能源企业大数据转型的“杠杆”

作为中国乃至全球最大的公用事业单位，国家电网公司这一电力行业龙头承担着极其巨大的业务量与发展压力。根据日前发布的《国家电网2016社会责任报告》，国家电网公司经营区域覆盖超过88%的国土面积，供电人口超11亿，用工总量达一百多万人，规模超过了全球电企排行中位于其后的德国意昂电力、意大利国家电力与法国电力的总和。

空前庞大的体量为国家电网带来了海量的业务数据，也使业务管理的复杂性和效率提升的难度达到了一个空前的高度。当前，经济发展进入新常态，能源格局出现新变化，电力体制面临新改革，如何有效利用这些数据进行优化管理、解决问题、洞察机遇、创造价值，成为摆在国家电网面前的重要课题。

2012年5月，国家电网总部设立运营监测（控）中心（以下简称“运监中心”），通过对基础数据和业务信息的分析监测，为业务管理和运营决策提供支撑。作为一项从零起步的业务，电力运监在国内外都没有能够直接借鉴的经验。作为重点省份之一，浙江电力运监中心经过近5年的摸索与尝试，凭借对海量数据的深入探索和对大数据分析技术的有效利用，构建了百余项具体专题，获取数据数亿条，发现各类问题或风险数万个，涉及金额达到数亿元，成为国家电网数据分析与应用的标杆单位。

浙江电力是如何一步步从如此庞大的数据体量中挖掘出价值，并有效运用于提升企业运行效率？对此，浙江电力运监分析处处长夏洪涛接受了采访，并分享了运监部门在大数据分析领域的探索与经验。

一、数据分析：撬动数据价值的“杠杆”

电力作为国家基础行业之一，本身具有庞大的业务数据体量，不过大多数人对这一体量并无具体的概念。据夏洪涛介绍，电力系统从电能生产、客户购电，到电能销售、电力传输，再到企事业单位用电、电力设备故障，每个环节都涉及到大量业务数据。“设备状态、故障及检修、电力调度运行、客户营销、用电量，甚至各地的95598热线报修工单，都有大量的数据被收集和汇总，每类数据基本都是TB级以上，而且随着业务持续开展还在不断增加。”

然而海量数据的收集并不能直接转化为价值，这些数据在很长一段时间内只能作为历史记录堆积在系统中，难以发挥应有的作用。对此，夏洪涛坦言，在早期缺乏对数据价值的深入分析挖掘，数据资产在公司经营决策和日常管理中发挥的作用不大，“定量的分析往往依靠传统报表和人工判断，用于决策和预测的准确率有待提高。”

在运监中心成立之后，这种情况迎来了转机。夏洪涛表示，随着运监中心对数据分析工作的深入探索，数据资产开始在电力系统各环节中发挥越来越大的作用，展现出巨大的应用价值。2015年以来，浙江电力运监中心开启了“运监业务主题库”体系的建设，先后在全省11个地市形成了一百多项分析专题，涉及人资、财务、建设、调度、运检等多个专业，取得了数十项数据试点工程的分析成果，得到了来自各地市单位的广泛关注和认可（具体成果已汇总为《数说电网运营》一书公开出版）。夏洪涛认为，对于一个企业来说，如果数据是极具价值的“支点”，那数据分析无异于发挥支点作用、撬动企业升级转型的“杠杆”：“没有有效的分析，数据就没有办法体现价值。”

二、数据分析如何做好“杠杆”：问题识别、风险管控、辅助决策

数据分析是如何起到“杠杆”作用的？夏洪涛具体介绍了“运监业务主题库”中的一些应用案例。据介绍，“运监业务主题库”是一套常态运行的数据分析体系，从问题识别（主动感知）、风险管控（主动预防）、辅助决策（主动参谋）等目标出发，不断收集数据分析线索，紧密结合企业经营管理中的重点、难点、痛点，从全局视角提炼数据价值挖掘的方向，在这一基础上通过数据分析技术实现问题的解决与业务的提升。“哪些地方容易停电？是什么原因？电网是否需要扩容？抢修能力如何提升？类似这些需求，都为数据创造价值提供了方向。在这些方向上，通过选取适当的数据开展分析计算，为决策管理人员提供了‘千里眼、顺风耳、预警机、铁算盘’。”通过“运监业务主题库”建设，运监中心得以不断挖掘出电力数据中蕴含的丰富价值。

问题识别（主动感知），是指已经存在或正在发生，并对经营管理产生负面影响的问题，主要服务于执行层，很多在以往工作中容易忽略或无法下手的问题会在这一层面的数据分析中看出端倪。

夏洪涛举例称，在供电业务扩展（简称“业扩”）过程中，会有很多用户新装、增容需求的业扩工单被中途停止并直接归档，往常很难从其中看出什么规律。在“运监业务主题库”建设过程中，对某地业扩工单流程终止原因进行归类统计，通过数据分析提取了流程终止原因与地域分布的关联关系，并同电网GIS地理信息相结合比对后，发现了一些以前被忽略或管理人员不了解的问题，比如当地某区域呈现出大量业扩流程终止的情况，而该区域四周有高压线路围绕，区域内负荷中心却没有主干线路深入，造成负荷由周边的公用配变承担，引起周边公变的超重载情况，因而造成了用户业扩报装受限。当地电力系统随后将此区域设定为急需加强配网建设的供电受限重点区域，并开展了针对性的配网改造。

夏洪涛称，“数据分析的目的之一，就是确保我们能够看见本该看见、需要看见却没有看见的问题。” 以前的监测分析，分析对象集中在以报表为主的汇总性、结果性、经验性的指标数据，无法对大量明细数据进行离线和在线分析计算，对非结构化数据更是无能为力，严重影响通过数据洞察业务的能力。有了数据分析的‘千里眼、顺风耳’，就能够察觉到很多以前没办法发现的问题，形成很多解决问题的思路。

风险管控（主动预防），是指预测即将发生或有较大概率发生问题的风险和隐患，以及有扩大趋势的问题，主要用于管理层的提前预警和管控经营风险，一个典型的范例就是电力系统的电费回收。

作为能源企业，电费回收是电力系统的重要收入来源，也是其维持生产和发展的重要保障。一直以来，电力供应与价值交换的主要形式是先用电、后付费，然而由于保障制度尚不完善，部分电力客户法律意识薄弱，个别客户故意拖欠电费、恶意逃脱电费的现象时有发生。对于这些客户的识别与差异化催收工作，已经成为一个摆在供电企业面前的挑战性课题。根据夏洪涛介绍，对于客户欠费概率预测，早期主要依靠人工判断和简单加权计算，然而极低的准确率导致这一结果几乎无法应用于电费催缴和回收工作。

“运监业务主题库”建设过程中，对浙江某地区数十万客户的档案信息、用电行为、缴费行为、增减容行为、违约行为、客服记录以及行业特征、外部环境等多个维度共计数千万条数据进行分析，通过机器学习，识别构建客户欠费行为与客户特征、客户行为、行业趋势、外部因素的关联关系，并用于构建预测模型。

“最初我们预期数据分析能够将预测准确率提升到60%-70%，那已经很不错了，”夏洪涛说。事实上，经过定量计算并建立电费风险预测模型，对当地大客户的欠费概率进行预测，预测命中率几乎达到了90%，远超预期结果；同时发现了大量未察觉的业务规律和管理盲点。对此，当地电力公司营销部门针对性地对相关客户采取了应对措施，有效降低了电费回收风险。

这种对于潜在风险的监测、分析和预判，有效减少了事后发现问题、寻找原因的损失，成为提前预测和识别潜在风险的“预警机”。

在感知与预防之上，是对企业运营的辅助决策（主动参谋），即对可能提升公司经营效果的业务空间或管理措施进行分析和评估，为经营管理者提供决策参谋。与具体问题的感知和预防相比，这一角度会在更大层面上影响企业的决策和业务变革方向。

夏洪涛以配网（以电力传输设施等构成的配电网）的投资决策为例，介绍了数据“热力图”如何辅助电力企业决策的。据介绍，某试点供电公司将配网投资项目细化到台区（一台变压器的供电范围），并结合该区域的历史项目、故障工单、停电次数和设备状态数据，经过数据匹配关联，建立起配网投资评价模型。该体系将服务热线工单、设备状态、项目投资等数据以热力图形式在配网GIS地理信息图上展示，实现区域电力资源和和运行状态的可视化，通过数据对比分析，使投资决策者更容易发现配网薄弱点和投资需求点，并以此为依据对配网建设投资决策做出参考，初步做到了“用数据说话，用数据决策”，为经营决策提供了一个直观有效“铁算盘”。

三、数据分析工具的选择

工欲善其事，必先利其器。数据分析固然具有重要的作用，然而市面上有大量架构不同、功能各异的数据分析与可视化应用解决方案，什么样的工具才能对企业级的数据分析与洞察提供最好的支持？对此，夏洪涛阐述了自己的看法。

他表示，相比普通企业，电力系统对于数据分析有着更严苛的要求：需要保证数据安全和系统可靠；满足平台上大量不同类型数据与需求的接入和开发；支持海量数据的高速处理，应对电力系统庞大的数据吞吐量；还要拥有相对简便和人性化的操作方式……因而整体来说，电力系统对于大数据分析工具的选择标准非常高。

据夏洪涛介绍，当前浙江电力运监中心使用了多种分析工具相结合的方式。夏洪涛称，“我们对比了很多产品，在经过仔细的比较和衡量之后，将每种产品的优势相结合，构成了当下的工具组合。”他表示，一些大数据分析工具具有门槛低，操作简便的特点，也有一些工具提供了较为丰富的算法，还有一些在开发的灵活性、集成处理能力上表现优秀，这些工具分别适配于不同层面、不同部门，共同构成了运监部门的分析工具集。

夏洪涛指出，目前浙江运监中心“运监业务主题库”中的数十项试点成果模型已经通过可视化工具进行固化，实现常态化在线的自动分析挖掘，分析成果推送到地市基层单位和员工。同时，运监中心还从2016年起开始面向基层举办“数据价值挖掘大赛”，让更多基层员工学习使用数据分析工具并展开自主数据分析，在更大范围内挖掘数据价值。“省公司运监团队总体组织运监业务主题库的运作，统一收集和整理分析试点方向，并对试点成果进行管理、汇聚、延伸和深化，向决策层输出更有价值的分析报告和管理提升建议；具体的业务数据分析，已经铺开到各地市，由更了解基层业务问题的员工们自主完成。这不仅减轻了我们的分析工作压力，也让更了解基层业务难点所在的人员在数据分析领域发挥更大的作用。”

四、“支点”+“杠杆”：助力传统企业的大数据转型

对于传统企业在互联网时代的转型，夏洪涛给出了自己的见解。他认为，常言说“船大难掉头”，对于大型传统企业而言，大量的数据积累，反而给传统企业提供了转型的“支点”，只要用好数据分析这根“杠杆”。

他认为，大数据这一支点和数据分析这一杠杆带来的动力，正是传统企业在面对新技术与新趋势时转型的必由之路：“虽然已经有了一些成果，但我们现在仍然处于刚刚起步的阶段，还有大量的数据价值亟待被开发和利用，此外也需要加强数据治理来让数据这个支点更稳固有力。未来随着更广泛的数据价值点被挖掘和连接组合起来，大数据技术会释放出爆发性的价值。”