用數據說(shuō)話(huà)：迎接電力營(yíng)銷(xiāo)服務(wù)的大數據時(shí)代簡(jiǎn)介，目錄書(shū)摘

　　《用數據說(shuō)話(huà)：迎接電力營(yíng)銷(xiāo)服務(wù)的大數據時(shí)代》是我國電力系統第1本從大數據角度剖析電力營(yíng)銷(xiāo)服務(wù)的著(zhù)作。它結合精準管理方法和數據分析，從實(shí)際工作出發(fā)，對現階段電力營(yíng)銷(xiāo)服務(wù)工作提出了新方法和新思路。結合大量實(shí)際案例，充分體現了數據分析的成果和理論與實(shí)踐結合的應用。全書(shū)圖文并茂、淺顯易懂。

　　大數據：改變正山雨欲來(lái)蓄勢待發(fā)
　　在您閱讀這本書(shū)之前，讓我們先做這樣一個(gè)小測試！請先思考這個(gè)問(wèn)題：到電力營(yíng)業(yè)廳辦理繳費業(yè)務(wù)的客戶(hù)大多來(lái)自哪里？請花一分鐘時(shí)間來(lái)思考，如果已經(jīng)鎖定了自己的答案，請您開(kāi)始閱讀本書(shū)的內容。
　　電力營(yíng)業(yè)廳與電信、銀行、郵政等營(yíng)業(yè)廳性質(zhì)十分相似，都是為了滿(mǎn)足客戶(hù)的業(yè)務(wù)需求。但是，經(jīng)過(guò)仔細對比分析卻又發(fā)現，電力營(yíng)業(yè)廳與其他營(yíng)業(yè)廳又不盡相同。假設您需要存繳電話(huà)費，是會(huì )選擇去電信營(yíng)業(yè)廳窗口辦理繳費業(yè)務(wù)，還是選擇購買(mǎi)電話(huà)卡、網(wǎng)上充值等方式呢？需要小額存取款時(shí)，您是會(huì )選擇去銀行窗口排長(cháng)隊辦理，還是會(huì )選擇ATM機自助存取款呢？仔細羅列下來(lái)，電力企業(yè)也提供了多種電費繳納方式，例如銀行托收、電費卡充值、易辦事自助終端、網(wǎng)上繳費（支付寶、網(wǎng)頁(yè)等）、電話(huà)繳納、銀行柜臺等。那為何常常有客戶(hù)仍選擇排長(cháng)隊在營(yíng)業(yè)廳窗口繳納電費呢？
　　本書(shū)對某供電企業(yè)轄區內營(yíng)業(yè)廳辦理繳費業(yè)務(wù)的381736條客流數據進(jìn)行了分析，繪制成氣泡式數據圖如圖0-1所示。氣泡式數據圖是一種常見(jiàn)的數據地圖，它是在地圖上相應位置顯示相應的氣泡，以氣泡的大小代表各區域指標值的大小。該圖中通過(guò)氣泡的大小來(lái)代表該區域在營(yíng)業(yè)廳辦理繳費業(yè)務(wù)的客流量。
　　數據分析結果出乎我們的意料。在傳統觀(guān)念里，到營(yíng)業(yè)廳辦理繳費業(yè)務(wù)的客戶(hù)大多來(lái)自人口流動(dòng)快的城中村，事實(shí)上，根據圖0－1中看出，到營(yíng)業(yè)廳辦理繳費業(yè)務(wù)的客戶(hù)主要集中在片區E和片區F兩個(gè)區域，而該供電企業(yè)轄區內共設立了兩個(gè)營(yíng)業(yè)廳，正屬于片區E和片區F。通過(guò)對這兩個(gè)區域的客流作進(jìn)一步分析，發(fā)現這兩個(gè)區域前往營(yíng)業(yè)廳辦理繳費業(yè)務(wù)的客戶(hù)都集中分布在營(yíng)業(yè)網(wǎng)點(diǎn)的周?chē)?。用分檔填色型勢力地圖分析片區F營(yíng)業(yè)廳、片區E營(yíng)業(yè)廳繳費業(yè)務(wù)量分布，將各區域按數值分為幾個(gè)層級填充不同的顏色，如圖0-2、圖0-3所示，圖中五角星標注處為營(yíng)業(yè)廳位置。圖0－2和圖0－3中由淺到深的顏色表示該區域到營(yíng)業(yè)廳辦理繳費業(yè)務(wù)的客流量分布由少至多。
　　與繳費業(yè)務(wù)相比，營(yíng)業(yè)廳過(guò)戶(hù)業(yè)務(wù)辦理客流量呈現出了截然不同的信息，所有的過(guò)戶(hù)業(yè)務(wù)客流量均勻分布在各個(gè)區域，見(jiàn)圖0-4。
　　由此可以看出，排除停電催費模式（停電催費的模式下，前往營(yíng)業(yè)廳辦理繳費業(yè)務(wù)的客流量分布與各區域欠費情況呈現正相關(guān)關(guān)系）的影響，前往營(yíng)業(yè)廳辦理繳費業(yè)務(wù)對客戶(hù)而言并非剛性需求。我們大膽地設想，能否在正確的引導下，以自助終端、銷(xiāo)售電費卡等方式取代電力營(yíng)業(yè)廳收費業(yè)務(wù)窗口？
　　該供電企業(yè)根據數據分析結果大膽嘗試關(guān)閉部分營(yíng)業(yè)廳后，對第三方客戶(hù)滿(mǎn)意度的指標并未造成負面影響。他們的決策是建立在大數據的基礎之上的。這是當今社會(huì )所獨有的一種新型能力：通過(guò)對海量數據進(jìn)行分析，獲得有巨大價(jià)值的產(chǎn)品和服務(wù)，或深刻的洞見(jiàn)。這樣的技術(shù)理念和數據儲備，對于供電企業(yè)乃至整個(gè)社會(huì )的發(fā)展而言，將成為一種更好的輔助決策工具。
　　隨著(zhù)互聯(lián)網(wǎng)技術(shù)及信息技術(shù)的飛速發(fā)展，在web2.0的時(shí)代，人們從信息的被動(dòng)接受者變成了主動(dòng)創(chuàng )造者。
　　全球每秒鐘發(fā)送290萬(wàn)封電子郵件，一分鐘讀一篇的話(huà)，足夠一個(gè)人晝夜不息地讀5.5年……
　　每天會(huì )有2.88萬(wàn)個(gè)小時(shí)的視頻上傳到Youtube，足夠一個(gè)人晝夜不息的觀(guān)看3.3年……
　　Twitter上每天發(fā)布5000萬(wàn)條消息，假設10秒鐘瀏覽一條信息，這些消息足夠一個(gè)人晝夜不息地瀏覽16年……
　　每天網(wǎng)站上將產(chǎn)生630萬(wàn)筆訂單……
　　每個(gè)網(wǎng)民在Facebook上要花費7千億分鐘，被移動(dòng)互聯(lián)網(wǎng)使用者發(fā)送和接收的數據高達1.63EB……
　　Google上每天需要處理24PB的數據……
　　根據美國互聯(lián)網(wǎng)數據中心（IDC）檢測，人類(lèi)產(chǎn)生的數據量正在呈指數級增長(cháng)，大約每?jì)赡攴环?，這個(gè)速度在2020年之前會(huì )繼續保持下去。這意味著(zhù)人類(lèi)在最近兩年產(chǎn)生的數據量相當于之前產(chǎn)生的全部數據量。我們的國家，我們的社會(huì )，我們的企業(yè)，已經(jīng)從包含數據的時(shí)代邁進(jìn)了被數據包含的時(shí)代。這些由我們創(chuàng )造的信息背后產(chǎn)生的這些數據早已經(jīng)遠遠跨越了目前人力所能處理的范圍。事實(shí)上，在某些方面，我們依然沒(méi)有完全意識到自己擁有了能夠收集和處理更大規模數據的能力，而是習慣于在制定制度、處理過(guò)程和激勵機制中盡可能地減少數據的使用。大多還是遵循著(zhù)傳統的方式，通過(guò)盡可能少的樣本數據獲取預期（即提前設定好并帶有主觀(guān)意識）的信息，通過(guò)多次篩選多方驗證以獲取我們認為精確的數據，通過(guò)人工選擇一個(gè)關(guān)聯(lián)物或者一小部分相似數據來(lái)逐一分析事件產(chǎn)生的原因。
　　如今，計算和制表不再像過(guò)去一樣困難。感應器、手機導航、網(wǎng)站使用收集了大量數據，而計算機可以輕易地對數據進(jìn)行處理，我們進(jìn)入大數據時(shí)代。
　　那么，為什么是大數據而不是數據？什么是大數據？它從何而來(lái)？大數據有何不同？大數據又有什么特征呢？
　　關(guān)于大數據的含義，目前主要有如下幾種：
　　“增長(cháng)如此之快，以至于難以使用現有的數據庫管理工具來(lái)駕馭，困難存在于數據的獲取、存儲、搜索、共享、分析和可視化等方面?！?br>　　——維基百科
　　“任何超過(guò)了一臺計算機處理能力的龐大數據量?！?br>　　“大數據=海量數據+復雜類(lèi)型的數據?！?br>　　——但彬 Informatica中國區首席產(chǎn)品顧問(wèn)

　　江克宜，男，1961年出生，深圳龍崗供電局局長(cháng)兼黨委書(shū)記。曾主編《電力服務(wù)營(yíng)銷(xiāo)》《電力客戶(hù)服務(wù)員工培訓知識問(wèn)答》《電力客戶(hù)服務(wù)員工培訓教材》《電力客戶(hù)服務(wù)案例百篇》等圖書(shū)。

前言
序幕 當大數據輕輕來(lái)敲門(mén)

大數據：改變正山雨欲來(lái)蓄勢待發(fā) 3
變革服務(wù)：從“克強指數”到數據價(jià)值 10
變革經(jīng)濟：剖析歷史可以洞察未來(lái) 13
變革管理：基于精益的數據管理體系 17

上篇 當“細”管理遇上大數據

第一章 數據的應用更勝于數據本身 22
第一節 小豬的故事：從目標管理到過(guò)程管理 22
第二節 海量數據：我們擁有大量基礎資源 25
第三節 “指標”：長(cháng)期以來(lái)關(guān)注數據的方式 28

第二章 循“數”管理從PDCA開(kāi)始 33
第一節 5W1H：獲取并分析有效信息 34
第二節 PDCA：閉環(huán)管理的制勝法寶 38
第三節 5S：基于大數據的現場(chǎng)管理 44

第三章 大數據時(shí)代面臨的機遇 49
第一節 莫里的導航圖：大數據的最早實(shí)踐之一 49
第二節 全數據：保存全部的“沙子” 52
第三節 混雜性：更接近“事物”的全貌 55
第四節 相關(guān)性：數據“說(shuō)出”的事實(shí) 59
第五節 1+1=10：數據混搭與價(jià)值倍增 62

第四章 大數據時(shí)代面臨的挑戰 65
第一節 有效的組織：把想的人和干的人分開(kāi) 65
第二節 做正確的事：后臺支撐數據化 69
第三節 正確地做事：前端作業(yè)簡(jiǎn)單化 74

下篇 當供電企業(yè)嫁接大數據

第五章 網(wǎng)格5S管理嶄露頭角 80
第一節 電網(wǎng)：網(wǎng)格技術(shù)的源泉 86
第二節 突破：網(wǎng)格管理的探索 100
第三節 創(chuàng )新：網(wǎng)絡(luò )5S：網(wǎng)格模型的實(shí)踐 92

第六章 數據可視化圖的華麗演繹 100
第一節 可視化：揭開(kāi)數據的神秘面紗 100
第二節 美麗的證據：線(xiàn)損管理可視化 104
第三節 視覺(jué)解釋?zhuān)嚎梢暬膹V泛應用 108

第七章 借鑒精準的抄核收管理模式 115
第一節 發(fā)軔：抄核收管理的破窗理論 115
第二節 探索：從汽車(chē)生產(chǎn)到抄表管理 118
第三節 契機：減少抄表數據的“在制品” 122
實(shí)踐：連續流與消除浪費 126

第八章 精益思想與營(yíng)業(yè)廳排班 135
第一節 排隊的博弈：服務(wù)需求與服務(wù)供給 135
第二節 服務(wù)的需求：從一味滿(mǎn)足到合理引導 138
第三節 服務(wù)的供給：營(yíng)業(yè)廳的“削減”藝術(shù)141
第四節 排班的技巧：今天開(kāi)放多少窗口 144

第九章 大數據時(shí)代的線(xiàn)損分析 149
第一節 線(xiàn)損立方：玩轉數據建立模型 150
第二節 趨勢分析：“福爾摩斯”查竊電 154
第三節 精確比對：鎖定重點(diǎn)懷疑對象 159

外篇 利用大數據破獲竊電案例集錦
第十章 基于大數據的防竊電技術(shù) 166
第一節 以靜制動(dòng)：后臺監控破獲遙控裝置竊電案 169
第二節 抽絲剝繭：網(wǎng)格線(xiàn)損分析破獲總分表竊電案 175
第三節 事半功倍：電量比對破獲總分表竊電案 179
第四節 甕中捉鱉：多次偵察破獲大規模集體竊電案 182
第五節 知己知彼：數據監控警電聯(lián)手成功破案 186
第六節 守株待兔：反偵察展開(kāi)與竊電分子的博弈 191
第七節 欲擒故縱：數據比對突破竊電分子頑固防線(xiàn) 193