基于DEA数据包络分析法的电力营销项目效益分析研究

尹玉芬 卢鹤挺

（广东电网有限责任公司东莞供电局）

0 引言

随着电力市场的规模增长以及电力体制改革的深化，电力行业已从 “垄断模式”完成了向 “竞争模式”的转变，市场化的竞争压力日益激烈。为了迎接市场的变化及维护自身的企业效益，供电局需增强自身竞争力，优化项目管理，提升项目效益，实现更高的企业经济效益。

电力营销是供电部门为了加强与客户之间的联系，为客户提供更便捷、高效的服务而进行成本投入的项目。每年电力部门在营销类项目上都做了大量投入，如何对投入的成本进行评估分析，如何对投入后的效果进行评估，如何在新的预算计划中将有限的资源投入到有成效的工作中都是急需研究的方向和内容。

1 主要研究内容与研究方法

本文基于目前的研究成果和项目效益评估理论，以供电企业电力营销项目为主要研究对象，建立项目实施后的效益评价指标体系，运用层次分析法确定指标体系的权重，并利用DEA数据包络分析方法，最终确定电力项目效益评估结果，分析项目效益评估的效果，为营销类项目实施后效益评估提供理论依据和方法指导。

营销就是通过研究动态环境因素和企业外部消费者行为的变化，以及通过企业的整体营销活动来掌握企业的营销规则，适应、刺激和满足消费者的需求，使企业受益，并增加社会财富。而电力营销除了市场性外，还承担着社会责任。结合营销理论研究，我们可以定义营销效益：营销效益是指企业营销活动中劳动力消费与劳动力结果的比较，是指营销活动投入与有效产出之间的比较。营销效果的综合评价是对营销活动投资的综合评价和与有效产出的比较。

2 营销效益的组成

营销效益是对营销活动投入及产出的研究。营销活动由有形、无形等多种不同要素组成，为了更全面地评价营销效益，营销效益可以更有效地匹配整个营销活动过程中输入和输出的效果，从而充分评估每个环节的好处。将营销效益依据营销活动的组成内容，按照投入与产出的要素进行划分，如图1所示。

图1 营销效益组成划分示意图

基于对各种利益的分析和描述，可以理解营销利益由多种投入和产出利益组成，多种利益相互影响，相互影响和相互制约。

3 营销效益指标体系构建

3.1 营销影响要素划分

寻求最佳营销效益，即是以尽可能少的营销投资获得尽可能多的营销有效产出，是公司开展营销活动的最终目标。衡量营销投入与产出最直接、有效的方式则是通过指标对其进行评价及比较。影响营销效益要素的划分主要是依据一般市场企业的经营特点而进行的，但由于供电局作为国家企业，其业务特性与一般市场企业存在着较大的差异性，若以此套用于供电局的营销工作中，无法反映供电局营销效果的真实情况。因此，需要结合供电局自身经营特点，运用市场营销理念进行要素的重新调整。

3.2 供电局营销效益影响要素划分

结合供电局的特点，我们总结影响供电局营销效率的投入、产出，有形和无形因素如表1所示。

表1 影响营销效益的要素

3.3 营销效益评价指标体系设计

由于营销效益的形成过程是一个多投入、多产出的经济活动过程，评价指标体系包括营销投入指标和与营销效果相关的营销产出指标。而根据影响供电局营销效益的要素列表中可以得知，众多要素中有形投入与产出要素相对容易掌握及获取，因此，首先将其划入指标体系内。其次，对于无形投入与产出要素，在投入要素方面，由于其一般体现在营销活动策划阶段，与有形要素形成错综复杂的关系，其数据较为难以衡量，因此，在指标体系中不宜单独体现。无形输出因子是供电局营销效率的重要组成部分，需要在指标体系中得到充分体现。最后，供电局的营销效果评价指标体系可以设计如图2所示。

图2 供电局营销效果评价指标体系

其中，营销业务运营费、电力营销宣传及市场推广费、客户沟通及公共关系费、其他费用为投入要素，售电量、百万用户诉求量、第三方满意度、营销效果综合评价值为产出要素。

相关指标数据列举如表2所示 （本数据从业务保密性出发，做过调整处理）。

表2 2014～2017年供电局营销业务支出

对于营销效果评价值，由于只有一年数据，无法使用趋势分析得出相关结果。但同时因为其重要性，我们无法将其忽略不计，因此将其四年数据按同一水平计算，减少由于人为修饰数据而造成的数据分析错误问题。

因此，可以将最终指标体系数据列举如表3所示。

表3 2014～2017年供电局营销效果评价值

4 营销效益指标体系综合评价

4.1 营销效益综合评价理论研究

营销效益评估对具有多输入和多输出的复杂系统的评估为数据包络分析 （DEA）提供了强有力的支持。数据包络分析方法由美国着名学者Charns和Cooper于1978年提出，研究多输入多输出决策单元 （DMU）的相对有效性。DEA主要优越性在于：①不需要预先估计参数，并且评估的决策单元的输入和输出的权重是优化的变量。②与其他统计模型不同，DEA方法直接使用数据进行计算，使评估方法简单易行。③DEA模型的基石是数学规划，具有坚实的理论基础，可以在计算过程中获得更多的管理信息。通过优化每个决策单元的计算，使评估值更加真实。

由于DEA方法特别适用于评估多输入和多输出的效果，因此使用它来评估营销效益。常用的DEA模型主要有C2G模型、C2GS2模型两种。

下面的线形规划模型就是C2G模型。

其中ε为阿基米德无穷小，且

以不同时期的营销状况作为决策单元，即决策周期，这样公式 （1）中的Xj和Yj分别表示第j个决策时期的投入和产出向量，即

Xij表示第j个决策时期第i种类型投入的投入总量，Xij＞0；Yij表示第j个决策时期第i种类型产出发的产出总量，Yij＞0。

公式 （1）是用于评价营销效益的基本形式。当目标函数取得最优值θ＝1，s－＝0，s＋＝0时，表明某决策时期的营销综合效益相对最优，即规模比（α）和结构比 （β）同时相对最优；当θ＜1，s－≠0，或s＋≠0时，表明某个决策时期营销综合效果尚未达到最优，即或者是α非DEA有效或者是β非DEA有效。在这种情况下，若一旦证明α和β之中的一个为DEA有效，则另一个一定为非DEA有效。若只知道一个为非DEA有效，则另一个可能是DEA有效，也可能是非DEA有效。因此为了使问题的解决更明晰，一般还需要借助C2GS2模型，即式 （2）：

公式 （2）专门用于评价第j0决策时期是否β有效。若模型的最优值β＝1，s－＝0，s＋＝0，则该决策时期相对最优，若当 β＜1，s－≠0，或s＋≠0，则该决策时期为非DEA有效。

DEA模型的计算结果还可以提供进一步的信息，对于非DEA有效的情况，可以通过如下方法进行调整。

设 （Xj0，Yj0）为第j0决策时期的投入与产出量，则其在有效前沿面上的投影 （θXj0－s－，Yj0＋s＋）为对应的相对有效点，θ为相应最优目标函数值。

根据以上分析及DEA评价理论，可以通过如图3所示的流程图对DEA模型的计算评价过程进行了解。根据以上评估模型及计算流程，结合营销效益指标体系，进行营销效益评价计算。

图3 评估模型及计算流程图

4.2 营销效益综合评价分析过程

4.2.1 营销效益评价指标数据整理

根据上文营销指标体系赋值结果，将指标数据列举如表4所示。

表4 2014～2017年投入产出评估

由于百万用户诉求量相对于其他产出指标来说，属于负指标。因此为方便计算，在计算过程中会将其整理成负数，方便后续调整。

4.2.2 C2G模型计算

利用C2G模型的计算，结算结果列举如表5所示。

表5 2014～2017年结算结果表

可由上表中的结果看出，在各决策单元中评价值θ均等于1，由此可以看出，2014～2017年的营销投入DEA有效投入，其规模比及结构比在理论上达到了最优。

5 结束语

根据上文分析论证可以得出某地市供电局在2014～2017年间，其营销费用投入与营销效益产出的效果均达到理论上最优的结论。因此说明评价模型得到了良好的运用，可在后续工作中以同样的规模比及结构比对营销费用的投入进行规划预测。

但由于本次分析涉及营销工作的方方面面，其分析过程中对数据的需求度极高，但在分析过程中发现，由于过往供电局对营销活动及工作处于一种自由化执行的状态，其过程监控及后续情况跟踪等均处于空白状态，致使分析的细致度无法提升，为了日后能更好地对营销效益情况进行更细致的分析和评价，应在日后建立并完善其营销工作的相关管理制度，实现营销工作的全过程清晰及可控。