引言
对于供电企业来说，电力营销工作的作用是十分重要的。电力营销不单单与电力企业的发展密切相关，同时还对社会民生发展产生重要影响。然而，现阶段企业中电力营销工作还需要进一步的优化，由于营销管理方式不先进，营销水平不高等，使得消费者的消费需求受到很大的影响。但是由于当前互联网技术的深入发展，很多电力营销企业逐渐认识到大数据的重要作用，逐渐在互联网上收集用户数据，分析市场需求，快速提升企业自身服务质量，使供电企业向健康发展的方向迈进。
1电力企业营销信息化建设结构和规划
在大数据技术应用下，移动互联网进行智能营销服务，全方位的服务体系提升，进行大数据平台的结构规划是利用科学技术实现电力营销信息化建设的工作。重要手段是使用数字技术，深度分析用户相关数据，例如目标区域内的用户心理预期、用电潜力、实际用电量等，提供可靠的理论数据支持，免费赠送对目标区域用户有价值的电力推送信息，使得用户能够对电力企业产生信赖感。传统的电力营销，以最终完成电力营销任务为准。在用户价值、数据支持等方面存在欠缺。大数据平台应用下整体框架结构，由服务器、智能应用、网络层、恢复备份等组成，能够在操作系统中通过虚拟器和服务器的结合进行模块的处理，将收集到的用户信息数据进行初步储存，了解用户的用电需求，提供个性化服务。互联网可以存储海量的信息。电力营销系统的建设过程中，对于用户消费心理等获取的相关数据，能够进行处理和存储。汇总大量的数据之后采用科学存储和计算的方法提高速度，提升信息分析的效率，有针对性的解决电力企业服务意识薄弱的问题。大数据平台调度模块，合理的进行数据的调度。剔除无用的信息，运用智能应用层，强化查询和统计功能，及时为营销方掌握用户的用电信息，深入挖掘用电深度。
2系统设计
2.1系统体系结构设计
系统设计结构框架主要运用Struts（开源框架）+Spring（设计层面框架）+Hibernate（对象关系映射框架）所组成的轻量级组合框架。其中采用开源框架提供的实现组件运用于表示层，再通过java服务器页面形式呈现于用户浏览器上展示，以此实现用户请求及输入信息的接收工作，业务逻辑层将会接收到该用户信息并进行处理，再将处理完毕信息利用表示层传回用户。业务逻辑层在系统起到关键作用，负责主要核心功能的实现，如:数据采集、数据预处理、数据挖掘、结果分析等。系统的扩展维护具体采取设计层面框架用于解耦表示层与持久层。对象关系映射框架以实现持久层对数据库访问实现封装，设计模式为数据访问对象。以此完成具体业务逻辑实现时通过Java的面向对象思想进行数据库的访问，进一步简化编码工作减轻代码编写工作量。
2.2业务架构设计
以需求分析结果，为了使营销业务部门服务品质和风险管控能力得到提高，创建客户停电、电费回收风险、电力服务、大客户服务等场景，利用分析营销服务品质与风险管控能力数据，构成提高电网企业运营效益分析的报告。
2.3数据采集模块
数据采集模块在系统功能中担起选择需深入处理及挖掘目前数据集的重任。该模块在完成目标数据的选择后，将实现不同权限工作人员查看数据属性及数据维护的工作。数据采集模块主要由选择数据集、数据维护以及数据属性查看三个功能。在系统工作层次中，只有管理层或是数据分析层有权利使用其全部功能，而普通职工层无法使用功能权利。在系统中数据预处理模块扮演者极其重要的角色，该模块可以对属性不相同的连续值与离散值的数据集进行相关的数据预处理。连续值与离散值不同之处在于，连续值具有忽略缺失数据、删除负值法、用整体均值填充、用最可能值填充、回归方法填充等；离散值则是具备忽略缺失数据、常量值填充、用整体均值填充、用最可能值填充等。连续值通常以按小数定标法、最大值最小值方法以及Z-SCORE用于数据转换；离散值重点侧重于数据泛化的方法，属性不同设计方法也就相应不同。而连续值比起离散值所需处理设计的工作量要少很多。
2.4数据挖掘模块设计
数据挖掘模块能够细分用户，并且评估用户信用度，从而预测欠费高风险用户。二次分析已经处理的数据集，是业务逻辑目标的重点。数据挖掘模块有数据分析层与管理层使用所有功能的权限，通过聚类分析技术实现用户细分，在聚类算法中使用K-means算法实现计算。聚类在评估客户信用度方面尤为重要，能够对不同信用度用户进行评估和标记。此过程利用层次分析法和K-means算法细分用户，通过分类计数算法对新增用户的信用等级进行判断，从而结合系统数据库现有数据，对高风险客户群进行预测和分类。
2.5反窃电系统功能结构和运行流程
在当下发展的过程中，对于用户窃电的判断方法主要是针对于用户的线损进行分析，或者是使用反窃电装置来对用户的用电进行检测。但是在实际使用的过程中发现，当下没有针对于电量和线损的判断方式，同时也没有明确定义用户窃电嫌疑程度的工作方式，这就导致反窃电工作受到了一定的影响。在未来发展的过程中，针对于窃电判断技术的主要思路就是使用离群点算法、聚类算法等等数据来挖掘电量和台区线损数据之间的差别。经过计算之后，系统可以将用户窃电的可能性进行分成，分为严重、中度、轻度三类。对于重度窃电用户来说，在必要的情况下需要召唤新数据来对窃电疑似度进行二次分析，如果结果依旧显示有较大窃电的可能，那么就需要对用户的行为进行持续分析。
3构建大数据电力营销体系
当前大数据时代，信息数据是最关键的信息，收集、获取大数据是大数据在电力营销应用中的基础。因此，企业建立专业的大数据电力营销体系。首先，数据管理部门要收集、选择以及分析信息。企业要正确认识数据管理岗位的重要作用，增加岗位待遇，将有经验的人才吸引到这一部门中来。供电企业还要强化和专业院校的合作，招聘信息技术、信息管理以及市场营销等专业人才，建立专业的管理部门。其次，建立完善的数据技术开发体系，建立数据挖掘制度。对于数据挖掘制度来说，其与用户缴费、电力报警、市场营销以及客户关系模块等密切相关，利用相应的算法对用户的偏好进行深入分析，同时了解其用电环境以及特点，自不同层面使不同模块的大数据评估水平得以保证，有效发挥出大数据的作用。最后，建立专业的电力用户价值大数据挖掘机制，建立用户信息档案，通过大数据分析技术使电力用户价值全面挖掘，提高综合服务质量。在获取用户信息时，应用大数据技术，将信息挖掘工作做到位，同时与结合销售等部门，使用户信息管理质量得到保证。
结语
当前电力营销应用信息技术，实现了电力营销工作的开创创新。有效地将传统的营销工作的问题予以规避和去除，根据电力企业实际的运营情况，为用户提供更好的服务，掌握精确的数据利于企业运营，从整体上提升电力企业的可持续发展动力。
参考文献
[1]邹立威.大数据环境下的电力营销信息化建设研究[J].中国新通信,2020,22(1):64.
[2]许敏.数据挖掘技术在电力营销系统中的应用及发展[J].科技与企业,2015(10):60.
[3]雷波.数据挖掘技术在电力营销系统中的应用研究[J].广东科技,2014,23(12):41-42.
