大数据人|大数据第一社区

 找回密码
 注册会员

扫一扫,访问微社区

法国电力公司:基于大数据的运营分析

2015-5-7 22:50| 发布者: admin| 查看: 3000| 评论: 0|来自: 康拓普电力生产与营销

摘要: 法国电力集团(EDF)成立于1946年,是一家国有综合性跨国能源公司,在核电、水电和可再生能源等清洁能源领域具有较强的国际竞争力。法国电力拥有欧洲最大的电力生产体系,在法国、意大利和英国有稳定的市场,主要从事 ...

导读:围绕国内外先进企业的管理实践做法及经验教训进行概括介绍和深入分析,以探索把握现代企业管理创新的发展趋势和规律。


一、公司概况

法国电力集团(EDF)成立于1946年,是一家国有综合性跨国能源公司,在核电、水电和可再生能源等清洁能源领域具有较强的国际竞争力。法国电力拥有欧洲最大的电力生产体系,在法国、意大利和英国有稳定的市场,主要从事发输配电、天然气供应、工程和咨询等业务;与此同时,法国电力积极拓展国际业务,通过子公司以独资或合资形式参与亚洲、拉美和非洲的20多个国家的电力项目, 服务的国内客户约3000万,海外客户超过1500万。2013年公司实现营业收入934.7亿美元,实现利润42.6亿美元,在世界500强企业中排名77位。

作为全球领先的电力基础设施服务提供商,法国电力公司非常重视大数据在企业运营分析管理中的作用,通过设立专业机构、完善数据基础、增强分析能力,不断发掘数据资产价值,为企业战略转型与服务升级提供有效的决策支撑。


二、基于大数据的运营分析的主要做法

(1)建立独立机构支持运营决策

法国电力在客户关系管理数据库中,对用户信息进行了全面搜集,包括客户名称、电费计价方式、客户用电行为特点等。法国电力研发部下成立了职能服务型的运营分析中心,专门负责对客户数据进行分析,以对销售管理进行支撑。

该部门以项目制的形式负责向销售、营销和财务控制在内的六个业务部门提供客户行为分析支撑,以改善这些部门的服务质量并实现客户的最大化保留。

其工作职责可分为5个方面:与相应的部门保持沟通,找到分析所需的相关数据;对内部数据进行清理,对外部源数据进行整合;采用神经网络、聚类、回归分析等分析方法对数据进行按需分析,预测电力需求侧的变化、区分客户群特点及消费规律;在全面了解客户情况的基础上,按照客户的忠诚度、利润率、生命周期价值以及与新推出产品的相关性对客户进行打分;确保法国电力拥有必要的工具来满足不断发展的营销需求。

通过坚持不懈地克服各种数据复杂性问题,分析型客户关系管理部很好地提供了销售支撑:

一是为相关部门提供一致的关键业绩指标(KPI),例如,按照客户领域和销售渠道预测各类一级市场和大众市场内中小企业和家庭住户的电力消耗和需求趋势,营业收入,成本和利润率。从而帮助营销部门更为精确地找准目标客户,推出更具盈利性的新产品,进而保留客户和扩大市场份额。该部门的项目负责人认为:通过评分,法国电力的营销部门可以把营销工作的重点对准那些对新产品比较感兴趣的客户,以更低的成本赢得高达15%的新客户。

二是分析部门提供的信息能够让法国电力根据客户的要求对产品和服务进行改进,为新的商业活动更好地分配资源,改善服务。例如,通过对来自客户的问题进行区分,确定哪些问题是最重要的,哪些是比较耗费时间的问题,从而使呼叫中心的响应速度提高10%。

三是借助分析型研究成果对客户服务方法实现本地化,通过为客户提供更好的商业信息来实现地区服务自治,提高法国电力在商业运作上的灵活性。

(2)运用大数据技术挖掘数据资产价值

目前全法已经安装3500万智能电表,电表产生的数据量将在5-10年内达到PB级。智能电表采集的主要是个体家庭的用电负荷数据。以每个电表每10分钟抄表一次计算,3500万智能电表每年产生1.8万亿次抄表记录和600TB压缩前数据;每天产生5亿次抄表记录,和大约2TB的抄表数据。这些电表数据,结合气象数据、用电合同信息及电网数据,构成了法国电力的大数据。

以智能电表采集数据为例,这些数据具有以下特点:数据具有时间序列特性;数据来源具有分布式特性,并且需要在不同尺度上进行处理;某些应用需要对数据进行实时处理。考虑到大数据的广泛应用前景,针对自身海量数据的特性及其处理需求,法国电力的研发部门成立了大数据项目组,借助大数据技术研究海量数据的处理架构,实现用电负荷的精细化测量,降低信息决策系统与运行操作系统之间的延迟。目前该项研究尚属于起步阶段,该项目组的短期目标是:将分布式智能技术集成于原有业务系统,包括具有数据处理功能的智能路由器、分布式数据库、分布式数据处理以及分布式复杂事件实时处理技术。这些分布式技术同时需要支持控制中心的统一集中式控制。

法国电力以用户用电负荷曲线的海量存储和处理为突破口,利用大数据技术,形成了能够支撑在规定延迟内的复杂、并行处理能力。其中数据接入的接入形式包括批处理或数据流两种;数据的预处理包括时间同步、异常数据检测及修正,以及改变数据表达形式等;数据处理包括按区域的指标计算、账单模拟、商业智能BI等。

(3)实施专业化管理提升数据质量

法国电力认识到,数据质量问题事关重大。IT部门存在一定的能力局限性,尤其是在面对技术应用、企业流程甚至是整个组织等跨专业性、全局性问题时。法国电力通过研究发现,在应用数据开展分析之前,相较于个人对不同信息系统中数据的单次提取和数据质量管理行为,采取建立大数据库对数据进行集中,由专门的数据质量管理专家对数据质量进行管控、自动集中监测的方式,有助于提升数据库的性能,促进数据质量管理经验的分享以及规避个人处理能力的不足。

法国电力数据质量管理专家需具有深厚的统计学、信息系统、数据工程等多学科背景以及丰富的IT实践能力,他们深知如何使用正确的工具、方法和最佳实践进行数据质量管理以及如何在IT项目中穿插进行数据质量管理。法国电力的数据质量管理专家开展了一系列针对数据质量提升的专项分析研究,比如设计了多维星状模型对数据进行存贮、分析和检验测试,为数据的应用提供了较好的支持。


三、案例点评

数据研究和分析是企业适应市场需求变化的重要基础和手段。法国电力公司作为能源基础服务供应商,通过建立企业数据分析中心,对消费者相关数据进行研究分析,有效增强了市场应对能力,支撑了企业快速发展,取得了良好社会与经济效益。对国内电力企业进一步挖掘数据资产价值,提升企业效益提供了如下启示。

(1)强化数据资产经营管理理念。数据是反映市场变化与企业运营状况的直接载体,电力等能源公用事业企业,在长期对消费者提供服务过程中,积累了大量的数据资源。企业需要强化数据资产管理理念,实现紊乱的数据资源向有效的数据资产的转化,加强数据资产的利用与管理。法国电力公司将电表数据、用电合同数据、电网数据等数据资源整合为企业大数据库,将其作为重要资产管理对象,设立专业部门,进行专业分析与管理,帮助企业开拓市场、提升服务、降低成本,有效利用了数据资产价值,促进了企业管理优化与高效发展。

(2)建立数据资产专业管理机构。独立的组织机构是强化数据资产管理的重要基础,国内大部分企业目前对数据资产管理尚分散于各业务部门,缺乏数据资产统一管理规范、管理标准与管理职责,数据资产价值的发掘有待增强。法国电力公司在研发部下成立了职能服务型的运营分析机构,专门对客户数据进行分析处理。通过建立组织机构,明确工作职责,有效提升了企业对数据资产分析与管理能力,增强了企业协同管理水平。

(3)提升数据分析处理能力。数据分析处理能力是挖掘数据资产价值的关键。实现有效的数据分析处理需要良好的数据基础与有效多样的数据处理模型与方法工具。需要企业建立统一规范的数据标准与全面及时的数据库。法国电力公司非常重视数据质量与数据处理能力的管理,由专门的数据质量管理专家进行数据质量管控,重视对数据提取、数据质量、分析技术及工具研发,从多个角度对市场消费群体进行精确区分和定位;并通过数据分析对企业自身、市场、环境进行准确分析,为推进法国电力成功实行转型与发展提供了强有力的分析支撑。

(4)促进数据资产价值增值。对掌握大量消费者与市场数据资源的电力公用事业企业,企业通过数据分析、转化、开发、利用,为企业带来了直接的经济效益。同时,通过对市场变动与消费者行为等大数据深层次分析,为企业拓展业务领域、创新盈利模式、推进企业转型升级提供了有效决策支撑。法国电力公司通过对数据资产分析利用,实现了精确定位目标客户、推出更具盈利性的新产品、扩大企业市场份额、提升客户服务响应速度、提升企业商业运作灵活度等一系列成效,实现了数据资产价值增值。通过数据资产价值的深度挖掘,数据资产管理将在支持企业战略实施、促进企业优化管理、提升企业市场应变能力等方面发挥更大价值。


鲜花

握手

雷人

路过

鸡蛋

最新评论

关闭

站长推荐上一条 /2 下一条


id="mn_portal" >首页Portalid="mn_P18" onmouseover="navShow('P18')">应用id="mn_P15" onmouseover="navShow('P15')">技术id="mn_P37" onmouseover="showMenu({'ctrlid':this.id,'ctrlclass':'hover','duration':2})">前沿id="mn_P36" onmouseover="navShow('P36')">宝箱id="mn_P61" onmouseover="showMenu({'ctrlid':this.id,'ctrlclass':'hover','duration':2})">专栏id="mn_P65" >企业id="mn_Nd633" >导航 折叠导航 关注微信 关注微博 关注我们

QQ|广告服务|关于我们|Archiver|手机版|小黑屋|大数据人 ( 鄂ICP备14012176号-2  

GMT+8, 2024-3-28 18:00 , Processed in 0.186214 second(s), 21 queries .

Powered by 小雄! X3.2

© 2014-2020 bigdataer Inc.

返回顶部