易聯(lián)云 張海俊 徐海洋 劉苗

來(lái)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(yīng)用存在的主要問(wèn)題，介紹軟件服務(wù)化(Software as a Service, SaaS) 云平臺(tái)的價(jià)值，及大數(shù)據(jù)平臺(tái)架構(gòu)及功能特點(diǎn),探討行業(yè)大數(shù)據(jù)在客戶端增值服務(wù)、智能客服、服務(wù)渠道優(yōu)化，及生產(chǎn)運(yùn)行中異常監(jiān)控、用量預(yù)測(cè)、輸差管理等多方位的應(yīng)用場(chǎng)景，幫助企業(yè)更好的服務(wù)于客戶，更智能的進(jìn)行設(shè)備運(yùn)行管理。

關(guān)鍵詞：大數(shù)據(jù)應(yīng)用  公用事業(yè)行業(yè)  SaaS云服務(wù)

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(yīng)用中的問(wèn)題

“互聯(lián)網(wǎng)+”時(shí)代，公用事業(yè)行業(yè)面臨全新的競(jìng)爭(zhēng)挑戰(zhàn)，企業(yè)需要把自身的特點(diǎn)和“互聯(lián)網(wǎng)+”相結(jié)合。通過(guò)“大數(shù)據(jù)”技術(shù)，可以不斷提升企業(yè)工作效率并優(yōu)化業(yè)務(wù)運(yùn)作模式，提供更高質(zhì)量的服務(wù)、創(chuàng)造新的增值價(jià)值增長(zhǎng)點(diǎn)。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(jià)值的洞見(jiàn)。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(chǔ)的起步階段，大數(shù)據(jù)價(jià)值挖掘分析只有少數(shù)嘗試。

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

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

(2)  企業(yè)內(nèi)部信息系統(tǒng)彼此割裂，業(yè)務(wù)數(shù)據(jù)有待融合。信息化建設(shè)往往立足在各項(xiàng)業(yè)務(wù)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(guān)聯(lián)性和融合性。

(3)  缺乏統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)和服務(wù)流程。數(shù)據(jù)平臺(tái)的建設(shè)標(biāo)準(zhǔn)和規(guī)范不統(tǒng)一，內(nèi)部服務(wù)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(tái)融合。

2. SaaS云平臺(tái)模式下的行業(yè)大數(shù)據(jù)挖掘

2.1.  SaaS云服務(wù)平臺(tái)價(jià)值

作為公用事業(yè)行業(yè)信息化服務(wù)提供商，金卡智能旗下易聯(lián)云計(jì)算（杭州）有限責(zé)任公司(以下簡(jiǎn)成易聯(lián)云)，通過(guò)建立行業(yè)端到端一體化SaaS云服務(wù)平臺(tái)，將企業(yè)各系統(tǒng)遷移到云上，基于統(tǒng)一規(guī)范的服務(wù)平臺(tái)，對(duì)外聯(lián)接客戶、員工、在線設(shè)備及合作伙伴，對(duì)內(nèi)形成企業(yè)大數(shù)據(jù)。最終通過(guò)企業(yè)統(tǒng)一、真實(shí)、有效的數(shù)據(jù)信息，進(jìn)行多方位的數(shù)據(jù)價(jià)值轉(zhuǎn)化。

在大數(shù)據(jù)平臺(tái)下，完成各系統(tǒng)和數(shù)據(jù)的集成，保障各系統(tǒng)間的關(guān)聯(lián)性和融合性，讓所有業(yè)務(wù)數(shù)據(jù)可以歸結(jié)到統(tǒng)一的大數(shù)據(jù)業(yè)務(wù)分析中；數(shù)據(jù)平臺(tái)的建設(shè)標(biāo)準(zhǔn)和規(guī)范一致，從管網(wǎng)的設(shè)計(jì)、實(shí)施鋪設(shè)到巡檢維護(hù)操作、到終端用戶設(shè)備安裝和收計(jì)費(fèi)服務(wù)，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(biāo)準(zhǔn)，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(tái)融合；統(tǒng)一云服務(wù)平臺(tái)中，有效采集匯總用戶基礎(chǔ)信息數(shù)據(jù)，并在此基礎(chǔ)上實(shí)現(xiàn)用戶數(shù)據(jù)分析，為用戶的行為分析提供有效基礎(chǔ)信息數(shù)據(jù)累計(jì)。

2.2.  易聯(lián)云大數(shù)據(jù)平臺(tái)架構(gòu)

2.2.1.   大數(shù)據(jù)平臺(tái)架構(gòu)圖

易聯(lián)云大數(shù)據(jù)平臺(tái)以華為基礎(chǔ)服務(wù)為支撐，基于分布式計(jì)算、存儲(chǔ)框架，面向公共事業(yè)不同價(jià)值的數(shù)據(jù)源，通過(guò)集成、存儲(chǔ)、建模、分析、挖掘等大數(shù)據(jù)技術(shù)，在保障公共事業(yè)數(shù)據(jù)安全前提下，進(jìn)行整體的大數(shù)據(jù)技術(shù)整合，如圖1所示，為易聯(lián)云大數(shù)據(jù)架構(gòu)圖

圖1  易聯(lián)云大數(shù)據(jù)架構(gòu)圖

平臺(tái)提供全面的數(shù)據(jù)集成能力、海量數(shù)據(jù)存儲(chǔ)能力、全面數(shù)據(jù)批量及實(shí)時(shí)計(jì)算分析能力、并且通過(guò)多種途徑、多種方式對(duì)外提供數(shù)據(jù)服務(wù)，實(shí)現(xiàn)數(shù)據(jù)的可利用化、價(jià)值化從而達(dá)到數(shù)據(jù)服務(wù)于公共事業(yè)的每一個(gè)場(chǎng)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(shí)時(shí)、增量式的集成、支持海量結(jié)構(gòu)化或非結(jié)構(gòu)化的數(shù)據(jù)集成。

實(shí)時(shí)數(shù)據(jù)接入提供云服務(wù)外的數(shù)據(jù)實(shí)時(shí)傳輸?shù)皆品?wù)內(nèi)的能力，使用華為實(shí)時(shí)流接入（Data Ingestion Service，DIS）及開(kāi)源消息隊(duì)列Kafka對(duì)接第三方的采集工具，通過(guò)API接口把生產(chǎn)者產(chǎn)生的數(shù)據(jù)實(shí)時(shí)添加到消息隊(duì)列通道中，并讓消費(fèi)者應(yīng)用程序獲取并進(jìn)行實(shí)時(shí)分析，從而在數(shù)分鐘內(nèi)從數(shù)據(jù)中獲得重要見(jiàn)解，而無(wú)需數(shù)小時(shí)或數(shù)天時(shí)間，數(shù)據(jù)接入服務(wù)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(diǎn)擊流、社交媒體源等。

離線數(shù)據(jù)遷移（Cloud Data Migration，CDM）提供同構(gòu)/異構(gòu)數(shù)據(jù)源之間批量數(shù)據(jù)遷移服務(wù)能力，可將線下第三方系統(tǒng)、云平臺(tái)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(tái)，利用大數(shù)據(jù)平臺(tái)對(duì)海量數(shù)據(jù)分析處理，將結(jié)果數(shù)據(jù)回流到本地業(yè)務(wù)系統(tǒng)，實(shí)現(xiàn)數(shù)據(jù)價(jià)值的挖掘，數(shù)據(jù)遷移服務(wù)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(chǎng)景，讓數(shù)據(jù)自動(dòng)流動(dòng)。

②   數(shù)據(jù)存儲(chǔ)：

提供分布式存儲(chǔ)能力，實(shí)現(xiàn)PB級(jí)別（petabyte,較高級(jí)的存儲(chǔ)單位）結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)，并提供列式數(shù)據(jù)庫(kù)存儲(chǔ)，根據(jù)不同的應(yīng)用場(chǎng)景，采取合理、安全、有效的方式將不同熱度的數(shù)據(jù)存儲(chǔ)不同存儲(chǔ)空間，當(dāng)并能保證有效的訪問(wèn)，易聯(lián)云大數(shù)據(jù)平臺(tái)數(shù)據(jù)存儲(chǔ)包括如下：

HBase數(shù)據(jù)庫(kù)是一個(gè)分布式的、面向列的開(kāi)源數(shù)據(jù)庫(kù)，是一個(gè)高可靠性、高性能、面向列、可伸縮的分布式儲(chǔ)存系統(tǒng)，公共事業(yè)可將大量的終端采集數(shù)據(jù)儲(chǔ)存在HBase中，以支持PB級(jí)別的數(shù)據(jù)存儲(chǔ)和毫秒級(jí)的數(shù)據(jù)詳單查詢，實(shí)現(xiàn)實(shí)時(shí)的交互式查詢。

對(duì)象存儲(chǔ)服務(wù)（Object Store Service，OBS），華為基于對(duì)象的海量存儲(chǔ)服務(wù)，提供超大存儲(chǔ)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(kāi)發(fā)者使用，OBS提供三種存儲(chǔ)類型（標(biāo)準(zhǔn)、低頻訪問(wèn)、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(tái)選用OBS存儲(chǔ)，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(jiǎn)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(duì)規(guī)模巨大的數(shù)據(jù)進(jìn)行分析計(jì)算的過(guò)程，包括對(duì)流式數(shù)據(jù)實(shí)時(shí)分析，歷史數(shù)據(jù)的批量分析及相關(guān)的機(jī)器學(xué)習(xí)算法模型等。

實(shí)時(shí)流分析（Cloud Stream Service, CS），是運(yùn)行在公有云上的實(shí)時(shí)流式大數(shù)據(jù)分析服務(wù)，支持大規(guī)模集群計(jì)算，集群彈性伸縮，具有高吞吐低時(shí)延特點(diǎn)。提供數(shù)據(jù)實(shí)時(shí)分析的能力，可在線SQL編平臺(tái)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(shí)現(xiàn)業(yè)務(wù)邏輯。

歷史數(shù)據(jù)統(tǒng)計(jì)，通過(guò)MRS服務(wù)（MapReduce Service，MRS）提供的Spark、及MapReduce組件對(duì)海量數(shù)據(jù)進(jìn)行分析計(jì)算，MRS是一個(gè)用于海量數(shù)據(jù)的管理和分析的虛擬化服務(wù)，其集開(kāi)源的Hadoop、Spark、Hive等大數(shù)據(jù)組件，可以在集群內(nèi)進(jìn)行MapReduce、Spark和Hive作業(yè)，對(duì)數(shù)據(jù)進(jìn)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(duì)象存儲(chǔ)服務(wù)，保證數(shù)據(jù)的完整性和機(jī)密性。

機(jī)器學(xué)習(xí)服務(wù)(Machine Learning Service，MLS)，是一數(shù)據(jù)挖掘分析服務(wù)，通過(guò)機(jī)器學(xué)習(xí)技術(shù)發(fā)現(xiàn)已有數(shù)據(jù)中的規(guī)律，從而創(chuàng)建機(jī)器學(xué)習(xí)模型，并基于機(jī)器學(xué)習(xí)模型處理新的數(shù)據(jù)，為業(yè)務(wù)應(yīng)用生成預(yù)測(cè)結(jié)果。

④   數(shù)據(jù)接口：

通過(guò)統(tǒng)一標(biāo)準(zhǔn)的應(yīng)用程序編程接口（Application Programming Interface，API），對(duì)外部系統(tǒng)提供數(shù)據(jù)接口服務(wù)，如：根據(jù)分析結(jié)果實(shí)現(xiàn)動(dòng)態(tài)調(diào)整人力、物力、財(cái)力之間的配置，實(shí)現(xiàn)移峰填谷、智能維護(hù)運(yùn)營(yíng)，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(yù)防等方面對(duì)整個(gè)企業(yè)的運(yùn)行進(jìn)行動(dòng)態(tài)調(diào)控等。

2.2.2.   大數(shù)據(jù)基礎(chǔ)環(huán)境

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

3. SaaS云平臺(tái)模式下的行業(yè)大數(shù)據(jù)應(yīng)用

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

3.1.  客戶端大數(shù)據(jù)應(yīng)用

3.1.1.   增值服務(wù)

公用事業(yè)企業(yè)在向用戶提供天然氣、自來(lái)水、電等基礎(chǔ)服務(wù)過(guò)程中，積累的大量的業(yè)務(wù)數(shù)據(jù)，包含用戶名、用戶性質(zhì)、地址、電話、家庭人數(shù)、購(gòu)買燃?xì)猱a(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(fèi)關(guān)系等用戶行為數(shù)據(jù)；以及用戶服務(wù)申報(bào)、安檢、投訴、建議等客戶服務(wù)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(jié)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(wèn)信息等，可獲取用戶風(fēng)險(xiǎn)信息、財(cái)務(wù)信息，進(jìn)而判斷用戶信用等級(jí)、用戶利潤(rùn)、貢獻(xiàn)度等，可進(jìn)一步挖潛數(shù)據(jù)背后的巨大價(jià)值。

用戶畫像，又稱人群畫像，是根據(jù)客戶人口統(tǒng)計(jì)學(xué)信息、社交關(guān)系、偏好習(xí)慣和消費(fèi)行為等信息而抽象出來(lái)的標(biāo)簽化畫像，用戶畫像旨在通過(guò)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(gè)體，進(jìn)而區(qū)別化提供服務(wù)進(jìn)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(shè)備類型、設(shè)備數(shù)量等。

基于用戶畫像標(biāo)簽實(shí)現(xiàn)精準(zhǔn)營(yíng)銷及服務(wù)推送，傳統(tǒng)服務(wù)和增值模式，采用一對(duì)多方式，無(wú)法區(qū)分用戶年齡段、日常使用喜好及個(gè)人需求，在針對(duì)群體執(zhí)行個(gè)性化服務(wù)、針對(duì)性的營(yíng)銷中，成本高、準(zhǔn)確性差。引入大數(shù)據(jù)可以根據(jù)用戶當(dāng)前生命周期的重要事件，實(shí)現(xiàn)個(gè)性化的智慧服務(wù)和增值服務(wù)。如：通過(guò)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(duì)性推送灶具到期更換提醒，并順便推介高檔次灶具，對(duì)企業(yè)來(lái)說(shuō)，既可以增加營(yíng)收，還可以降低用氣事故風(fēng)險(xiǎn)，另外還可以針對(duì)這部分用戶推出個(gè)性化的增值服務(wù)，包括滾動(dòng)式安檢、設(shè)備維護(hù)保養(yǎng)、專人預(yù)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(jī)效考核困難、客戶需求無(wú)法及時(shí)響應(yīng)、客服中心工作簡(jiǎn)單重復(fù)且同質(zhì)化嚴(yán)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(jiǎn)單同質(zhì)化問(wèn)題中解放出來(lái)，降低了80%的人力成本、提高60%的團(tuán)隊(duì)溝通效率。

大數(shù)據(jù)可以訓(xùn)練和優(yōu)化人工智能，一般的客服機(jī)器人只能回答最直白的問(wèn)題，但大數(shù)據(jù)可訓(xùn)練和優(yōu)化人工智能知識(shí)庫(kù)，除了常規(guī)的自然語(yǔ)言理解啟動(dòng)問(wèn)答引擎外，通過(guò)內(nèi)部數(shù)據(jù)和互聯(lián)網(wǎng)數(shù)據(jù)，進(jìn)行行業(yè)知識(shí)挖掘以及常見(jiàn)問(wèn)題模型訓(xùn)練，可以在一定程度上讓機(jī)器猜到用戶的問(wèn)題，學(xué)會(huì)如何應(yīng)對(duì)用戶各式各樣的問(wèn)題，從而建立基于知識(shí)庫(kù)的問(wèn)答、基于知識(shí)圖譜的問(wèn)答以及開(kāi)放式聊天。

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

3.1.3.   渠道優(yōu)化

通過(guò)大數(shù)據(jù)搜集各個(gè)客戶接觸渠道的客戶行為信息，結(jié)合客戶關(guān)系管理（Customer Relationship Management，CRM）客戶屬性和分類，對(duì)各渠道業(yè)務(wù)運(yùn)行狀況和客戶服務(wù)消費(fèi)偏好、熱點(diǎn)進(jìn)行深入分析挖掘，以改善渠道用戶體驗(yàn)，提升運(yùn)營(yíng)效率。

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

對(duì)于信息化發(fā)展相對(duì)落后，用戶對(duì)于網(wǎng)上繳費(fèi)的意識(shí)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(guò)大數(shù)據(jù)技術(shù)，通過(guò)分析代日常業(yè)務(wù)、人流量、人口分布，對(duì)是否需要設(shè)置第三方代收繳費(fèi)網(wǎng)點(diǎn)、在何處設(shè)立第三方代收繳費(fèi)網(wǎng)點(diǎn)、增加多少個(gè)繳費(fèi)網(wǎng)點(diǎn)進(jìn)行科學(xué)決策。

3.2.  運(yùn)行端大數(shù)據(jù)應(yīng)用

大數(shù)據(jù)應(yīng)用，幫助企業(yè)監(jiān)測(cè)用量異常、用量預(yù)測(cè)、輸差管理等，提升運(yùn)行安全、運(yùn)行效率與周期。

3.2.1.   異常監(jiān)控與用量預(yù)測(cè)

通過(guò)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(shè)完成的用戶關(guān)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(jì)算和大數(shù)據(jù)分析技術(shù)打通系統(tǒng)之間的屏障，實(shí)現(xiàn)數(shù)據(jù)共享和業(yè)務(wù)系統(tǒng)集成。

對(duì)安全相關(guān)設(shè)備的狀態(tài)、用量趨勢(shì)進(jìn)行監(jiān)測(cè)，對(duì)異常行為進(jìn)行告警，表具一般都標(biāo)有最大的工作流量，通過(guò)實(shí)時(shí)監(jiān)控分析，可監(jiān)測(cè)是否存在超負(fù)荷使用情況，用量曲線突然降低，是否存在生產(chǎn)過(guò)程設(shè)備故障的情況、用氣曲線突然增高，是否存在表后設(shè)備漏氣的情況。

對(duì)階段歷史用量數(shù)據(jù)，基于機(jī)器學(xué)習(xí)和預(yù)測(cè)模型進(jìn)行分析，預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)，用戶的用量趨勢(shì)，預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)用戶的用量，保證重點(diǎn)服務(wù)用戶的燃?xì)夤?yīng)，同時(shí)，當(dāng)未來(lái)一段時(shí)間發(fā)生后，可以用實(shí)際用量和預(yù)測(cè)用量進(jìn)行對(duì)比，逐步修正預(yù)測(cè)結(jié)果。

如圖2，為某燃?xì)夤竟ど虘粲脷獗O(jiān)控及預(yù)測(cè)信息展示效果，整個(gè)圖分三個(gè)功能區(qū)域，左側(cè)列表展示管轄區(qū)域下流量計(jì)最近十分鐘瞬時(shí)流量排行，上側(cè)區(qū)域直觀呈現(xiàn)各流量計(jì)當(dāng)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(shì)及預(yù)測(cè)情況，通過(guò)實(shí)時(shí)監(jiān)控對(duì)比歷史數(shù)據(jù)在線分析，及時(shí)監(jiān)測(cè)篩選激增、陡減、跳躍等異常行為，進(jìn)而協(xié)助業(yè)務(wù)分析是設(shè)備故障還是非法用氣，同時(shí)還展示每天及每月生產(chǎn)高峰，保證重點(diǎn)服務(wù)用戶的燃?xì)夤?yīng)。

圖2  某燃?xì)夤竟ど虘粲脷獗O(jiān)控及預(yù)測(cè)信息

3.2.2.   輸差管理與氣源調(diào)度

通過(guò)對(duì)上游門站進(jìn)行抄表，對(duì)氣源采購(gòu)量進(jìn)行登記，實(shí)現(xiàn)氣源采購(gòu)管理，通過(guò)手抄表、移動(dòng)抄表（普表抄表和卡表抄表），輔以必要的用氣量估算，實(shí)現(xiàn)用氣量管理。通過(guò)輸差相關(guān)數(shù)據(jù)提供部門對(duì)輸差氣量的填報(bào)，實(shí)現(xiàn)系統(tǒng)自動(dòng)出具輸差統(tǒng)計(jì)報(bào)表完善營(yíng)銷管理系統(tǒng)，輔助客戶管理。最終實(shí)現(xiàn)加強(qiáng)企業(yè)管理，規(guī)范輸差整治，降低燃?xì)饴p，提高經(jīng)濟(jì)效益。

通過(guò)管網(wǎng)運(yùn)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(yīng)急指揮，使整個(gè)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(wù)，減少輸配過(guò)程中的損失，最大限度延長(zhǎng)管網(wǎng)的使用壽命，保障輸配系統(tǒng)安全運(yùn)行，最終提高企業(yè)的運(yùn)營(yíng)效益。如：通過(guò)對(duì)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(gè)工商戶用量在生產(chǎn)過(guò)程中，不同生產(chǎn)用氣峰值是否存在重疊。如果多個(gè)工商戶生產(chǎn)峰值重疊，可能造成氣量不足，對(duì)工商戶造成生產(chǎn)效益較低或產(chǎn)品質(zhì)量出現(xiàn)問(wèn)題。通過(guò)實(shí)時(shí)監(jiān)控或歷史數(shù)據(jù)分析，調(diào)節(jié)工商戶投料時(shí)間，避開(kāi)峰值，從而為工商戶生產(chǎn)提供足夠的用氣量。

4. 小結(jié)

    公用事業(yè)行業(yè)大數(shù)據(jù)挖掘應(yīng)處于初步階段，基于SaaS云服務(wù)平臺(tái)的公用事業(yè)行業(yè)大數(shù)據(jù)應(yīng)用，能夠統(tǒng)一、真實(shí)、有效的挖掘行業(yè)大數(shù)據(jù)，易聯(lián)云SaaS云平臺(tái)通過(guò)客戶端大數(shù)據(jù)分析應(yīng)用，為用戶提供精準(zhǔn)的增值服務(wù)、高效的在線客戶服務(wù)以及改善用戶在各渠道的服務(wù)體驗(yàn)，為節(jié)省企業(yè)服務(wù)成本，創(chuàng)新企業(yè)增值業(yè)務(wù)模式，為用戶和企業(yè)帶來(lái)雙向價(jià)值；通過(guò)運(yùn)行端大數(shù)據(jù)分析應(yīng)用，為企業(yè)運(yùn)行日常監(jiān)測(cè)管理帶來(lái)便利，保障了運(yùn)行安全、運(yùn)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(duì)于提升行業(yè)信息化管理水平，拓展新的服務(wù)模式有重要作用。目前國(guó)內(nèi)公用事業(yè)企業(yè)大數(shù)據(jù)應(yīng)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(jìn)技術(shù)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(jià)值。