國網能源研究院長期開展企業管理咨詢與研究工作，將企業管理實踐案例分析作為企業管理研究領域的重要方法與工具，積累了系列化的案例，為政府部門、能源企業和社會各界提供了許多有價值的決策參考或分析依據。

　　《國內外先進企業管理實踐分析》是國網能源研究院年度報告系列組成部分，主要圍繞國內外先進企業的管理實踐做法及經驗教訓進行概括介紹和深入分析，以探索把握現代企業管理創新的發展趨勢和規律。近期小編將從該系列中摘取若干案例與大家分享，歡迎猛戳!

　　案例首發：延續上周的“大數據”主題，了解法國電力集團(EDF)如何基于大數據開展運營分析。

　　一、公司概況

　　法國電力集團(EDF)成立于1946年，是一家國有綜合性跨國能源公司，在核電、水電和可再生能源等清潔能源領域具有較強的國際競爭力。法國電力擁有歐洲最大的電力生產體系，在法國、意大利和英國有穩定的市場，主要從事發輸配電、天然氣供應、工程和咨詢等業務;與此同時，法國電力積極拓展國際業務，通過子公司以獨資或合資形式參與亞洲、拉美和非洲的20多個國家的電力項目， 服務的國內客戶約3000萬，海外客戶超過1500萬。2013年公司實現營業收入934.7億美元，實現利潤42.6億美元，在世界500強企業中排名77位。

　　作為全球領先的電力基礎設施服務提供商，法國電力公司非常重視大數據在企業運營分析管理中的作用，通過設立專業機構、完善數據基礎、增強分析能力，不斷發掘數據資產價值，為企業戰略轉型與服務升級提供有效的決策支撐。

　　二、基于大數據的運營分析的主要做法

　　(1)建立獨立機構支持運營決策

　　法國電力在客戶關系管理數據庫中，對用戶信息進行了全面搜集，包括客戶名稱、電費計價方式、客戶用電行為特點等。法國電力研發部下成立了職能服務型的運營分析中心，專門負責對客戶數據進行分析，以對銷售管理進行支撐。

　　該部門以項目制的形式負責向銷售、營銷和財務控制在內的六個業務部門提供客戶行為分析支撐，以改善這些部門的服務質量并實現客戶的最大化保留。

　　其工作職責可分為5個方面：與相應的部門保持溝通，找到分析所需的相關數據;對內部數據進行清理，對外部源數據進行整合;采用神經網絡、聚類、回歸分析等分析方法對數據進行按需分析，預測電力需求側的變化、區分客戶群特點及消費規律;在全面了解客戶情況的基礎上，按照客戶的忠誠度、利潤率、生命周期價值以及與新推出產品的相關性對客戶進行打分;確保法國電力擁有必要的工具來滿足不斷發展的營銷需求。

　　通過堅持不懈地克服各種數據復雜性問題，分析型客戶關系管理部很好地提供了銷售支撐：

　　一是為相關部門提供一致的關鍵業績指標(KPI)，例如，按照客戶領域和銷售渠道預測各類一級市場和大眾市場內中小企業和家庭住戶的電力消耗和需求趨勢，營業收入，成本和利潤率。從而幫助營銷部門更為精確地找準目標客戶，推出更具盈利性的新產品，進而保留客戶和擴大市場份額。該部門的項目負責人認為：通過評分，法國電力的營銷部門可以把營銷工作的重點對準那些對新產品比較感興趣的客戶，以更低的成本贏得高達15%的新客戶。

　　二是分析部門提供的信息能夠讓法國電力根據客戶的要求對產品和服務進行改進，為新的商業活動更好地分配資源，改善服務。例如，通過對來自客戶的問題進行區分，確定哪些問題是最重要的，哪些是比較耗費時間的問題，從而使呼叫中心的響應速度提高10%。

　　三是借助分析型研究成果對客戶服務方法實現本地化，通過為客戶提供更好的商業信息來實現地區服務自治，提高法國電力在商業運作上的靈活性。

　　圖：法國電力數據運營分析框架

　　(注：該圖根據法電相關資料整理)

　　(2)運用大數據技術挖掘數據資產價值

　　目前全法已經安裝3500萬智能電表，電表產生的數據量將在5-10年內達到PB級。智能電表采集的主要是個體家庭的用電負荷數據。以每個電表每10分鐘抄表一次計算，3500萬智能電表每年產生1.8萬億次抄表記錄和600TB壓縮前數據;每天產生5億次抄表記錄，和大約2TB的抄表數據。這些電表數據，結合氣象數據、用電合同信息及電網數據，構成了法國電力的大數據。

　　以智能電表采集數據為例，這些數據具有以下特點：數據具有時間序列特性;數據來源具有分布式特性，并且需要在不同尺度上進行處理;某些應用需要對數據進行實時處理。考慮到大數據的廣泛應用前景，針對自身海量數據的特性及其處理需求，法國電力的研發部門成立了大數據項目組，借助大數據技術研究海量數據的處理架構，實現用電負荷的精細化測量，降低信息決策系統與運行操作系統之間的延遲。目前該項研究尚屬于起步階段，該項目組的短期目標是：將分布式智能技術集成于原有業務系統，包括具有數據處理功能的智能路由器、分布式數據庫、分布式數據處理以及分布式復雜事件實時處理技術。這些分布式技術同時需要支持控制中心的統一集中式控制。

　　法國電力以用戶用電負荷曲線的海量存儲和處理為突破口，利用大數據技術，形成了能夠支撐在規定延遲內的復雜、并行處理能力。其中數據接入的接入形式包括批處理或數據流兩種;數據的預處理包括時間同步、異常數據檢測及修正，以及改變數據表達形式等;數據處理包括按區域的指標計算、賬單模擬、商業智能BI等。

　　(3)實施專業化管理提升數據質量

　　法國電力認識到，數據質量問題事關重大。IT部門存在一定的能力局限性，尤其是在面對技術應用、企業流程甚至是整個組織等跨專業性、全局性問題時。法國電力通過研究發現，在應用數據開展分析之前，相較于個人對不同信息系統中數據的單次提取和數據質量管理行為，采取建立大數據庫對數據進行集中，由專門的數據質量管理專家對數據質量進行管控、自動集中監測的方式，有助于提升數據庫的性能，促進數據質量管理經驗的分享以及規避個人處理能力的不足。

　　法國電力數據質量管理專家需具有深厚的統計學、信息系統、數據工程等多學科背景以及豐富的IT實踐能力，他們深知如何使用正確的工具、方法和最佳實踐進行數據質量管理以及如何在IT項目中穿插進行數據質量管理。法國電力的數據質量管理專家開展了一系列針對數據質量提升的專項分析研究，比如設計了多維星狀模型對數據進行存貯、分析和檢驗測試，為數據的應用提供了較好的支持。

　　三、案例點評

　　數據研究和分析是企業適應市場需求變化的重要基礎和手段。法國電力公司作為能源基礎服務供應商，通過建立企業數據分析中心，對消費者相關數據進行研究分析，有效增強了市場應對能力，支撐了企業快速發展，取得了良好社會與經濟效益。對國內電力企業進一步挖掘數據資產價值，提升企業效益提供了如下啟示。

　　(1)強化數據資產經營管理理念。數據是反映市場變化與企業運營狀況的直接載體，電力等能源公用事業企業，在長期對消費者提供服務過程中，積累了大量的數據資源。企業需要強化數據資產管理理念，實現紊亂的數據資源向有效的數據資產的轉化，加強數據資產的利用與管理。法國電力公司將電表數據、用電合同數據、電網數據等數據資源整合為企業大數據庫，將其作為重要資產管理對象，設立專業部門，進行專業分析與管理，幫助企業開拓市場、提升服務、降低成本，有效利用了數據資產價值，促進了企業管理優化與高效發展。

　　(2)建立數據資產專業管理機構。獨立的組織機構是強化數據資產管理的重要基礎，國內大部分企業目前對數據資產管理尚分散于各業務部門，缺乏數據資產統一管理規范、管理標準與管理職責，數據資產價值的發掘有待增強。法國電力公司在研發部下成立了職能服務型的運營分析機構，專門對客戶數據進行分析處理。通過建立組織機構，明確工作職責，有效提升了企業對數據資產分析與管理能力，增強了企業協同管理水平。

　　(3)提升數據分析處理能力。數據分析處理能力是挖掘數據資產價值的關鍵。實現有效的數據分析處理需要良好的數據基礎與有效多樣的數據處理模型與方法工具。需要企業建立統一規范的數據標準與全面及時的數據庫。法國電力公司非常重視數據質量與數據處理能力的管理，由專門的數據質量管理專家進行數據質量管控，重視對數據提取、數據質量、分析技術及工具研發，從多個角度對市場消費群體進行精確區分和定位;并通過數據分析對企業自身、市場、環境進行準確分析，為推進法國電力成功實行轉型與發展提供了強有力的分析支撐。

　　(4)促進數據資產價值增值。對掌握大量消費者與市場數據資源的電力公用事業企業，企業通過數據分析、轉化、開發、利用，為企業帶來了直接的經濟效益。同時，通過對市場變動與消費者行為等大數據深層次分析，為企業拓展業務領域、創新盈利模式、推進企業轉型升級提供了有效決策支撐。法國電力公司通過對數據資產分析利用，實現了精確定位目標客戶、推出更具盈利性的新產品、擴大企業市場份額、提升客戶服務響應速度、提升企業商業運作靈活度等一系列成效，實現了數據資產價值增值。通過數據資產價值的深度挖掘，數據資產管理將在支持企業戰略實施、促進企業優化管理、提升企業市場應變能力等方面發揮更大價值。