易聯(lián)云 張?？?徐海洋 劉苗

來源：《煤氣與熱力》2019年2月刊

摘要： 分析公用事業(yè)行業(yè)大數(shù)據(jù)挖掘應用存在的主要問題，介紹軟件服務化(Software as a Service, SaaS) 云平臺的價值，及大數(shù)據(jù)平臺架構及功能特點,探討行業(yè)大數(shù)據(jù)在客戶端增值服務、智能客服、服務渠道優(yōu)化，及生產(chǎn)運行中異常監(jiān)控、用量預測、輸差管理等多方位的應用場景，幫助企業(yè)更好的服務于客戶，更智能的進行設備運行管理。

關鍵詞：大數(shù)據(jù)應用  公用事業(yè)行業(yè)  SaaS云服務

Industry big data mining application based on SaaS cloud service mode

Abstract:Analysis of major problems in the application of big data mining in public utilities,introduces the value of SaaS cloud service platform, and the structure and function features of big data platform，Explore the optimization of industry big data in value-added services, intelligent customer service and service channels. And the application scene of abnormal monitoring, dosage forecasting and transmission error management in production operation. To help enterprises better serve customers, intelligent operation of equipment management.

Key word：Big data application；Public utility industry；SaaS cloud services 

1. 公用事業(yè)行業(yè)大數(shù)據(jù)挖掘應用中的問題

“互聯(lián)網(wǎng)+”時代，公用事業(yè)行業(yè)面臨全新的競爭挑戰(zhàn)，企業(yè)需要把自身的特點和“互聯(lián)網(wǎng)+”相結合。通過“大數(shù)據(jù)”技術，可以不斷提升企業(yè)工作效率并優(yōu)化業(yè)務運作模式，提供更高質(zhì)量的服務、創(chuàng)造新的增值價值增長點。公用事業(yè)企業(yè)擁有龐大的用戶數(shù)據(jù)資源，可以由這些數(shù)據(jù)獲得極富價值的洞見。但目前公用事業(yè)行業(yè)的大數(shù)據(jù)仍處在數(shù)據(jù)采集、存儲的起步階段，大數(shù)據(jù)價值挖掘分析只有少數(shù)嘗試。

完成可行的大數(shù)據(jù)應用要建立在大量的數(shù)據(jù)累積基礎上，公用事業(yè)企業(yè)大數(shù)據(jù)應用不足，除了對大數(shù)據(jù)技術的缺乏外，企業(yè)自身的信息化基礎較為薄弱。

(1)  缺乏統(tǒng)一的客戶信息平臺。目前公眾事業(yè)行業(yè)的客戶信息平臺收集信息有限，數(shù)據(jù)質(zhì)量不高，數(shù)據(jù)不可靠，無法為用戶的行為分析提供有效的基礎信息數(shù)據(jù)累計。

(2)  企業(yè)內(nèi)部信息系統(tǒng)彼此割裂，業(yè)務數(shù)據(jù)有待融合。信息化建設往往立足在各項業(yè)務自身的管理系統(tǒng)而忽略了系統(tǒng)和數(shù)據(jù)的集成，忽略了可能的關聯(lián)性和融合性。

(3)  缺乏統(tǒng)一的數(shù)據(jù)標準和服務流程。數(shù)據(jù)平臺的建設標準和規(guī)范不統(tǒng)一，內(nèi)部服務流程不統(tǒng)一，不能保證數(shù)據(jù)的可靠性和可用性以及各類信息系統(tǒng)之間的跨平臺融合。

2. SaaS云平臺模式下的行業(yè)大數(shù)據(jù)挖掘

2.1.  SaaS云服務平臺價值

作為公用事業(yè)行業(yè)信息化服務提供商，金卡智能旗下易聯(lián)云計算（杭州）有限責任公司(以下簡成易聯(lián)云)，通過建立行業(yè)端到端一體化SaaS云服務平臺，將企業(yè)各系統(tǒng)遷移到云上，基于統(tǒng)一規(guī)范的服務平臺，對外聯(lián)接客戶、員工、在線設備及合作伙伴，對內(nèi)形成企業(yè)大數(shù)據(jù)。最終通過企業(yè)統(tǒng)一、真實、有效的數(shù)據(jù)信息，進行多方位的數(shù)據(jù)價值轉(zhuǎn)化。

在大數(shù)據(jù)平臺下，完成各系統(tǒng)和數(shù)據(jù)的集成，保障各系統(tǒng)間的關聯(lián)性和融合性，讓所有業(yè)務數(shù)據(jù)可以歸結到統(tǒng)一的大數(shù)據(jù)業(yè)務分析中；數(shù)據(jù)平臺的建設標準和規(guī)范一致，從管網(wǎng)的設計、實施鋪設到巡檢維護操作、到終端用戶設備安裝和收計費服務，都在企業(yè)內(nèi)部各單位各部門推行統(tǒng)一的操作流程、規(guī)范的數(shù)據(jù)標準，確保了數(shù)據(jù)的可靠性、可用性以及各類信息系統(tǒng)之間的跨平臺融合；統(tǒng)一云服務平臺中，有效采集匯總用戶基礎信息數(shù)據(jù)，并在此基礎上實現(xiàn)用戶數(shù)據(jù)分析，為用戶的行為分析提供有效基礎信息數(shù)據(jù)累計。

2.2.  易聯(lián)云大數(shù)據(jù)平臺架構

2.2.1.   大數(shù)據(jù)平臺架構圖

易聯(lián)云大數(shù)據(jù)平臺以華為基礎服務為支撐，基于分布式計算、存儲框架，面向公共事業(yè)不同價值的數(shù)據(jù)源，通過集成、存儲、建模、分析、挖掘等大數(shù)據(jù)技術，在保障公共事業(yè)數(shù)據(jù)安全前提下，進行整體的大數(shù)據(jù)技術整合，如圖1所示，為易聯(lián)云大數(shù)據(jù)架構圖

圖1  易聯(lián)云大數(shù)據(jù)架構圖

平臺提供全面的數(shù)據(jù)集成能力、海量數(shù)據(jù)存儲能力、全面數(shù)據(jù)批量及實時計算分析能力、并且通過多種途徑、多種方式對外提供數(shù)據(jù)服務，實現(xiàn)數(shù)據(jù)的可利用化、價值化從而達到數(shù)據(jù)服務于公共事業(yè)的每一個場景。

①   數(shù)據(jù)集成：

集成能力支持與多種數(shù)據(jù)源數(shù)據(jù)集成、支持實時、增量式的集成、支持海量結構化或非結構化的數(shù)據(jù)集成。

實時數(shù)據(jù)接入提供云服務外的數(shù)據(jù)實時傳輸?shù)皆品諆?nèi)的能力，使用華為實時流接入（Data Ingestion Service，DIS）及開源消息隊列Kafka對接第三方的采集工具，通過API接口把生產(chǎn)者產(chǎn)生的數(shù)據(jù)實時添加到消息隊列通道中，并讓消費者應用程序獲取并進行實時分析，從而在數(shù)分鐘內(nèi)從數(shù)據(jù)中獲得重要見解，而無需數(shù)小時或數(shù)天時間，數(shù)據(jù)接入服務支持多種數(shù)據(jù)源格式，如物聯(lián)網(wǎng)表采集數(shù)據(jù)、日志和定位追蹤事件、網(wǎng)站點擊流、社交媒體源等。

離線數(shù)據(jù)遷移（Cloud Data Migration，CDM）提供同構/異構數(shù)據(jù)源之間批量數(shù)據(jù)遷移服務能力，可將線下第三方系統(tǒng)、云平臺及其它數(shù)據(jù)源的數(shù)據(jù)全量遷移或增量同步至易聯(lián)云大數(shù)據(jù)平臺，利用大數(shù)據(jù)平臺對海量數(shù)據(jù)分析處理，將結果數(shù)據(jù)回流到本地業(yè)務系統(tǒng)，實現(xiàn)數(shù)據(jù)價值的挖掘，數(shù)據(jù)遷移服務支持近20種常用數(shù)據(jù)源，滿足數(shù)據(jù)在云上和云下的不同的遷移場景，讓數(shù)據(jù)自動流動。

②   數(shù)據(jù)存儲：

提供分布式存儲能力，實現(xiàn)PB級別（petabyte,較高級的存儲單位）結構化和非結構化數(shù)據(jù)存儲，并提供列式數(shù)據(jù)庫存儲，根據(jù)不同的應用場景，采取合理、安全、有效的方式將不同熱度的數(shù)據(jù)存儲不同存儲空間，當并能保證有效的訪問，易聯(lián)云大數(shù)據(jù)平臺數(shù)據(jù)存儲包括如下：

HBase數(shù)據(jù)庫是一個分布式的、面向列的開源數(shù)據(jù)庫，是一個高可靠性、高性能、面向列、可伸縮的分布式儲存系統(tǒng)，公共事業(yè)可將大量的終端采集數(shù)據(jù)儲存在HBase中，以支持PB級別的數(shù)據(jù)存儲和毫秒級的數(shù)據(jù)詳單查詢，實現(xiàn)實時的交互式查詢。

對象存儲服務（Object Store Service，OBS），華為基于對象的海量存儲服務，提供超大存儲容量的能力，適合存放任意類型的文件，適合普通用戶、網(wǎng)站、企業(yè)和開發(fā)者使用，OBS提供三種存儲類型（標準、低頻訪問、歸檔），依據(jù)數(shù)據(jù)不同冷熱程度，提供極致成本控制，易聯(lián)云大數(shù)據(jù)平臺選用OBS存儲，能夠大幅降低企業(yè)成本，并根據(jù)需求調(diào)整規(guī)模和提高創(chuàng)新速度幫助企業(yè)簡單便捷的管理大數(shù)據(jù)。

③   數(shù)據(jù)分析：

大數(shù)據(jù)分析是指對規(guī)模巨大的數(shù)據(jù)進行分析計算的過程，包括對流式數(shù)據(jù)實時分析，歷史數(shù)據(jù)的批量分析及相關的機器學習算法模型等。

實時流分析（Cloud Stream Service, CS），是運行在公有云上的實時流式大數(shù)據(jù)分析服務，支持大規(guī)模集群計算，集群彈性伸縮，具有高吞吐低時延特點。提供數(shù)據(jù)實時分析的能力，可在線SQL編平臺編寫Stream SQL，定義數(shù)據(jù)流入、數(shù)據(jù)處理、數(shù)據(jù)流出，快速便捷實現(xiàn)業(yè)務邏輯。

歷史數(shù)據(jù)統(tǒng)計，通過MRS服務（MapReduce Service，MRS）提供的Spark、及MapReduce組件對海量數(shù)據(jù)進行分析計算，MRS是一個用于海量數(shù)據(jù)的管理和分析的虛擬化服務，其集開源的Hadoop、Spark、Hive等大數(shù)據(jù)組件，可以在集群內(nèi)進行MapReduce、Spark和Hive作業(yè)，對數(shù)據(jù)進行分析和處理，數(shù)據(jù)處理完成后，采用SSL加密傳輸數(shù)據(jù)至對象存儲服務，保證數(shù)據(jù)的完整性和機密性。

機器學習服務(Machine Learning Service，MLS)，是一數(shù)據(jù)挖掘分析服務，通過機器學習技術發(fā)現(xiàn)已有數(shù)據(jù)中的規(guī)律，從而創(chuàng)建機器學習模型，并基于機器學習模型處理新的數(shù)據(jù)，為業(yè)務應用生成預測結果。

④   數(shù)據(jù)接口：

通過統(tǒng)一標準的應用程序編程接口（Application Programming Interface，API），對外部系統(tǒng)提供數(shù)據(jù)接口服務，如：根據(jù)分析結果實現(xiàn)動態(tài)調(diào)整人力、物力、財力之間的配置，實現(xiàn)移峰填谷、智能維護運營，方便公用行業(yè)決策層從漏損率控制、產(chǎn)銷差管理、安全性預防等方面對整個企業(yè)的運行進行動態(tài)調(diào)控等。

2.2.2.   大數(shù)據(jù)基礎環(huán)境

易聯(lián)云大數(shù)據(jù)平臺選用華為基礎服務及開源的大數(shù)據(jù)組件搭建而成，數(shù)據(jù)分析處理能力強，信息的可靠和安全，相關組件及產(chǎn)品清單如下：

3. SaaS云平臺模式下的行業(yè)大數(shù)據(jù)應用

易聯(lián)云基于SaaS云服務模式的公用事業(yè)行業(yè)大數(shù)據(jù)應用主要包含客戶端大數(shù)據(jù)應用及運行端大數(shù)據(jù)應用。

3.1.  客戶端大數(shù)據(jù)應用

3.1.1.   增值服務

公用事業(yè)企業(yè)在向用戶提供天然氣、自來水、電等基礎服務過程中，積累的大量的業(yè)務數(shù)據(jù)，包含用戶名、用戶性質(zhì)、地址、電話、家庭人數(shù)、購買燃氣產(chǎn)品類型等用戶基本數(shù)據(jù)；包含用戶用氣使用量、使用規(guī)律、付費關系等用戶行為數(shù)據(jù)；以及用戶服務申報、安檢、投訴、建議等客戶服務數(shù)據(jù)等。

這些數(shù)據(jù)往往有一些局限，但這些數(shù)據(jù)可以結合企業(yè)外部的數(shù)據(jù)，如用戶微博信息、社交信息、商城訪問信息等，可獲取用戶風險信息、財務信息，進而判斷用戶信用等級、用戶利潤、貢獻度等，可進一步挖潛數(shù)據(jù)背后的巨大價值。

用戶畫像，又稱人群畫像，是根據(jù)客戶人口統(tǒng)計學信息、社交關系、偏好習慣和消費行為等信息而抽象出來的標簽化畫像，用戶畫像旨在通過一系列算法或規(guī)則挖掘，把用戶分成彼此相同或不同的人群或個體，進而區(qū)別化提供服務進行觀察分析，如性別比例、品牌偏好、崗位分布、社交偏好、活躍度、大客戶、新裝戶、空房戶、采暖戶、設備類型、設備數(shù)量等。

基于用戶畫像標簽實現(xiàn)精準營銷及服務推送，傳統(tǒng)服務和增值模式，采用一對多方式，無法區(qū)分用戶年齡段、日常使用喜好及個人需求，在針對群體執(zhí)行個性化服務、針對性的營銷中，成本高、準確性差。引入大數(shù)據(jù)可以根據(jù)用戶當前生命周期的重要事件，實現(xiàn)個性化的智慧服務和增值服務。如：通過數(shù)據(jù)發(fā)現(xiàn)某客戶的灶具快到期了，在用戶畫像中了解到客戶家庭收入較高，我們就可以針對性推送灶具到期更換提醒，并順便推介高檔次灶具，對企業(yè)來說，既可以增加營收，還可以降低用氣事故風險，另外還可以針對這部分用戶推出個性化的增值服務，包括滾動式安檢、設備維護保養(yǎng)、專人預約上門等。

3.1.2.   智能客服

在傳統(tǒng)的客服系統(tǒng)中，人力成本大、客服績效考核困難、客戶需求無法及時響應、客服中心工作簡單重復且同質(zhì)化嚴重等等。而依靠大數(shù)據(jù)分析和人工智能的智能客服系統(tǒng)，全方位打通了客服的溝通渠道，將客服從簡單同質(zhì)化問題中解放出來，降低了80%的人力成本、提高60%的團隊溝通效率。

大數(shù)據(jù)可以訓練和優(yōu)化人工智能，一般的客服機器人只能回答最直白的問題，但大數(shù)據(jù)可訓練和優(yōu)化人工智能知識庫，除了常規(guī)的自然語言理解啟動問答引擎外，通過內(nèi)部數(shù)據(jù)和互聯(lián)網(wǎng)數(shù)據(jù)，進行行業(yè)知識挖掘以及常見問題模型訓練，可以在一定程度上讓機器猜到用戶的問題，學會如何應對用戶各式各樣的問題，從而建立基于知識庫的問答、基于知識圖譜的問答以及開放式聊天。

智能客服能夠24小時不間斷的為客戶進行服務，隨時隨地都可進行接待，填補了人工客服在休息、假日期間的空缺，工作量更高；對于客戶的信息掌握的更加精準，可以根據(jù)提供的訪客基礎信息以及訪問信息進行預判，為客戶提供更加貼心的服務；同時，可以分析訪客所提出的問題，迅速讀取資料庫，完成共性問題的解答，最大限度的縮短了回復的時間。

3.1.3.   渠道優(yōu)化

通過大數(shù)據(jù)搜集各個客戶接觸渠道的客戶行為信息，結合客戶關系管理（Customer Relationship Management，CRM）客戶屬性和分類，對各渠道業(yè)務運行狀況和客戶服務消費偏好、熱點進行深入分析挖掘，以改善渠道用戶體驗，提升運營效率。

通過分析客戶接觸渠道的客戶行為，有效安排營業(yè)廳、微信、支付寶、APP掌廳、網(wǎng)廳等不同渠道的業(yè)務形式，如用戶通過微信、支付寶可完成90%的繳費業(yè)務，營業(yè)廳便可減少現(xiàn)場繳費窗口，節(jié)省線下成本。

對于信息化發(fā)展相對落后，用戶對于網(wǎng)上繳費的意識還不夠，公用行業(yè)大多采用增加線下的第三方代收的模式，通過大數(shù)據(jù)技術，通過分析代日常業(yè)務、人流量、人口分布，對是否需要設置第三方代收繳費網(wǎng)點、在何處設立第三方代收繳費網(wǎng)點、增加多少個繳費網(wǎng)點進行科學決策。

3.2.  運行端大數(shù)據(jù)應用

大數(shù)據(jù)應用，幫助企業(yè)監(jiān)測用量異常、用量預測、輸差管理等，提升運行安全、運行效率與周期。

3.2.1.   異常監(jiān)控與用量預測

通過有效利用數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)數(shù)據(jù)(Supervisory Control And Data Acquisition，SCADA)和已經(jīng)建設完成的用戶關系管理系統(tǒng)(Customer relationship management, CRM)、GIS地理信息系統(tǒng) (geographic information system,GIS)等信息系統(tǒng)，利用云計算和大數(shù)據(jù)分析技術打通系統(tǒng)之間的屏障，實現(xiàn)數(shù)據(jù)共享和業(yè)務系統(tǒng)集成。

對安全相關設備的狀態(tài)、用量趨勢進行監(jiān)測，對異常行為進行告警，表具一般都標有最大的工作流量，通過實時監(jiān)控分析，可監(jiān)測是否存在超負荷使用情況，用量曲線突然降低，是否存在生產(chǎn)過程設備故障的情況、用氣曲線突然增高，是否存在表后設備漏氣的情況。

對階段歷史用量數(shù)據(jù)，基于機器學習和預測模型進行分析，預測未來一段時間內(nèi)，用戶的用量趨勢，預測未來一段時間內(nèi)用戶的用量，保證重點服務用戶的燃氣供應，同時，當未來一段時間發(fā)生后，可以用實際用量和預測用量進行對比，逐步修正預測結果。

如圖2，為某燃氣公司工商戶用氣監(jiān)控及預測信息展示效果，整個圖分三個功能區(qū)域，左側(cè)列表展示管轄區(qū)域下流量計最近十分鐘瞬時流量排行，上側(cè)區(qū)域直觀呈現(xiàn)各流量計當前流量、溫度、壓力值，下側(cè)區(qū)域則以曲線形式展現(xiàn)用氣量趨勢及預測情況，通過實時監(jiān)控對比歷史數(shù)據(jù)在線分析，及時監(jiān)測篩選激增、陡減、跳躍等異常行為，進而協(xié)助業(yè)務分析是設備故障還是非法用氣，同時還展示每天及每月生產(chǎn)高峰，保證重點服務用戶的燃氣供應。

圖2  某燃氣公司工商戶用氣監(jiān)控及預測信息

3.2.2.   輸差管理與氣源調(diào)度

通過對上游門站進行抄表，對氣源采購量進行登記，實現(xiàn)氣源采購管理，通過手抄表、移動抄表（普表抄表和卡表抄表），輔以必要的用氣量估算，實現(xiàn)用氣量管理。通過輸差相關數(shù)據(jù)提供部門對輸差氣量的填報，實現(xiàn)系統(tǒng)自動出具輸差統(tǒng)計報表完善營銷管理系統(tǒng)，輔助客戶管理。最終實現(xiàn)加強企業(yè)管理，規(guī)范輸差整治，降低燃氣漏損，提高經(jīng)濟效益。

通過管網(wǎng)運行狀況數(shù)據(jù)監(jiān)控分析及調(diào)整、氣源協(xié)調(diào)、緊急情況的應急指揮，使整個輸配系統(tǒng)保持平穩(wěn)狀態(tài)。從而為用戶提供高質(zhì)量的供氣服務，減少輸配過程中的損失，最大限度延長管網(wǎng)的使用壽命，保障輸配系統(tǒng)安全運行，最終提高企業(yè)的運營效益。如：通過對同一管網(wǎng)支路上的工商戶生產(chǎn)用氣數(shù)據(jù)分析，分析多個工商戶用量在生產(chǎn)過程中，不同生產(chǎn)用氣峰值是否存在重疊。如果多個工商戶生產(chǎn)峰值重疊，可能造成氣量不足，對工商戶造成生產(chǎn)效益較低或產(chǎn)品質(zhì)量出現(xiàn)問題。通過實時監(jiān)控或歷史數(shù)據(jù)分析，調(diào)節(jié)工商戶投料時間，避開峰值，從而為工商戶生產(chǎn)提供足夠的用氣量。

4. 小結

    公用事業(yè)行業(yè)大數(shù)據(jù)挖掘應處于初步階段，基于SaaS云服務平臺的公用事業(yè)行業(yè)大數(shù)據(jù)應用，能夠統(tǒng)一、真實、有效的挖掘行業(yè)大數(shù)據(jù)，易聯(lián)云SaaS云平臺通過客戶端大數(shù)據(jù)分析應用，為用戶提供精準的增值服務、高效的在線客戶服務以及改善用戶在各渠道的服務體驗，為節(jié)省企業(yè)服務成本，創(chuàng)新企業(yè)增值業(yè)務模式，為用戶和企業(yè)帶來雙向價值；通過運行端大數(shù)據(jù)分析應用，為企業(yè)運行日常監(jiān)測管理帶來便利，保障了運行安全、運行效率與周期，為企業(yè)節(jié)省了人力物力成本。

公用事業(yè)企業(yè)大數(shù)據(jù)對于提升行業(yè)信息化管理水平，拓展新的服務模式有重要作用。目前國內(nèi)公用事業(yè)企業(yè)大數(shù)據(jù)應用尚在起步階段，數(shù)據(jù)的分析與挖掘還未有效利用，需要公用事業(yè)行業(yè)內(nèi)部及擁有先進技術的互聯(lián)網(wǎng)企業(yè)共同努力，真正發(fā)揮公用事業(yè)行業(yè)大數(shù)據(jù)價值。