探索电力营销的大数据建设及应用之路
大数据技术在电力营销中的应用
大数据技术在电力营销中的应用摘要：随着云计算、大数据、物联网等信息技术的应用，人类社会已经进入了人工智能驱动的经济数字化转型阶段。
电力营销作为供电企业重要的一项主营业务，直接影响电力公司的市场占有率及发展前景。
为了更好地满足人们的需求，同时实现我国电力行业的健康发展，电力企业应当提高自身对于电力营销信息化的关注度，加大对其的建设力度，不断提升自身的市场竞争力。
本文主要分析了大数据技术在电力营销中的应用。
关键词：大数据；电力营销；应用中图分类号：F426 文献标识码：A引言近年来，我国电力企业发展迅速，电力建设取得了前所未有的成就，为我国经济的快速发展增砖添瓦。
基于大数据环境下信息化技术的发展以及电力企业的体制改革，实现电力营销信息化发展标准化和统一化是当下电力企业改革的主要方向，大部分电力企业由传统营销转为信息化营销平台。
1 大数据在电力营销中应用的意义从大数据这一时代背景来看，为了进一步改善自身的发展状况，电力企业应当先充分了解与掌握积极开展电力营销信息化建设的重要性以及其所能够带来的积极作用，提高自身对其的重视程度和关注度。
事实上，积极开展电力营销信息化建设，具有至关重要的作用和不可替代的意义，不仅能够在一定程度上减少电力企业在日常运营时产生的成本耗费，推动相关经济结构的改善与优化，还能够积极推动电力企业进行更深一层的转型和升级，使企业能够紧紧跟随时代发展的步伐，更好地满足人们的需求。
电力企业的实力与其服务效果和电能的供应品质息息相关，而想要进一步增强自身的服务效果，电力企业往往就需要付出更多的生产成本。
在这个过程中，如果能够充分发挥大数据技术的作用，积极开展网络化营销，就能够有效减少不必要的成本支出，进而为电力企业所能够得到的经济效益提供良好的保障，同时还能够进一步增强其综合实力，帮助其在市场当中占据更高的地位。
2 电力营销现状目前，我国很多供电企业的营销服务没有达到相应的水平，企业与用户方面存在各种各样的矛盾，深入了解后主要原因以下三点：（1）垄断行业思维，由于电力供应的唯一性，缺少商业竞争，导致相关企业缺乏服务意识，甚至会产生优越感，这就形成了买卖双方的不和谐关系。
大数据环境下的电力营销信息化建设解析
大数据环境下的电力营销信息化建设解析随着大数据技术的不断发展和应用，各行各业的信息化建设也呈现出了全新的趋势和特点，电力营销行业也不例外。
在大数据环境下，电力营销信息化建设具有了更高的要求和更广阔的发展空间。
本文将针对大数据环境下的电力营销信息化建设进行深入解析，探讨其特点、存在的问题和发展趋势。
一、大数据环境下电力营销信息化建设的特点1、数据规模巨大在大数据环境下，电力营销所面对的数据规模巨大，涉及到用户的用电信息、市场交易信息、能源生产信息等各方面数据，这些数据的规模庞大，需要进行有效的收集、存储和分析。
2、数据类型多样电力营销领域的数据类型非常多样，包括结构化数据、半结构化数据和非结构化数据，涵盖了文本、图片、音频、视频等多种形式的数据，这就对电力营销信息化系统的数据处理能力提出了更高的要求。
3、数据价值高大数据环境下的电力营销数据具有更高的价值，通过对这些数据进行深度分析和挖掘，可以帮助企业更好地了解用户需求、把握市场动向，提高营销效率和精准度，实现精细化运营。
4、数据安全性要求高大数据环境下的电力营销信息化建设也面临着数据安全性要求更高的挑战，如何确保数据的安全性、完整性和可靠性成为了一个重要的问题，需要采取更加严密的安全保护措施。
大数据环境下的电力营销信息化建设既面临着诸多挑战，也蕴含着巨大的发展机遇。
电力营销企业需要深刻认识大数据环境对信息化建设的影响，积极应对挑战，抓住机遇，加快推进信息化建设，提升企业在市场竞争中的核心竞争力。
政府、学术界、行业协会等各方也应加强合作，共同推动电力营销信息化建设的发展，为我国电力市场的健康发展提供更好的信息化支持。
浅谈大数据在电力营销中的应用
浅谈大数据在电力营销中的应用摘要：在电力市场内，借助经营活动满足客户对电力资源的需求，为其提供各式服务、电力产品，即为：电力营销。
现如今，电力营销技术已然被广泛地应用在各城市电力系统当中，客户、电力部门之间的关系因此改善。
电力部门及相关企业应该正视电力营销技术给电力系统运行工作带来的影响。
并在现实工作中，充分借助技术优势，完善电力系统运行方式、企业工作开展方式。
关键词：大数据；电力营销；应用1大数据背景下电力营销工作的优势1.1提高服务质量在信息化社会的发展中，大数据技术正在以极快的速度拓展，电力营销工作也与时代发展保持同步，引入大数据技术以后，传统的营销体系得到了优化，实现了营销质量以及电力产品质量的提升。
同时，优质服务是电力企业发展的关键性影响要素，对于推进营销工作的发展，争取更多的经济效益具有积极的意义。
1.2营销个性化现阶段我国的经济处于持续的发展中，用户对于用电质量的要求愈加严格，电力企业为了满足用户的需求，必须要推行精准化的营销服务，并在此基础上提升营销效率，保证电力管理质量，提升管理水平，大数据为电力企业提供了更多有效的信息，对于电力营销工作的开展具有重要的参考价值，根据客户的消费行为，可以准确的定位客户信息，从而形成用电客户画像，提升工作效率。
精确地掌握用户的特点，并结合用户的特点有针对性的开展销售活动。
有助于电力企业个性化营销模式的推行，在保证营销效率的同时，提高了营销管理质量，保证企业的经济效益。
1.3提升反窃电水平目前采集数据应用有待进一步挖掘。
随着用电信息采集系统全覆盖工作的开展，采集系统数据已经在数据异常告警、线损管理等方面发挥了很好的效果。
但是对于电量数据、负荷数据、电压电流数据、事件数据的利用率不高，没有充分利用大数据分析工具计算挖掘数据特性，发现用户用电特性，尤其是对窃电用户的数据分析。
建立反窃电模型是利用用户画像、指纹识别等大数据分析手段，分别针对专变和低压用户，建立窃电识别模型，全面监测用电异常行为，实时提供用电异常的预警信息，变被动为主动，及时发现用电异常用户，立即采取措施，做到依法追补有理有据、发现问题准确及时，从而实现降损增效的目标，提高一线人员工作效率，维护公司合法经济利益和社会形象，保障用户用电安全。
大数据分析在电力企业市场营销中的应用思考
大数据分析在电力企业市场营销中的应用思考随着信息技术的不断发展，大数据分析已经成为许多行业提升市场竞争力，实现精准营销的重要手段。
在电力企业市场营销中，大数据分析的应用也日益引起人们的关注。
本文将从数据来源、数据分析、市场营销策略等方面探讨大数据分析在电力企业市场营销中的应用思考。
一、数据来源大数据分析在电力企业市场营销中的第一步就是数据的收集和整合。
电力企业拥有大量的用户信息、用电数据、运营数据等，而这些数据都是大数据分析的重要来源。
社交媒体、移动应用、电商平台等也是获取用户行为数据、用户偏好数据的重要渠道。
通过对这些数据的收集和整合，电力企业可以构建起自己的大数据平台，用于后续的数据分析和挖掘。
二、数据分析大数据分析在电力企业市场营销中的核心是数据分析。
通过对海量的数据进行分析，可以挖掘出用户的消费习惯、生活方式、用电需求等信息。
在这个基础上，电力企业可以对用户进行细分，针对不同的用户群体制定个性化的营销策略。
数据分析还可以帮助电力企业发现用户的潜在需求，为产品创新提供参考。
数据分析还可以帮助电力企业进行市场竞争分析，把握市场动态，及时调整营销策略。
三、市场营销策略基于大数据分析的结果，电力企业可以制定更加精准的市场营销策略。
可以根据用户的消费习惯和需求，制定个性化的营销方案，包括优惠折扣、定制服务、活动推广等。
可以通过大数据分析发现用户的潜在需求，推出符合市场需求的新产品或服务。
可以根据市场竞争分析的结果，调整产品定价、渠道分配、品牌宣传等策略，提升市场竞争力。
大数据分析还可以帮助电力企业进行营销效果的评估，根据反馈数据及时调整营销策略，实现营销效果的最大化。
四、案例分析中国电力企业市场营销中的大数据分析案例有很多。
沃尔玛利用大数据分析用户的购物行为，实现了更加精准的商品推荐和定价策略。
中国移动通过大数据分析用户的通讯记录和互联网行为，提供了个性化的流量套餐和业务推荐。
国家电网利用大数据分析用户的用电数据，实现了精准的用户定位和服务定制。
大数据在电力营销信息化系统中的应用
大数据在电力营销信息化系统中的应用随着信息技术的快速发展和电力行业的不断进步，大数据在电力营销信息化系统中的应用也越来越受到重视。
大数据的广泛采集、存储和分析，为电力营销信息化系统带来了前所未有的机遇和挑战。
本文将探讨大数据在电力营销信息化系统中的应用，并分析其带来的影响和优势。
一、大数据在电力营销信息化系统中的应用概述电力营销信息化系统是电力企业为了提升核心竞争力而建立的一个综合性的信息化管理系统。
它通过数据的采集、处理、分析和应用，实现了对电力营销过程的全面监控和管理。
大数据作为电力营销信息化系统的新兴技术，拥有强大的数据整合和分析能力，使得电力企业能够更好地开展市场调研、客户管理和产品营销等工作。
二、大数据在电力营销信息化系统中的应用案例1. 市场调研和用户画像分析通过对大数据的采集和分析，电力企业可以获取到各种市场数据和用户行为数据，从而进行市场调研和用户画像分析。
例如，通过对用户用电行为数据的分析，电力企业可以了解用户的用电习惯和需求，从而制定更加精准的市场推广策略，并且针对不同类型的用户进行差异化营销。
2. 营销数据分析和决策支持借助大数据分析平台，电力企业可以对各类营销数据进行深度挖掘和分析，从而发现潜在的市场机会和问题。
例如，通过对用户的购电数据和投诉数据进行分析，电力企业可以及时发现用户的用电异常和投诉情况，并采取相应的措施解决问题，提升用户满意度和忠诚度。
3. 营销策略的优化和精准推荐基于大数据的用户画像和算法模型，电力企业可以实现对用户进行精准推荐和个性化营销。
例如，根据用户的用电行为和偏好，电力企业可以向用户推荐最适合其需求的用电产品和服务，并根据用户的反馈和行为数据进行调整和优化，提升营销的效果和用户的满意度。
三、大数据在电力营销信息化系统中的影响和优势1. 提高电力企业的经营决策能力大数据分析平台的使用，可以帮助电力企业实现对大量数据的快速处理和分析，从而提升决策的准确性和效率。
大数据技术在电力营销中的应用
大数据技术在电力营销中的应用摘要：在电力市场中，通过商业活动满足客户对电力资源的需求，为客户提供各种服务和电力产品，即：电力营销。
目前，电力营销技术已广泛应用于城市电力系统，改善了用户与电力部门的关系。
电力部门和相关企业应正视电力营销技术对电力系统运行的影响。
并在实际工作中，充分利用技术优势，完善电力系统运行模式和企业工作发展模式。
关键词：大数据技术；电力营销；应用1 大数据的概述1.1 大数据概念大数据（bigdata）是随着计算机技术的飞速发展以及对大量数据的分析和处理需求而产生的一种技术。
随着数据量的不断增加，如何实现高速、科学、准确的处理，使大量的不规则数据成为定期可用的数据，这是大数据技术面临的问题。
1.2大数据开发大数据是19世纪末在美国提出的。
经过20世纪的长足发展，大数据技术近年来发展迅速，尤其是其强大的处理和分析海量数据的能力，得到了社会各个领域的关注和认可。
今天，大数据技术在许多领域发挥了巨大作用，为社会注入了新的动力，推动了许多行业的快速发展。
大数据时代的到来是不可避免的。
1.3数据存储大数据技术中的数据存储主要采用分布式存储方式。
对于现实中的一些应用，它可以满足数据存储的需求，并保证数据存储的吞吐量，从而最大限度地减少存储过程中的数据故障。
主要存储内容可分为以下几点：1.3.1 数据存储有两种基本路径：（1）行存储；（2）还将组合列存储以实现存储。
1.3.2为了实现存储，数据信息将存储在多个设备中。
1.3.3为了保证存储质量，存储设备必须连接到高速网络。
为了保证数据查询的速度和质量，有必要构建一个分布式搜索引擎。
尽管大数据技术在实际使用中具有良好的数据存储效果，但仍存在一些不足。
1.3.3.1 虽然目前的技术形式可以构建相对稳定的数据结构，但构建的数据结构通常比较简单，无法构建复杂的数据结构。
1.3.3.2数据的调度技术还有一定的缺陷，对于一些不适宜的调度会大大增加数据结构的负担。
浅谈大数据在电力营销中的应用
浅谈大数据在电力营销中的应用【摘要】本文旨在探讨大数据在电力营销中的应用。
通过对大数据在电力营销中的理论基础、数据采集与处理、用户画像分析、个性化营销策略以及实时监控与预警等方面的研究，从而评估大数据在电力营销中的应用效果。
结论部分将对应用效果进行评价，并展望未来的发展趋势。
通过本文的研究，将为电力营销决策提供重要参考，推动电力企业的发展。
通过大数据技术的应用，电力企业可以更加精准地了解用户需求，提供个性化的服务，实现精准营销，提升市场竞争力。
结语部分将总结本文的研究成果，并展望未来大数据在电力营销中的更广阔前景。
【关键词】大数据、电力营销、应用、理论基础、数据采集、处理、用户画像、个性化营销、实时监控、预警、应用效果评价、发展趋势、结语1. 引言1.1 研究背景电力行业作为国民经济的基础产业之一，在现代社会扮演着至关重要的角色。
随着社会经济的不断发展，电力市场竞争愈发激烈，传统的营销模式已经无法适应市场需求的快速变化。
如何利用大数据技术来提升电力营销的效率和精准度，成为了当前电力行业亟待解决的问题。
传统的电力营销中往往依靠人工经验和简单的数据分析来制定营销策略，这种方法不仅效率低下，还很难满足不断变化的市场需求。
而大数据技术的出现为电力营销带来了新的机遇。
通过对海量数据的采集、存储、处理和分析，可以为电力企业提供更精准的市场洞察，帮助企业更好地了解用户需求，制定个性化的营销策略，最大程度地提升营销效果。
研究大数据在电力营销中的应用具有重要的意义，可以帮助电力企业更好地适应市场变化，提高营销效率，增强市场竞争力。
这也是推动电力行业向大数据智能化转型的重要一步，具有积极的社会和经济意义。
1.2 研究意义大数据在电力营销中的研究意义主要体现在以下几个方面：大数据在电力营销中的应用可以帮助电力企业更好地了解用户需求和行为特征，提高用户满意度，促进业务发展。
通过对大数据进行分析，可以深入挖掘用户的消费偏好、用电习惯等信息，从而有针对性地开展个性化营销，提高市场竞争力。
大数据在电力营销工作中的应用
大数据在电力营销工作中的应用摘要：近年来，随着市场经济的快速推进和科学技术的日新月异，大数据相关技术得到迅猛发展。
大数据应用范围的不断拓展，电力企业也进入到发展的重要阶段。
电力企业借助大数据使自身优势得以全面发挥，推行有效的营销策略。
本文首先分析了大数据的特点，然后提出了大数据应用于电力营销工作的优势。
最后阐述了大数据背景下，开展电力营销活动的具体措施，对于电力企业今后的营销工作具有积极的参考意义。
关键词：大数据；电力营销；工作应用引言随着市场经济的不断发展，售电市场逐渐进入了更为竞争激烈的时代，电力企业在电力营销服务过程中所面临的竞争压力将会越来越大，而信息化时代，则能够为电力营销这项工作提供更多的服务，使电力营销在市场中具有较强的竞争力，能够及时地根据客户的服务体验和需求占领电力市场，基于客户侧大数据分析的云服务模式将会成为电力营销的新模式。
1电力市场营销中大数据的特点及意义1.1电力营销中大数据特点电力大数据与经济、社会存在广泛紧密的联系，电力大数据的价值不仅局限在电力行业内部，更体现在国民经济运行、社会进步及各行业创新发展等多个方面。
电力企业积累了海量数据，这些数据在数据量、多样性、速度和价值方面具有大数据的特征。
电力企业大数据通过传感器、智能设备、视频监控设备、移动作业终端、网上国网等各种数据采集渠道，将收集到的结构化、半结构化、非结构化海量数据集合。
这些数据通过与行业外数据的相互交融，通过大数据的分析整合，将会使电力大数据发挥出更大的价值。
为科学合理的确定营销策略提供了保证，促进企业经济效益的显著提升。
综上所述，电力营销大数据具有体量大、类型多、价值密度低、处理速度块等特点。
1.2电力营销中应用大数据的意义在现代社会中，人们的生活方式逐渐发生了改变，电视等传统形式的媒体在人们生活中的作用明显削弱，传统形式广告所发挥的宣传作用也显著降低。
在大数据的环境中，呈现出众多的广告传播新模式，使公众了解电力企业的途径得到了有效的拓展，促进了电力企业不同部门之间的高效合作。
- 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)。
探索电力营销的大数据建设及应用之路
发表时间：2017-01-09T14:29:49.050Z 来源：《电力技术》2016年第10期作者：羊辉
[导读] 当沟通变成数据，当关系变成数据，当文字变成数据，当方位变成数据……当数据量化一切时，便有了大数据中心。
国网绵阳供电公司四川省 621000
摘要：阿里巴巴创始人马云说：“很多人没搞清PC的时候，移动互联网时代来了；没搞清移动互联网的时候，大数据时代来了。
”大数据英译“Big Data”，近两年已经撼动了世界的方方面面，从商业科技到医疗、政府、教育、经济、人文及社会其他各个领域，数据成了有价值的公司资产、重要的经济投入和新型商业模式的基石。
国家电网公司同样拥有海量的数据资源，但遗憾的是没有整合为大数据，成为有价值的资产。
本文结合工作实践，思考并探索大数据的建设及应用之路，为营销管理决策、营销转型提供有理有据的数据支撑。
一、电力营销数据管理现状
电力营销涉及电费电价、客户服务、营销业务、计量管理、智能用电、采集管理等多个专业、多个层级、多个辖区的海量数据，但目前收集的数据还不能称之为大数据，一是数据纵度较浅，横度较窄，覆面不广，且数据颗粒较粗，有待研磨细节；二是有限的数据资源决定了分析应用的局限性，目前大数据分析结果多应用在风险防控方面，在趋势预测、决策支撑上发力不足。
大数据建设推进困难原因主要有：
（一）数据源不健全、数据质量差。
现大数据建设应用的数据80%来自SG186系统和采集系统，在分析过程中常发现两系统数据不同步，且SG186系统档案本身不完善，不准确，直接影响到分析结果。
（二）模型统一设计工作量大。
现数据模型设计绝大部分由监控组人员完成，存在两个问题：一是专业度不够深，二是速度慢，成效不显著。
（三）数据分析工具少。
目前多采用EXCEL进行简易运算和人工比对分析，在运算功能、智能化程度上较落后，需要创造专业分析工具Mintab、Hadoop等学习条件和培训机会。
二、大数据建设策略
长期规划，建立大数据仓库，分析应用是核心，体现数据价值是目的。
短期见效，非源头数据直接导入，结构化数据入手，早出成果。
应用驱动，展现全局指标数据，决策层关心数据，客户群需求数据，以应用促建设。
边构建应用，边数据整合。
此建设方法优势在于分析应用快速见效，逐步深化兼顾效率和可扩展性，挑战点在于调动业务驱动方法步调一致，建设团队的有效分工、协作。
三、大数据建设思路
（一）“555”建设模式
“555”模式即：构建“防窃电管理”、“线损管理”、“能效管理”、“精准服务”、“售电市场规划”5个数据模块；整合“跨部门”、“跨层级”、“跨专业”、“跨行业”、“跨区域”5个数据源头；经过“设计→收集→整合→应用→集成”5个实施步骤，将现成数据表、设计数据表拆分到各专业，落实到各单位，合力联通“信息孤岛”，运用Mintab、Hadoop等大数据分析专业工具，实现大数据分析。
图1 大数据“555”建设模式
（二）分阶段实施
第一阶段，2016年1-6月，摸索研究。
学习认识大数据概念，摸索大数据思维方式，从万千数态中寻找适合电力营销大数据建设的方法。
第二阶段，2016年6-12月，数据仓库初具规模。
设计数据模型，确定数据源，统一数据口径，搭建大数据管控平台。
第三阶段，2017年1-12月，数据仓库强化提升。
将扩充信息资源，进一步完善数据库体系，数据管理系统、数据分析系统、数据服务系统等应用系统核心功能的建设，完善信息安全保障体系建设，完成阶段性大数据储备。
第四阶段，2018年1-12月，数据仓库价值体现。
统一大数据出入口，融合大数据资源，加快、加深数据产品的研发力度，让数据转化为有价值的资产。
（三）工作机制
组织机制：由营销分管领导任建设团队负责人，负责的团队管理、协调事宜；营销部监控组牵头主导，负责大数据库的搭建，下达数据收集、整理任务，汇总审核数据质量，应用大数据开展专题分析；各专业口协同配合，负责数据模型设计，专业数据归集；基层单位负责数据的收集更新并对数据质量负责。
培训机制：通过核心骨干参加大数据知识培训，带动团队成员掌握大数据思维模式，结合顶层设计要求，倾听业务专家意见，在每次的分析应用过程中总结提升。
沟通机制：以专项要求、业务通知、方案研讨会、阶段性汇报会等多种形式，灵活沟通，扎实推进。
认责机制：数据的真实、完整是分析应用的基石，对数据质量的管控采取“谁填报，谁负责”的原则。
营销监控组根据各专业提供的数据
广度、深度、数据质量、提报的速度，提出绩效加分、扣分建议。
各专业对基层单位同比追责。
四、大数据建设实践
中国大数据领军人物周涛从食堂打卡中找到校园中“最孤独的人群”的案例启迪我们：真正掌握大数据，不只是拥有海量数据，更要拥有大数据思维。
而所谓大数据思维，是在看似无关联的事物间找到中间的关联性，并能够进行逻辑分析和定量化处理，从而用大数据的语言描述、验证、分析并得出结论。
虽然，目前整合运用数据还不能与大数据媲美，但是通过小数据的采样分析，以最少的数据获得了最多的信息。
（一）“能效管理”案例——提供风险防控为帮助电力客户合理用电，有效利用电力资源，构思从专变用户的运行容量与零用电量不匹配现象中找出能效管理差的电力客户，予以指导。
从收集的26270条次近6个月零电量用户中，一一筛选工作量太大，且效果不好。
进一步结合运行容量、零电量、抄表计划、用电性质、用电业务相关关系，最终精确筛选出25户低能效运行用户，再通过比对SG186营销业务应用系统（下简称SG186系统）收费止度和电力信息采集系统（下简称采集系统）实时召测的电表止度，发现这些零电量的低能效运行用户实际已用电，因责任单位内部管理的疏漏造成低能效的假象，实为漏计电量。
经现场稽查，本次运用数据分析有效防控112868千瓦时电量流失。
（二）“精准服务”案例——提供决策支撑从SG186系统提取2013年1月至2016年3月，国网绵阳供电公司受理的客户“表扬、咨询、建议、意见、投诉、举报”六类业务工单2886条次数据中，找到客户反映最普遍的问题是缴费终端无法正常充值，存在吞钱、吞卡现象（见图2）；最无法容忍是供电电压低和频繁停电（见图3）；挖掘出供电质量的薄弱环节是江油供电片区农家乐较集中的公变台区；供电服务的疏漏细节（见图4），为管理决策提供数据支撑。
图4 客户诉求的时段分布（三）“线损管理”案例——精确查摆问题从线损不合格的公变台区中，持续收集10kV开镇线百胜村1#公变（台区编码2005001038）线损率，2016年3月线损为负，4月持续为负，5月5日结合采集系统冻结数据分析，发现该台区考核总表在当天供电量为12.41千瓦时，台区用户的售电量总和46.46千瓦时，计算结果线损仍为负。
结合客户变压器、互感器数据分析：该台区为一台315KVA公变，大多数情况下315KVA考核表采用经互感器接入的接线方式，而该台区SG186系统和采集系统中考核表为一只直读表，疑似档案错误。
结合SG186系统、采集系统数据分析：在SG186系统中该台区用户数为219户，在采集系统中该台区用户数为231户，电表224只，存在两套系统中用户挂接关系不对应，且数量不一致的情况，根据比对结果精确查找到异常挂接用户。
五、结束语
大数据时代不可抗拒，从结构化数据的收集整理开始，在成熟分析应用的基础上，再融合非结构化数据（声音、图像等），形成大数据仓库。
当小数据变成大数据，当沟通变成数据，当关系变成数据，当文字变成数据，当方位变成数据……当数据量化一切时，便有了大数据中心。