据，包括工作量分析指标、上班情况分析指标、通话过程分析指标等数据。

IVR服务路径分析主题：IVR路径数据，包括用户行为、业务办理等数据。

客户细分深化分析主题：用电客户行为数据，包括电量电费、停电、用检、业务办理、渠道接触等行为数据。

2）数据来源

数据主要来源于电力营销系统、电力掌厅、网厅系统、电力IVR系统。

3）数据质量管控

针对各地市局业务数据差异性，省公司层面统一业务规则，然后咨询市局业务人员，进行业务去差异。

对于模型运行需要的业务指标采用无效值过滤，对于少量空值的业务指标采用平均、众数、证据权重（WOE值）补充。

2.3 系统功能设计

整个系统功能的架构图如图3所示。

图3 系统功能架构图Fig.3 The system function structure diagram

2.3.1 服务渠道使用情况分析与优化

1）服务渠道布局展示功能

以实体地图为基础，展现渠道地理位置及其他信息，以全盘掌握全省服务渠道、业务分布、客户分布和资源分布的整体情况。

2）服务渠道分析功能

以地图的形式展现不同服务渠道目前的业务情况、客户情况和资源情况等详细信息，为服务渠道的资源集约化管理提供有效支持。

3）服务渠道决策功能

根据实体渠道布局优化目标及参数，测算区域应设立的实体渠道个数理论值、类型及地理位置（GPS坐标）。

2.3.2 95598坐席人员分析

1）坐席工作情况分析

对坐席工作量、通话过程、上班情况进行查询、分析和展示，以掌握坐席人员的整体工作全貌。

2）坐席人员测算

通过对历史话务分析和坐席人员分析实现历史坐席人员情况的查询和统计；通过对未来坐席人员数量进行测算，以实现对坐席人员的排班进行辅助决策。

2.3.3 IVR服务路径分析

监控IVR节点的客户使用情况，对各节点下按键的热度与性能指标进行查询和展示。

2）IVR路径分析

监控IVR客户路径使用情况，对客户IVR交互痕迹进行查询和展示。

3）IVR优化改进建议

展示各IVR节点的性能指标实际值，并结合预先配置的性能指标阈值，给出IVR的优化建议。

2.3.4 客户细分深化应用

1）客户细分查询

通过选择客户属性以及客户细分基本信息进行查询，生成客户细分查询结果清单，并对目标客户细分进行细分结果、群特征描述、细分条件等内容的展示。

在解说系统完成后进行一个区段的实验，广泛征求各方意见，对于意见进行评估，也对所反应的问题进行评估和调查，随着游客的人口特征，旅游偏好的改变，路况改变，风景区修缮升级等改变进行及时的反馈和修改。对于损毁的路牌，指示牌等进行相应的修缮和维护。

2）客户细分分析

基于业务目标及业务需求，有针对性地筛选出一批目标客户，并对目标客户的各种特征进行评估，对于存在完善改进的细分结果提出反馈，同时对业务实施的措施和方案进行记录和汇总，对实施结果进行评估和描述。

3）客户细分管理

对提交的建模申请或细分模型维护的申请单进行审批，对已有的客户细分模型的细分结果、细分条件、群特征和客户群标识等内容进行编辑、调整、修改和保存，并保留模型维护记录。

2.4 系统关键技术

1）服务渠道决策功能

该功能主要解决营业厅布局合理性规划的最优解的算法应用，针对选定服务区域，从区域的基本特征、客户的历史业务需求、渠道交互活跃性、客户潜在渠道偏好等进行分析，考虑远程渠道的可替代性，判断分析区域内的渠道是否有必要设定实体服务渠道以及具体位置，整个算法的流程如图4所示。

针对以上6步中确定营业厅具体个数和位置的计算可以采用Lingo软件进行求解，但目前Lingo软件和java的集成并不是很完美，在求解大数据量的时候容易出现内存溢出的情况，因此在本项目中采用JAVA实现该算法并优化该算法的思路[4-5]。算法的中心思想如下：

图4 营业厅布局规划流程图Fig.4 Business hall programming flow diagram

①建立备选点树，除根节点外每个节点代表一个备选点，根节点处于树的第0层，根节点只作为树的起点，从根节点到叶子节点的路径上所有备选点的集合表示一种覆盖所有节点的可行解集。

②计算所有节点两两之间的距离，并根据覆盖距离记录每个节点覆盖范围内所有节点的集合。

③从“所有节点”选择覆盖节点数最少的节点，其覆盖的节点中至少要有一个营业厅，将这些节点作为树的“第1层”节点。

④遍历“第1层”所有节点，若从根节点到该节点的路径上的全部节点可以覆盖所有节点，则将该节点标识为叶子节点，并记录解集层数；否则将该节点作为新的根节点，从“所有节点”中移除该节点覆盖的所有节点作为新的 “所有节点”，重复步骤③，④。

⑤在建立备选点树的过程中，若一个分支层数达到最小解集层数，并且该分支路径上全部节点无法覆盖所有节点，则对该分支进行剪枝。

⑥当备选点树建立完成之后，对根节点到所有叶子节点对应的路径进行距离权重计算，距离权重最小的路径上的全部节点的集合则为最优解。

本算法亮点主要在于上述步骤中的两处剪枝过程。上述步骤③中，选择覆盖节点数最少的节点作为入口，大大降低了备选点树低层分支数量。上述步骤④中，对层数大于等于最小叶子节点层数且不能覆盖所有节点的分支进行剪枝，大大减少了备选点解集层数。经验证，通过以上两步操作剪枝操作，运算效率提高超过99%。

2）95598坐席人员分析

Erlang-C公式是一个广泛用于电话系统和呼叫中心的数学公式。丹麦电话工程师AK Erlang设计了数学方法论以及相关公式，并确定呼叫等待的概率百分比。随着时间的推移，该算法逐渐固化成相应的产品，可以用于准确测算某一特定时间间隔提供的话务量[6-8]。

Erlang-C公式能够被用于计算如：呼叫中心所需坐席数量，或超市需要开放的结帐口数量等情况，它还能够被用于论证大量的排队理论。该公式也可以用于其他的排队环境，诸如超市结帐处和航班登机口。

坐席人员测算主要流程图如图5所示。

首先明确需要实现的呼叫中心的服务水平，然后根据呼叫中心实际运营情况、话务量预测数据等确定模型基础参数，在计算话务强度 （u）、呼叫等待概率 Ec（m，u）时，将公式转换为泊松函数的关联表达式。

图5 坐席人员测算流程图Fig.5 The service agent calculation flow diagram

最后分两步实现坐席人员的测算，先按小时进行测算，然后按天进行测算；按小时进行测算时根据开始确定的最少坐席数为循环计算的起点，当达到设定的服务水平目标时停止循环计算，并选定最少坐席数为坐席数量；按天测算坐席数量的算法是根据上一步计算出每个时间段应安排的坐席人数，将其转化为全天所需的总工时，根据坐席人员的工作要求，每名坐席人员每天工作时长不可超过N小时。因此用全天的总工时除以N，即可以得到全天预计需要的坐席数量。

本算法亮点主要在于将Erlang-C公式很好的结合到了项目的实际应用中，通过和泊松函数的转换，解决了在java中不好实现Erlang-C公式的问题，同时结合具体的业务场景将人员的测算分为小时和天分别进行计算以适应不同的情况，可操作性和效率都得到了良好的验证。

3 结束语

系统充分利用营销域中客户服务的数据，依托有效的数据分析模型与数理统计算法，实现对客户全方位服务过程中各类服务应用现状与发展变化的深度分析与潜在规律与特点的挖掘，并将分析结果作为服务过程的辅助支撑内容，会有效提升企业各地市客户全方位服务能力，打开以分析促业务，以业务反馈完善分析的良性闭环过程管理局面。

目前系统经过多轮功能测试与性能测试，并在业务功能测试与性能测试基础上，进行了相关功能整改与完善。经回归测试，系统功能稳定、性能良好。

[1]李庆超，焦向辉.浅析电力信息化建设存在的若干问题[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]李胜利，任军.电力营销管理信息系统结构设计及实现技术[J].电力系统自动化，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]刘英姿，吴昊．客户细分方法研究综述[J].管理工程学报，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，邓光智.凹二次规划问题的一个融合割平面方法的分支定界算法[J].工程数学学报，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，叶先一.基于时间序列的呼叫中心话务量预测[J].闽江学院学报，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]李明东.省级集中的95598客户服务系统建设思路与实现方式[J].电力信息化，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]牟颖，王俊峰，谢传柳，等.大型呼叫中心话务量预测[J].计算机工程与设计，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．