多维数据在电力营销中运用

随着电力体制改革的深入，供电系统的营销管理也逐步从粗放型向集约型转变。而只有通过管理手段的创新，采用多维数据分析的一体化管理，才能实现电力部门真正意义上的集约型管理。目前，诸如自动化调度系统、售电自动化系统、用户自助服务系统等的建立，实现了电力业务的产、输、配、售信息一体化，既促进了供电系统业务的高效化，也积累了大量的业务数据。如何有效地利用这些现有的业务数据，将业务数据转化成管理数据，为供电系统电力营销工作提供服务，提高企业管理水平，是目前供电企业信息化所面临的主要问题之一。基于OLAP的多维数据联机分析处理工具BusinessObjects是一种自适应、基于服务的商务智能应用开发平台，根据实际应用需求，可集成多个BusinessObjects套件产品如：CrystalRe-portsXI、WebIntelligence、PerformanceMan-ager等。该平台在报表归类、数据查询、企业绩效等实际应用中，提供了全方位、便捷化的多维数据分析服务，能满足用户的信息需求。

1多维数据分析技术

多维数据分析技术是一种建立在OLAP基础上的高效数据分析方法，能有效地将企业数据由业务型向管理型转化，是企业提高经营管理水平的有效方法。OLAP通过多维的方式对数据进行分析、查询和报表，它不同于传统的OTLP应用。OTLP应用主要是完成用户的事务处理，通常要进行大量的更新操作，对响应时间要求比较高。而OLAP主要是对用户分析、辅助领导决策，可以进行大量的查询操作，对时间的要求不太严格。其典型的应用有对银行信用卡风险的分析与预测、公司市场营销策略的制度建设等。多维数据分析技术的核心是“维”，即用户根据经营管理信息需求，从多个现实世界角度观察数据，并对数据进行相应处理，从而获得有用信息的方法。多维数据分析基本分析操作有钻取、切片、切块、旋转，它让用户能同步快速、高效灵活地掌握从总体到局部的企业经营情况，将企业运营的隐藏信息直观呈现给用户。根据多维数据分析技术的基本定义及原理，在供电系统电力营销中运用BusinessObjects平台进行的多维数据分析，有如下特点：

（1）多维性：这是多维数据分析技术标志性特点，可以从分析维中分支出时间维、地区维、类别维等多个维度面。如对售电量的展现，可以从时间维中的年、季、月、周、日时间层次上查看。

（2）可析性：从不同角度对数据进行平均值、差距值、数排序、汇总、记录限定等处理，提供给用户强大的数据汇总、即时查询等数据分析能力。

（3）同步性：体现了用户对信息在时间上的要求。包含对多维数据分析结果同步快速获得的要求，而且使多维数据分析能实时、适时地接收用户数据。

（4）安全性：保障信息安全，防止欺诈用户。用户分级管理,数据分析结果只提供给相关用户使用，多个用户使用同一分析时，依据用户所属安全级别查看相应层次的信息。

（5）扩展性：即具有后期增加服务功能。对各用户分析需求实行模块化管理,后期新增功能，通过积木式拼装或授权实现，并能随时对已有分析进行数据观看维度更改。

2多维数据分析技术工作过程

供电系统的大电网是从原有的小电网多次联网形成的，基本按原有区块规划营业机构，电力营销基础业务数据全部集中于各地市的信息系统中。在电力营销中应用多维数据分析技术时，数据处理流程如图2.1所示。

图2.1多维数据分析流程

按图示中各分局或营业站的信息管理系统所采集的业务数据以不同方式存放于各自系统的数据库中，经过数据抽取、转换、清洗、装载过程，汇总到供电系统的数据仓库中，或直接将多维分析所需数据迁移到平台数据库。数据迁移完成之后,由数据分析人员分析源数据结构，再根据电力营销管理决策支持需求，确立多维数据分析目标，构建多维数据模型。最后根据具体应用要求，对度量对象进行逻辑、统计等方面的数据处理，最后运用直观易理解的图表进行数据展现，完成分析目标，实现多维数据分析。

多维数据分析方式主要有如下：

（1）排序分析法：将可比较对象的各种指标按照一定的规则进行排序对比。这种方法有利于了解和分析在各种限定情况下的对象排名情况，方便进行有针对性的分析和方案实施，可分为正序排列、逆序排列、有限制数目排序（也称TOP一N分析法）和无限制数目排序，这些排序可混合使用。如想找出用电量居前十的电力企业，采用限制数目为10的正序排列方式，对用电量进行排序，这样可以让分析人员迅速了解用电量居前十的电力客户的情况。

（2）结构分析法：也称比重分析法，是计算某项经济指标各项组成部分占总体的比重，分析其内容构成的变化，从中掌握数据的特点和变化趋势，为电力营销决策提供参照。其计算公式为:结构相对数=部分÷总体×100%，此法通常采用饼图和曲线图直观展现。

（3）贡献率法：贡献率即某因素带来的对增速影响的百分点，是分析经济效益的一个指标，该指标经常应用在增长分析中以及影响因素分析中，并且提供直观易懂的查询结果，其计算公式为：贡献率=某因素贡献量（增量或增长程度）/总贡献量（总增量或增长程度）×l00%。

（4）预测算法：共分多元线性回归法、时间序列法、多元回归分析法，三者都是多维数据分析的科学预测方法，用于预测随机事件的数据分析工具。由于简单实用，已在各预测领域广泛应用。以上三种科学预测方法都可用于电量预测，根据实际数据进行模型选择及调整，并确定模型的参数进行预测。

3多维数据分析技术的体系结构

多维数据分析系统平台上分多个功能模块，实现多维数据分析功能。基于BusinessObjects平台开发的多维数据分析系统，是一种多用户的B/S结构系统，如图2所示，主要分数据源、服务器、用户端。图2多维数据分析系统体系结构

（1）数据源：作为多维数据分析的数据来源，可以是原始的业务数据库或业务数据报表，也可以是经过数据预处理的数据仓库。在大电网环境中，已有的业务数据将作为主要的分析数据来源，在某些营销管理分析需求中，需要重构数据源，来完成多维数据分析应用。

（2）多维数据分析服务：由BusinessObjects平台和电力营销综合分析平台共同提供多维数据分析服务，包括BusinessObjects各套件产品服务器及其管理服务器，如报表应用程序服务器、程序作业服务器、中央管理服务器等，各服务器为相应的多维数据分析提供服务。电力营销综合分析平台，是为了与现有的营销信息管理系统集成及得到更灵活、友好的用户界面，重新开发或在已有的营销综合分析平台上，将多维数据分析进行功能集成，即利用BusinessObjects平台提供的对外接口，在Java或net平台开发环境中，调用多维数据分析的应用程序接口，自定义多维数据分析应用界面。

（3）用户端：用户在本地计算机上利用网页浏览器作为多维数据分析系统的客户端，进行远程访问，方面快捷查阅客户基本信息、抄表情况信息、账单信息等。4多维数据分析系统的构建与功能实现多维数据分析系统在BusinessObjects平台中利用Designer工具来完成多维数据模型构建。

首先，在Designer中建立数据源的连接,从中提取二维表，构建派生表来获取所需业务数据。然后，根据所获取的原生表或派生表数据相互关系，建立相应的查询关联，最终得到业务数据结构模型。

在业务数据模型的建立过程中，需要适当地建立表别名及查询上下文，解决环路、断层陷阱、扇形陷阱等问题，提高多维数据分析时数据处理效率。业务数据结构模型的建立，有助于更好地理解业务，是多维数据模型构建的基础。在Designer工具中根据已有业务数据结构模型，将所需的数据观察角度，如企业组织机构、地区、时间等构建成多维数据模型维度，将所需观察的数据对象构建成多维数据模型度量，建立多维数据模型，供多维数据展现使用。多维数据模型的建立，为用户提供更方便、更集中的数据视角，让用户更加易于查找庞大业务数据中的有用信息，找出企业经营规律，辅助提高管理水平。

多维数据分析功能的实现是根据分析目标，确定数据观察角度和数据观察对象，找出最有效的信息展现，完成多维数据分析功能的实现。如对电费结余情况的多维数据分析中，选取列表及曲线图,作为电费结余情况的信息展现，管理者可详细查询每日每时段的电费结余情况。另外，用户可根据需要选择有效的维及维的对象值来查看数据，而数据对象则根据用户的选择，进行相应维层次上的汇总、对比等处理。在各汇总数据点上，通过建立超链接，可以让用户进入下级详细数据，进一步了解该汇总数据的具体组成，得出对比信息。供电系统多维数据分析在功能上是相对独立的，在现有的电力营销信息管理系统中，可以作为新增功能被集成调用，完成多维数据分析在电力营销中的最终应用。

5结束语

总之，电力营销管理工作是不断发展的，相同营销管理对象在不同时间、不同地点，对于不同管理者，所需的信息观看角度、信息展现方式都会不同。又由于多维数据分析、数据存储技术及信息展现方法等方面的不断发展，多维数据分析在电力营销管理中的应用也将是一个长期的过程，需要根据应用需求的变化不断进行改进和完善。