企业级信息系统用户体验数据挖掘方法
电商企业用户数据挖掘及精准营销实施路径摸索
电商企业用户数据挖掘及精准营销实施路径摸索第一章绪论 (2)1.1 研究背景及意义 (2)1.2 国内外研究现状 (3)1.3 研究内容及方法 (3)第二章电商企业用户数据概述 (3)2.1 用户数据类型及来源 (4)2.1.1 用户数据类型 (4)2.1.2 用户数据来源 (4)2.2 用户数据特征分析 (4)2.2.1 数据量庞大 (4)2.2.2 数据类型多样化 (5)2.2.3 数据更新迅速 (5)2.2.4 数据质量参差不齐 (5)2.3 用户数据采集与存储 (5)2.3.1 数据采集 (5)2.3.2 数据存储 (5)第三章用户数据预处理 (5)3.1 数据清洗 (5)3.2 数据集成 (6)3.3 数据转换 (6)3.4 数据归一化 (6)第四章用户行为分析 (7)4.1 用户行为分类 (7)4.2 用户行为数据挖掘方法 (7)4.3 用户行为模式识别 (7)4.4 用户行为趋势分析 (8)第五章用户画像构建 (8)5.1 用户画像概念及构成 (8)5.2 用户画像构建方法 (9)5.3 用户画像应用案例分析 (9)第六章精准营销策略设计 (10)6.1 精准营销概念及优势 (10)6.1.1 精准营销的概念 (10)6.1.2 精准营销的优势 (10)6.2 精准营销策略类型 (10)6.2.1 内容营销策略 (10)6.2.2 社交媒体营销策略 (10)6.2.3 搜索引擎营销策略 (10)6.2.4 个性化推荐策略 (10)6.3 精准营销策略实施步骤 (11)6.3.1 数据收集与整合 (11)6.3.2 用户分群与画像 (11)6.3.3 制定营销策略 (11)6.3.4 营销活动执行 (11)6.3.5 营销效果评估 (11)6.3.6 持续优化 (11)第七章用户数据挖掘在精准营销中的应用 (11)7.1 用户数据挖掘方法在精准营销中的应用 (11)7.2 用户数据挖掘在产品推荐中的应用 (12)7.3 用户数据挖掘在广告投放中的应用 (12)第八章精准营销实施路径摸索 (12)8.1 精准营销实施关键因素 (12)8.2 精准营销实施路径设计 (13)8.3 精准营销实施效果评估 (13)第九章电商企业用户数据挖掘与精准营销案例分析 (13)9.1 案例一：某电商平台用户数据挖掘实践 (13)9.1.1 背景介绍 (13)9.1.2 数据挖掘目标 (13)9.1.3 数据挖掘方法 (13)9.1.4 数据挖掘成果 (14)9.2 案例二：某电商企业精准营销实施路径摸索 (14)9.2.1 背景介绍 (14)9.2.2 精准营销目标 (14)9.2.3 精准营销实施路径 (14)9.2.4 精准营销成果 (14)第十章总结与展望 (15)10.1 研究总结 (15)10.2 存在问题及改进方向 (15)10.3 研究展望 (15)第一章绪论1.1 研究背景及意义互联网技术的飞速发展和电子商务的日益繁荣，电商企业拥有庞大的用户数据资源。
挖掘客户的10种方法
挖掘客户的10种方法挖掘客户是每个企业发展壮大的关键之一，只有了解客户的需求和喜好，才能提供更好的产品和服务。
本文将介绍10种挖掘客户的方法，帮助企业更好地了解客户，提升竞争力。
1.市场调研：通过市场调研，了解客户对产品的需求和喜好，以及竞争对手的情况。
可以通过问卷调查、访谈等方式收集数据，从而更好地了解客户的需求和市场趋势。
2.数据分析：利用大数据分析工具，对客户的购买行为、偏好等数据进行挖掘，找出隐藏的规律和趋势。
通过数据分析，可以了解客户的购买习惯、价值观等信息，为产品和服务的优化提供依据。
3.社交媒体监测：通过监测客户在社交媒体上的言论和互动，了解他们对产品和服务的评价和需求。
可以通过关注客户的微博、微信公众号等方式，及时获取客户的反馈和意见。
4.客户访谈：与客户进行面对面的访谈，了解他们的真实需求和体验。
可以通过电话、邮件等方式预约访谈，与客户深入交流，了解他们的购买决策过程、关注点等信息。
5.竞争对手分析：通过对竞争对手的调研和分析，了解他们的产品和服务优势，并找出与自己产品的差异化点。
可以通过对竞争对手的产品介绍、用户评价等进行分析，从中找到客户的偏好和需求。
6.客户行为分析：通过对客户的购买行为进行分析，了解他们的购买决策过程和动机。
可以通过购买记录、网站浏览记录等数据进行分析，找出客户的购买模式和偏好。
7.客户满意度调查：通过定期的客户满意度调查，了解客户对产品和服务的评价和改进意见。
可以通过问卷、电话等方式进行调查，及时发现问题并进行改进，提升客户满意度。
8.用户体验测试：通过让客户亲自体验产品和服务，收集他们的反馈和意见。
可以通过组织用户体验测试活动，邀请客户参与，从而了解他们对产品的使用感受和改进建议。
9.客户投诉管理：通过对客户的投诉进行管理和分析，了解客户对产品和服务的不满和需求。
可以通过建立投诉管理系统，及时处理客户的投诉，并从中找出问题的根源，提升产品和服务质量。
如何使用数据挖掘技术挖掘企业潜力
如何使用数据挖掘技术挖掘企业潜力随着信息时代的到来，数据成为了企业发展的重要资源。
然而，企业拥有的数据庞大而复杂，如何从中挖掘出潜力成为了摆在企业面前的一道难题。
幸运的是，数据挖掘技术的出现为企业提供了解决方案。
本文将探讨如何使用数据挖掘技术挖掘企业潜力。
首先，数据挖掘技术可以帮助企业分析市场需求。
通过收集和分析大量的市场数据，企业可以了解消费者的需求和喜好，从而更好地调整产品和服务。
例如，一家电子产品公司可以通过数据挖掘技术挖掘出消费者对于某一款产品的评价和反馈，进而改进产品的设计和功能，提高产品的竞争力。
其次，数据挖掘技术可以帮助企业发现潜在的客户。
通过分析客户的购买记录、浏览历史和社交媒体活动，企业可以找到潜在的客户群体，并进行有针对性的营销活动。
例如，一家电商平台可以通过数据挖掘技术挖掘出一些用户对某一类产品感兴趣，然后向这些用户进行推荐，提高销售转化率。
此外，数据挖掘技术还可以帮助企业进行风险管理。
通过分析历史数据和市场趋势，企业可以预测未来的市场走势和风险，从而及时采取相应的措施。
例如，一家保险公司可以通过数据挖掘技术挖掘出某一地区的自然灾害频率和赔付金额，进而制定相应的保险策略，降低风险。
此外，数据挖掘技术还可以帮助企业进行供应链管理。
通过分析供应链中的数据，企业可以优化供应链的运作效率，降低成本，提高产品的质量和交付速度。
例如，一家制造企业可以通过数据挖掘技术挖掘出供应链中的瓶颈和延迟，进而调整供应商和物流合作伙伴，提高供应链的效率。
最后，数据挖掘技术还可以帮助企业进行竞争对手分析。
通过分析竞争对手的销售数据、市场份额和产品特点，企业可以了解竞争对手的优势和劣势，从而制定相应的竞争策略。
例如，一家零售企业可以通过数据挖掘技术挖掘出竞争对手的促销活动和价格策略，进而制定更具竞争力的销售策略。
综上所述，数据挖掘技术为企业挖掘潜力提供了有力的工具。
通过数据挖掘技术，企业可以分析市场需求、发现潜在客户、进行风险管理、优化供应链和进行竞争对手分析。
信息系统的用户需求分析方法
信息系统的用户需求分析方法随着科技的不断进步，信息系统在各个领域得到了广泛应用。
无论是企业管理、市场营销，还是教育医疗等领域，信息系统的作用都是不可忽视的。
但是，在设计和开发信息系统之前，了解用户的需求是至关重要的。
本文将介绍一些常用的信息系统用户需求分析方法。
一、访谈法访谈法是最常用的采集用户需求的方法之一。
通过与用户进行面对面的交流，我们可以深入了解他们的需求和期望。
在访谈中，我们需要先制定好问题的目标和范围，然后与用户逐个进行访谈。
在整个过程中，我们应该注意倾听和记录，以便后期整理和分析。
二、观察法观察法是通过观察用户在实际操作中的行为来获取需求信息。
这种方法可以帮助我们了解用户的工作流程、习惯和需求痛点。
例如，在设计一个电子商务系统时，我们可以去实地观察商家和消费者的交互过程，从而发现他们在使用过程中的问题和改进点。
三、问卷调查法问卷调查法是通过向用户发放问卷，让他们填写问题来收集需求信息的方法。
相比于访谈法和观察法，问卷调查法可以覆盖更多的用户群体，并且数据更易于整理和分析。
在设计问卷时，我们应该确保问题清晰、简洁，避免使用模糊的表述和主观性的评价。
四、用户故事法用户故事法是敏捷开发中常用的需求分析方法之一。
通过编写用户故事，我们可以更好地理解用户的需求和期望。
用户故事通常由三个元素组成：角色、目标和收益。
例如，“作为一个电商卖家，我希望能够方便地管理库存，以便及时发货”。
五、原型开发法原型开发法是一个通过制作系统原型来验证需求的方法。
通过制作一个简单的界面原型，我们可以邀请用户参与测试，以获得他们的反馈和意见。
通过反复迭代和改进，我们可以逐步完善系统的功能和用户体验。
六、焦点小组讨论法焦点小组讨论法是邀请一组用户参与讨论，让他们自由发表意见和建议的方法。
这种方法可以激发不同用户之间的思想碰撞，帮助我们发现一些我们之前没有考虑到的需求点。
在组织焦点小组讨论时，我们应该确保讨论环境的舒适和开放，鼓励每个参与者积极参与。
如何利用数据挖掘提高客户服务质量
如何利用数据挖掘提高客户服务质量数据挖掘是一种通过分析大数据集合来发现模式、关联和其他有价值信息的技术。
在当今信息爆炸的时代，大量的数据被产生和收集，尤其是在客户服务领域。
如何利用数据挖掘来提高客户服务质量成为了许多企业追求的目标。
本文将介绍如何利用数据挖掘来提高客户服务质量，并探讨其在实践中的应用。
1. 挖掘用户需求数据挖掘可以帮助企业识别和理解客户的需求。
通过分析大量的客户服务数据和用户反馈，可以发现用户的偏好、需求以及对产品或服务的不满意之处。
企业可以利用这些信息来改进产品设计、优化服务流程，以满足客户的需求。
2. 客户细分通过数据挖掘技术，企业可以将客户分成不同的细分市场。
客户的需求和价值往往存在差异，通过准确地划分客户群体，企业可以针对不同群体制定相应的营销策略，提供个性化的客户服务。
例如，对于高价值客户，可以提供定制化的服务，而对于新客户，则可以通过优惠活动吸引其忠诚度。
3. 预测客户行为数据挖掘可以帮助企业预测客户的行为模式和购买倾向。
通过分析历史数据和消费行为，可以识别客户的购买习惯、喜好以及可能的行为模式。
这样，企业可以提前调整销售策略，主动满足客户的需求，并提供个性化的推荐。
4. 异常检测通过数据挖掘技术，企业可以快速发现客户服务过程中的异常情况，例如客户投诉、客诉量增加等。
及时发现并解决这些异常情况，可以帮助企业提高客户满意度，避免不良影响对品牌形象的损害。
5. 质量评估数据挖掘可以对客户服务质量进行评估。
通过分析客户的反馈和评价数据，可以评估不同服务环节的表现，并找出需要改进的方面。
企业可以利用这些信息来持续改进客户服务，提高客户满意度。
6. 情感分析通过数据挖掘技术，企业可以对客户的情感进行分析。
例如，通过对社交媒体上用户的评论和评价进行情感分析，可以了解用户对产品或服务的满意度、情绪倾向等。
这些信息可以帮助企业更好地理解客户需求，及时调整服务策略。
综上所述，利用数据挖掘来提高客户服务质量具有重要意义。
利用数据挖掘进行公司目标客户精准营销
利用数据挖掘进行公司目标客户精准营销随着互联网的快速发展，大量的数据被生成和累积。
而对于企业而言，数据正成为一种宝贵的资源。
利用数据挖掘的技术，企业能够从海量的数据中获取有价值的信息，从而实现目标客户的精准营销。
数据挖掘是一种从大量的数据中发现模式和关联规则的方法。
它通过分析数据集中的规律和特征，揭示隐藏在数据背后的信息，帮助企业更好地了解客户需求和行为习惯。
而在目标客户精准营销中，数据挖掘可以帮助企业实现以下几个方面的优势：首先，数据挖掘可以帮助企业识别目标客户。
通过分析大量的历史数据和消费行为，企业可以构建客户画像，了解目标客户的特征和喜好，从而找到最匹配的目标客户。
比如，一家电商企业可以利用数据挖掘技术，通过分析用户的购买记录、浏览行为等数据，找到潜在的高价值客户，并重点进行营销推广。
这样，企业可以避免将有限的资源浪费在不太有可能购买产品的客户身上，实现精准营销。
其次，数据挖掘可以帮助企业预测客户需求。
通过分析历史数据以及外部环境因素，企业可以预测目标客户的需求变化趋势。
比如，一家快餐连锁企业可以利用数据挖掘技术，分析用户在不同季节、不同地域的消费数据，预测出特定时间段的销售量，从而调整产品的供应和推广策略。
这样，企业能够更准确地满足客户的需求，提高竞争力。
第三，数据挖掘可以帮助企业个性化营销。
通过分析客户的购买历史、浏览行为等数据，企业可以给客户提供个性化的推荐和优惠。
比如，一家电商企业可以根据用户的购买记录和浏览习惯，推荐相似的商品或者提供定制化的优惠活动，从而增加客户的购买欲望和忠诚度。
个性化营销不仅能够提升客户体验，还能够提高销售转化率和客户满意度。
最后，数据挖掘可以帮助企业进行精细化的营销策略制定。
通过对市场和竞争对手的数据进行分析，企业可以发现市场的机会和趋势，制定相应的营销策略。
比如，企业可以通过分析竞争对手的定价策略和促销活动，找到合适的定价点和推广方式，从而提高产品的市场占有率。
企业数据采集的10个经典方法
企业数据采集的10个经典方法1.网络调查和问卷调查网络调查和问卷调查是常见的一种数据采集方法。
企业通过在网上发布调查问卷或通过邮件送达，收集用户意见、产品反馈、市场需求等信息。
这种方法可以快速获取大量数据，但需要注意样本的代表性和有效性。
2.用户行为分析3.数据挖掘和机器学习数据挖掘和机器学习是利用数据分析算法来发现数据中的模式和趋势的方法。
通过对大量的企业数据进行分析和建模，可以预测市场趋势、发现潜在用户群体等。
这种方法需要专业的统计和数学知识。
4.竞争情报分析竞争情报分析是通过收集竞争对手的信息和数据来了解其市场策略和优势。
企业可以通过监视竞争对手的广告、销售数据、产品发布等信息，来了解市场的竞争态势，从而制定相应的营销策略。
5.社交媒体监测社交媒体是人们交流和分享信息的重要平台，通过监测社交媒体平台上的讨论、评论、分享等信息，可以了解用户对产品和品牌的看法和反馈。
这种方法可以及时掌握市场动态和用户需求。
6.传统调研和采访传统调研和采访是通过直接和潜在用户进行面对面的问答，获取详细的反馈和意见。
这种方法可以深入了解用户的需求和心理，但需要耗费较多的时间和人力资源。
7.销售数据分析通过分析销售数据，包括销售额、销售渠道、销售区域等，可以了解产品的市场需求和销售趋势。
这种方法可以帮助企业优化产品组合、调整定价策略等。
8.市场调研和观察通过进行市场调研和观察，收集市场中存在的问题、需求和竞争情况。
企业可以通过参加行业会议、观察市场趋势和竞争对手的动态等方式，了解市场的信息。
9.外部数据采集外部数据采集是指利用外部资源获取数据，例如购买市场调研报告、使用第三方数据分析工具等。
这种方法可以快速获取全面的市场数据，但需要注意数据的可靠性和准确性。
10.内部数据挖掘企业可以通过内部数据分析，例如员工数据、财务数据、生产数据等，来了解企业的运营状况和效率。
通过深入分析企业内部的数据，可以发现问题和优化管理。
如何利用数据挖掘提高客户反馈分析
如何利用数据挖掘提高客户反馈分析数据挖掘是一种通过发掘和分析大规模数据集以揭示隐藏模式和关系的技术。
在当今数字化时代，越来越多的企业开始意识到数据挖掘在改善业务运营方面的潜力。
其中，利用数据挖掘技术来提高客户反馈分析的效果成为了企业关注的焦点。
本文将讨论如何利用数据挖掘来提高客户反馈分析的方法和技巧。
1. 数据收集和预处理在进行客户反馈分析之前，首先需要收集和整理相关的数据。
这些数据可以包括客户的满意度调查、投诉记录、社交媒体上的评论等。
为了确保数据的质量和准确性，需要对数据进行预处理。
这包括去除重复数据、处理缺失值和异常值等。
2. 探索性数据分析接下来，利用数据挖掘的技术对收集到的数据进行探索性数据分析。
这包括使用统计方法和可视化工具来探索数据的分布、相关性和趋势。
通过分析数据，可以获得对客户反馈的初步了解，并发现一些潜在的模式和问题。
3. 文本挖掘和情感分析在客户反馈分析中，大量的数据往往是以文本形式存在的，例如客户留言、评论等。
为了从这些文本数据中提取有用的信息，可以使用文本挖掘和情感分析的技术。
文本挖掘可以帮助识别关键词和短语，而情感分析可以帮助判断客户反馈的情感倾向，如正面、负面或中性。
4. 主题建模和聚类分析主题建模和聚类分析是数据挖掘中常用的技术，可以帮助把大量的客户反馈数据归类和整理。
主题建模可以将文本数据划分为不同的主题或话题，而聚类分析可以将相似的反馈归为一类。
通过这些分析方法，企业可以更好地理解客户的需求和关注点。
5. 关联规则挖掘关联规则挖掘是一种通过发现频繁出现的项集之间的关联关系来分析数据的技术。
在客户反馈分析中，可以利用关联规则挖掘的方法，找到反馈之间的关联，例如某类问题常常伴随着其他问题出现，或者某些产品特征与客户满意度之间的关联。
这些关联规则可以为业务决策提供有价值的信息。
6. 预测和建模利用数据挖掘的技术可以建立模型来预测客户的行为和满意度。
例如，可以使用分类和回归分析等方法来预测客户是否会购买某个产品或服务，或者预测客户对产品的满意度等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
企业级信息系统用户体验数据挖掘方法
作者：刘强曾明霏周迪贵谢朋宇欧阳喆陶镇威
来源：《电子技术与软件工程》2017年第02期
摘要各类监控平台输出了大量企业级信息系统的性能监控数据，但数据凌乱复杂，不利于分析整改。
本文以资产管理系统为试点，综合对各类监控平台的监控进行数据挖掘，找出影响资产管理系统用户体验的关键问题指标，针对性采取优化措施后效果提升较好，数据挖掘方法及优化措施推广至人资、财务、营销等企业级信息后也取得了良好的效果。
【关键词】北塔数据库开发审计用户体验分析平台用户体验
电力企业工作具有复杂性的特点，随着科学技术发展及工作的实际需求的变化，电力企业工作逐渐呈现出智能化、集约型及高效性的信息化特点。
通过在电力工作中普及信息化技术的实践应用，有效解决电力企业工作体系中的瓶颈问题，提高工作效率。
本文中笔者主要分析各类监控平台的大量监控指标，找出真正影响用户体验的原因，从而实现系统问题的有效整改及性能提升，提升企业级信息系统的用户体验。
1 电网企业信息系统监控平台建设目标
电网企业内部构建北塔、数据库开发审计和业务系统用户体验分析平台等监控平台，监控各企业级管理信息系统的各项运行指标，便于运维人员全面了解各企业级信息系统的运行效果与用户体验情况，分析系统的存在问题，促进系统优化，提高用户满意度。
2 企业级信息系统用户体验问题
2016年2月至4月期间，北塔监控系统在业务高峰期间曾发生内存、CPU告警，用户体验各项监控数值频繁飙高，数据库开发审计存在大量设计不当的SQL，导致语句执行低效，资产管理信息系统共发生11起故障，特别是业务高峰时段，系统登录、配网电子化移交、工作票、停电检修、设备台账变更等模块的性能及稳定性问题尤其突出，严重影响系统用户体验。
可见，资产管理信息系统故障频繁、原因复杂，临时整改措施治标不治本，已对业务和用户体验造成严重影响。
3 信息系统用户体验的数据挖掘过程
我们将数据库开发审计和用户体验分析平台输出的指标数据和监控数据反馈给厂家，但由于这两项数据繁多、问题分散、重点不突出，难以将两项数据结合起来分析，厂家的优化效率不高且效果不明显，急需我们对这两项数据进行深入的挖掘和分析，提供一份更有针对性的数
据以供厂家整改优化，从而达到提高系统性能，提升用户体验的目的。
具体数据如表1、2所示。
资产系统频繁发生故障，主要因为服务器性能及系统稳定性不高，我们希望通过整改数据库表及语句提升服务器性能，通过优化系统主要功能和常用功能的代码提高系统稳定性。
3.1 大对象、临时表分析
大对象的读取和写入的数据单元一般都比较大，如果大数据字段的块太小，会导致比较多的I/O次数，对超过100MB的表分配独立表空间或文件系统，可以提高I/O的吞吐率。
随着资产系统的不断使用，大量动态实体表产生，系统的性能表现越来越差，针对备份表系统管理员都会制定清理周期定期梳理表数据，只需对剔除备份表后的临时表的建表机制进行管理和评估，同时建议其他企业级管理信息系统减少使用临时生成物理表的方式，以减少临时表的数据量，更好地保障数据库性能。
3.2 全表扫描SQL、差性能动作分析
资产管理系统的数据库属于OLTP类型，这种类型对大表的全表扫描所耗费的I/O资源和时间会随着数据量增加。
资产管理系统数据库内存共240G，共32314张表，我们将大小超过100MB的表认定为大表。
大表扫描所耗费的I/O资源和时间与数据量之间的联系在差性能动作的服务器耗时和网络耗时两个指标值中有所体现。
通过找出差性能动作中的动作名称对应的功能点可以发现，该功能点对应的数据库表在高耗时SQL清单中大多存在于耗时超过3秒，执行次数超过50次的SQL中，而差性能动作中服务器耗时和网络耗时两个指标值较高的动作，其对应的总访问次数大多在200次以上。
3.3 高耗时SQL、不可用动作分析
数据库若存在大量高耗时的SQL，将会影响数据库性能，甚至导致部分功能点不可用。
一般80%的性能问题是由20%的SQL语句导致的，因此实时监控在线系统中正常执行的Top SQL，将这些SQL进行不间断的优化，可以保持应用系统数据库的良好性能监控状况。
通过不可用动作中的动作名称找出其对应的功能点，再将改功能所用的语句对应到高耗时清单中的SQL语句，可以发现大多的语句耗时超过5秒，执行次数大于20次，且该功能点的不可用占比也大于3% 。
3.4 错误清单分析
本文研究的目的是希望能够快速、有效提升系统用户体验效果，而影响用户体验的因素有很多，对于厂商来说，比较可控的因素是系统代码和服务器性能方面。
由于系统的整改或新功能的增加，一些系统隐藏的BUG会浮现出来，导致用户访问时发生404错误。
通过优化系统代码修复系统BUG来降低404错误的发生率。
500错误码大部分是由于服务器性能和数据库性能导致的，可以通过优化系统代码结构和优化高耗时SQL来系统性能，有效提升系统用户体验。
经过前面的一系列分析过程，梳理出一套问题数据过滤规则，按照该规则来分析挖掘数据后，资产管理系统的问题数据量大大减少，分析后的具体变化如表3所示。
经过前面的数据挖掘分析后，我们找出影响资产等系统用户体验的关键问题指标：数量大于100MB的大对象表，临时表，耗时超过3秒，执行次数50次以上的全表扫描，耗时超过5秒，执行次数超过20次的高耗时SQL，访问次数超过200以上的差性能动作，不可用率大于3%以上的不可用动作，次数大于10次且错误码为404、500的错误动作。
每月中旬，我们从数据库审计和用户体验分析平台输出数据，按照以上规则处理后提交给厂家整改，厂家提交整改报告，月例会中审核整改结果，实现了从用户体验问题的发现、严重性分析、反馈、厂家整改到复核的全过程管控。
同时将管控方法应用到营销系统、人资系统、财务系统后，相应的数据变化如表4所示。
4 电网企业信息系统用户体验效果分析
资产管理信息系统施行该管控方法后，系统代码和数据库SQL得到极大的优化，用户体验分析平台输出的指标数据得到改善，监控数值趋于稳定，系统在性能和用户体验方面都有所提升，达到了提高用户体验的目标，推广至及其他企业级信息系统也取得了很好的效果。
突出的改善指标如下：资产系统平均页面耗时由2.972s下降至0.828s，下降了358%；资产、营销系统服务器CPU和内存使用率由80%以上下降50%以下；人资系统数据库页面加载时间由0.435s降低至0.249s，平均页面耗时从0.435s下降至0.178s，下降了244%。
提高了系统安全稳定运行率，提升了企业级信息系统的用户体验及客户满意度，提高了业务部门的工作效率。
具体如表5所示。
5 结语
总而言之，现如今信息技术不断发展与完善，新的技术手段不断出现。
本文通过有效的数据挖掘和分析，形成一套有效的企业级信息系统用户体验问题的管控方法，并将其应用到其他企业级信息系统，有效地提高了工作效率和用户体验，才能为构建和谐社会贡献一份力量，充分发挥电力企业促进社会进步的作用。
参考文献
[1]梁新刚，杨峥.信息系统运行方式探讨[J].山西电力，2013（06）：145-147.
[2]牛春霞.电力负荷管理系统运行方式优化方案探讨[J].电网技术，2007（S1）：67.
[3]彭泽武，李伟清，林强，刘文彬.电网企业信息系统运行方式模型研究[J].电力信息化，2013（06）：23.
[4]杭聪，刘强，张蔚东，王聪.业务系统用户体验分析技术在电力企业级管理信息系统中的应用[J].信息化建设，2016（04）：252-254.
作者单位
广西电网有限责任公司信息中心广西省南宁市 530023。