[发明专利]一种基于逻辑回归的电费敏感度评估方法

说明书

技术领域

本发明涉及电力领域，具体涉及一种基于逻辑回归的电费敏感度评估方法。

背景技术

电网公司客户规模大，生产经营情况复杂。长期以来，在客户服务、故障抢修等方面面临较大压力，投诉率在国网公司中相对较高，客户满意度不高。为了改善服务质量，提高运维效率，基于大数据分析挖掘技术，从纷繁复杂的数据中，寻找客户发生投诉、咨询等行为的影响因素，提前做好预防措施和服务准备工作，以提高工作质量和服务水平。

目前的商业实践中，用来开展预测的模型主要有逻辑回归、决策树、神经网络等，这些模型各有其优缺点。其中，逻辑回归经过几十年的发展，已逐渐成熟。它具有计算速度快、对数据质量要求相对不高、结果显性化且稳定性较好等特点。

在现有的逻辑回归过程中，对数据进行处理后，用户无法直观地看到结果，即无法准确辨识电费敏感度高的客户。然而在实际的应用中预测结果的准确性影响着后期解决客户的供电问题，本申请正是针对该问题而提出的一种基于逻辑回归的电费敏感度评估方法，通过识别电费高敏感客户，为电力营销和客户服务部门开展精准营销和差异化服务提供数据支撑，从而提高客户整体满意度、提升客户感知。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种基于逻辑回归的电费敏感度评估方法，以助于电力企业准确辨识电费敏感度高的客户，降低客户因电费差错而产生投诉的概率，实现整体提升客户满意度的目标。

为实现上述目的，本发明采用的技术方案如下：

一种基于逻辑回归的电费敏感度评估方法，包括以下步骤：

(1)抽取样本：从全部样本中随机抽取样本数据集，并控制正负样本的比例；

(2)收集指标：基于业务理解和历史数据的探索，选取可能与电费敏感度相关的的指标，确定建模指标体系；

(3)数据预处理：处理缺失值等数据；筛选高预测力的指标进入模型；对分类变量及连续变量进行分组处理；

(4)模型构建：基于logistics回归模型，构建电费敏感客户分析模型，并构建标准评分卡；

(5)模型应用：基于模型结果应用与全量客户，判断客户电费敏感得分以采取针对性措施。

优先的，如上所述的一种基于逻辑回归的电费敏感度评估方法，步骤(1)中，采用分层抽样，从全部样本中随机抽取样本数据集，并控制正负样本的比例，组成模型训练集合。

优先的，如上所述的一种基于逻辑回归的电费敏感度评估方法，步骤(2)中，基于业务理解和历史数据的探索，选取可能与电费敏感度相关的客户信息字段，如用电类别、计量方式、电压等级、历史电费等25个字段，所述数据源是预测之前设定时间段的数据源。

优先的，如上所述的一种基于逻辑回归的电费敏感度评估方法，步骤(3)中，基于IV值筛选与目标变量关联性强的分类变量，基于F检验筛选与目标变量相关性强的数值型变量。

进一步地，如上所述的一种基于逻辑回归的电费敏感度评估方法，步骤(3)中，基于最优分群和最优分组的方法对筛选后的分类变量和数值型变量进行分组。

更进一步，如上所述的一种基于逻辑回归的电费敏感度评估方法，针对分组后的变量，进行WOE证据权重转化。

优先的，如上所述的一种基于逻辑回归的电费敏感度评估方法，步骤(4)中，基于WOE转化后的数据，应用SAS软件构建LOGISTIC回归模型，得到最终进入模型的变量及参数估计。

进一步地，如上所述的一种基于逻辑回归的电费敏感度评估方法，基于优势分析方法确定进入模型变量中的变量的相对重要性。

更进一步，如上所述的一种基于逻辑回归的电费敏感度评估方法，步骤(4)中，根据给定的刻度参数，得出最终模型中各变量各取值的得分，构建标准评分卡。

优先的，如上所述的一种基于逻辑回归的电费敏感度评估方法，步骤(5)中，运用常用的评价方法有洛伦兹曲线、ROC曲线、AUC统计量等，分离度等常用的评价方法对模型进行评估。

进一步地，如上所述的一种基于逻辑回归的电费敏感度评估方法，步骤(5)中，得到模型后，一般采用时间平移的方式对模型进行验证。

本发明的有益效果在于：本发明所述的方法是将标准评分卡与逻辑回归结合起来，极大地增强了模型的透明性、可理解性，使预测结果可视化，从而更好地了解各个变量对客户敏感的影响，进而采取针对性的措施，减少用户的投诉率，提高用户的满意度。

附图说明

图1为基于逻辑回归的电费敏感度评估方法的流程图。

具体实施方式