当前位置：首页 > article >正文

数据挖掘：基于电力知识图谱的客户画像构建实施方案

article 2024/10/25 19:03:47

基于电力知识图谱的客户画像构建实施方案

本技术方案分为两大部分。第一部分为基于电力知识图谱的客户画像研究技术。第一部分主要介绍该项目将用到的技术，包括整体框架、知识图谱技术、客户画像技术。

第二部分为基于电力知识图谱的客户画像标签体系。第二部分将详细阐述电力客户画像的标签体系，包括客户基本属性标签、用电行为标签、缴费行为标签、诉求行为标签、客户细分标签、支撑能耗诊断及优化标签、环保企业管控标签、金融授信标签。

1. 基于电力知识图谱的客户画像研究技术

1.1 整体架构

本项目的技术架构可分成六层，分别是数据来源层、数据采集与存储、标签构建层、标签存储层、画像应用层。

在这里插入图片描述

1.2 知识图谱技术

知识图谱的概念最早由谷歌提出，是以结构化的形式去描述我们客观世界中所存在的概念、实体、联系。其中概念是指客观世界中对具有一样属性的事物的概括和抽象化。实体则是客观世界中实实在在存在的物体，比如电力系统中的客户。联系指概念、实体二者之间或概念与概念、实体与实体之间存在的关系，比如隶属关系。知识图谱主要由实体、概念、内容、属性、以及关系等部分组成。

实体：表示在客观世界中可单独存在且与其他事物有不同之处的某种事物。本文中比如身份证号（代表特定的一个人）。实体作为构建知识图谱的本体，它是构建知识图谱的最为基本的元素。
概念：表示具有相同的属性值的某一类实体的集合，比如企业法人等。
内容：通常用于描述一个实体或者概念的名字、定义等知识信息。通常这类信息主要包括图片，音频，视频，文本等。例如本文中对人物的描述可有图片、监控视频等。
属性：表示用来描述某个实体的具体属性值。比如一个"人"可以有"姓名"“性别”、"年龄"等属性。
关系：表示实体与实体之间的映射关系，这是将两个实体联系起来的重要步骤。

知识图谱技术分为两部分，第一是知识图谱的建立，第二是知识图谱的应用。知识图谱的建立核心在于自动更新知识图谱库，现在存在的数据信息绝大多数数据非结构化数据，例如视频、图片、音频等等，知识的检索与抽取、自然语言处理在知识图谱中显得尤为重要，但本项目中所涉及数据多为结构化数据，所以对知识的检索与抽取并不是重点，反而数据融合才是本项目知识图谱建立的重点，原因在于互联网数据爆发的大时代，企业都面临数据孤岛问题，很多数据都分布在企业不同的系统中，如营销系统、用电采集系统等，且所有数据被封存在各系统中，让完整的业务链上孤岛林立，信息的共享和反馈难。

本项目知识图谱构建的另一个重点是语义搜索和推荐。当客户输入搜索词时，知识图谱会将其映射为知识图谱中在客观时间存在的概念和实体，搜索结果更为准确。比如搜索"苹果"，可能客户更想搜索的手机品牌而非水果，当"苹果"和"乔布斯"一起搜索时，极大可能为手机品牌，而"苹果"和"维生素"一起搜索时，大多数情况都是指水果。推荐功能应用为知识图谱链接其他概念或实体，这些内容跟客户搜索的关键词都有一定的联系，或多或少可以达到推荐的作用。

1.3 客户画像技术

1.3.1 客户画像

客户画像是指与该客户相关联的数据的可视化的展现，简单的总结就是客户信息标签化。从客户海量的信息里面去找到一些标签，为客户去贴上这些标签，当然这些标签的来源就是一些客户的基本属性、行为偏好等海量数据。而用户画像的丰满程度，是由标签体系决定，因此客户画像的核心便是客户标签体系的建设。

在这里插入图片描述

1.3.2 客户画像生成流程

客户画像的生成流程包括数据收集、数据清洗、知识图谱构建、特征工程、标签挖掘、标签体系搭建、形成客户画像。整个项目实现方案主要涉及Spark、Hive等框架，数据存储依据客户已有数据为准，建议使用Hive等大数据存储数据库。

在这里插入图片描述

数据收集：电力用户画像数据主要来源于各基本的业务系统、95598系统、营销系统等，具体包括客户的基本信息、用电行为信息、缴费信息、投诉与建议信息等。
数据清洗：数据清洗主要是对数据进行校正，提升数据质量。包括缺失值处理、异常值处理、数据转换等方法。
知识图谱构建：知识图谱构建包括数据融合、知识抽取、知识的存储。即对不同业务系统的数据先进行数据融合，再对不同来源、不同结构的数据进行知识的提取，形成知识，最后将知识进行存储。知识的存储选取开源的Neo4J图数据库。
标签挖掘：标签挖掘主要采用四种方法：
- 基于知识图谱的事实标签生成：客户的事实标签可以直接有知识图谱实体的属性生成，如性别、年龄、职业等标签。
- 基于统计学建模：这类标签一般具有时间窗口的周期，根据一定的统计学原理对窗口周期内的数据进行建模，一般周期可以为一周，一月、三月、六月、一年，如比如近一年内客户缴费偏好、客户三个月内用量异常程度等。主要使用的统计学算法有：相关性分析、杰卡德相似系数、RFM模型、PCA降维等。
- 基于机器学习算法建模：这类标签主要通过机器学习算法进行建模得来，如客户分群、客户风险等级、用电量预测等。模型构建使用机器学习内置算法平台完成，具体使用的算法主要有Kmeans++、随机森林、逻辑回归、GBDT基础算法、神经网络等。
- 基于业务规则转写：这类标签属于深层次标签，需要结合具体的业务场景进行设定，不同的业务场景对同一个标签的定义可能会不同，比如客户欠费次数大于3次为高风险欠费用户。
标签体系搭建：电力客户画像标签体系包括8大维度，分别为客户基本属性、用电行为、缴费行为、诉求行为、客户细分、支撑能耗诊断及优化、环保企业管控、金融授信等，具体各维度下的二级标签及子标签见第二章标签体系。

在这里插入图片描述

形成客户画像：根据标签体系，进行客户画像展示。

1.3.3 构建标签体系

标签体系的构建需要基于业务需求驱动，通过业务应用的要素分析，去驱动标签维度的扩展，通过标签维度的扩展，又可以去驱动业务。本项目标签体系可分为8大维度，分别为：客户基本属性标签体系、用电行为标签体系、缴费行为标签体系、诉求行为标签体系、客户细分标签体系、支撑能耗诊断及优化标签体系、环保企业管控标签体系、金融授信标签体系。

标签体系从层级的角度出发，可以分为4层。首层标签主要为事实标签，主要通过知识图谱、统计算法获得，比如客户的性别、年龄、职业、收入水平等；第二层的标签主要为稍作处理的汇总层，比如客户的缴费渠道偏好、客户兴趣偏好等；第三层是基于前两层做的机器学习建模标签，比如客户的营销敏感度、客户用电量预测等；最后一层是更深层的，需要结合业务知识去做定制。比如高、中、低价值客户、欠费风险等级等。

在这里插入图片描述