1 引言
自20世纪90年代起，电力工业体制市场化改革已成国际潮流，多个国家和地区相继解冻电力垄断，在电力行业的方方面面引入了竞争。当前，我国厂网分离及继之出现的输配电独立运营和阶梯电价等电力体制改革打破了电力企业的垄断。电力企业将发展为独立运作的配电公司，逐步开放电力零售市场竞争，这使得客户在用电上有了更多的选择，但同时电力行业面临的竞争风险加剧。为了应对新的风险形势、继续保持并扩大市场份额、提高其经济效益和社会效益，供电企业正积极转变经营模式努力做到客户至上，提升整个电网的需求管理水平，将单纯的客户售电管理转变为客户知识管理。构筑全面关注客户关系、客户导向型竞争的电力营销创薪机制——客户关系管理应运而生，这对于转变电力企业文化及其价值观念，建立起客户与供电企业互利共赢的忠诚关系具有重要意义。
在以客户关系为导向的竞争环境中，各供电企业纷纷建立起客户服务中心等，使得企业逐渐积累了海量的相关客户数据，因此客户关系管理的数据分析能力变得至关重要。企业要想既能够拥有正确的客户数据，又能够拥有正确分析数据的工具，这就需要将数据仓库、数据挖掘和知识管理等信息技术整合到客户关系管理系统，才能将所掌握的客户数据转换为辅助企业决策的客户知识，提高电力企业运营、决策能力。客户知识获取能力的强弱是企业竞争能力高低的根本，但是如何将知识挖掘和知识管理的理论和技术集成到供电企业客户关系管理，更好地获取企业竞争优势呢?论文将基于当前已有研究成果的基础上作些探讨。
论文界定了供电企业客户关系管理的概念框架，通过客户知识管理的知识获取、组织、共享和使用的综合流程来阐述企业如何应用知识管理获取企业竞争力。结合电力行业的特点研究客户知识管理在供电企业的管理与决策层面的应用模式。以客户智能为目标，构建了基于数据挖掘和知识管理的供电企业客户关系管理系统架构，将知识管理的思想更好地融入贯彻到CRM系统中，不断完善客户知识的挖掘以及客户知识的共享使用，以便辅助企业决策。
2 客户关系管理及其数据管理技术
2.1 客户关系管理概述
客户关系管理是指采用先进信息技术获取和分析客户购买行为，从而为客户提供个性化产品或服务、培养客户忠诚度以平衡企业与客户之间的互利关系的企业总体战略。它运用企业与客户业务往来的交易数据和信息全方位理解客户，精准地响应客户切实需求并与之共同创造价值。它要求企业集成数据挖掘、知识管理和人工智能等先进的信息技术来构建CRM系统，优化组织体系和业务流程。同时，在基于知识管理的CRM系统平台上发现、共享客户知识，创新地使用客户知识，优化客户关系，增进客户与企业稳定、持续的互利共赢关系。
供电企业由于其社会服务职能和行业相对垄断性等鲜明特色，使得供电企业更侧重于加强企业与客户的多渠道互动交流，进行全方位的需求侧管理。做好极具前瞻性的趋势分析，正确预测客户需求和有效支持企业决策。建立以满足客户需求为导向、以挖掘客户数据为基础、以共享使用客户知识为目标的客户关系管理体系。
2.2 数据仓库技术
实施CRM系统必须首先建立功能强大的客户数据仓库(Data Warehouse，DW)，这对于企业各应用系统中客户数据的集成、客户数据挖掘和客户智能决策至关重要。数据仓库不是简单的数据收集，而是根据决策目标有选择地抽取数据，并将其预处理、深加工转换成统一标准、可用的信息。将数据仓库应用在CRM系统中可以整合企业分散的、异构的客户行为数据，为数据挖掘提供统一标准的数据，而且基于网络平台的数据仓库具有高效的信息共享功能，这也是动态客户知识库的共享机制。
2.3 数据挖掘技术
数据挖掘(Data Mining，DM)是一门融合了统计学、数据库和人工智能等许多学科领域的交叉学科，可以帮助企业进行信息重构、资源整合和知识创新等。CRM中的数据挖掘是指分析数据库中的交易数据来获得客户理解并应用商业智能有效地发现隐藏其中的客户知识，精准地响应客户需求的变动。传统的电力管理信息系统贮存了庞大的客户数据，但纯粹的客户数据并没有商业意义，只有通过数据挖掘算法和模型导出的隐含客户知识才具有商业价值。数据挖掘的聚类、序列分析、分类和孤立点分析等算法可用于供电企业知识挖掘的各个不同层面。
3 客户知识管理
Gartner Group调研资料表明，越来越多的企业为了获取竞争优势而开发CRM系统，但是约有55%的CRM实施未能达到预期效果，究其原因主要是企业虽然以客户关系为主导，但却忽略了组织运营中客户知识的发现以及转变客户知识为企业可持续发展的价值资源。客户知识是构建企业核心竞争力的无形资产，Nonaka et a1.认为日本企业成功的竞争优势主要源于知识的不断创新。当前大量文献研究集成知识管理的CRM正是解决这一问题的方案。
3.1 客户知识管理概述
知识管理(Knowledge Management，KM)是以增强企业绩效为目标的一系列发现、创造和使用知识的过程，这是一个利用信息技术处理数据、协调资源、追求知识和求解问题的具体流程。客户知识管理是知识管理指导并优化客户关系管理的运作过程。1997年由Wayland et a1.首次提出客户知识管理的定义：客户知识管理旨在客户知识的发现与使用以建立更有价值的客户关系，它在优化客户组合的过程中发挥信息和经验的杠杆作用。客户知识管理通过与客户全方位的互动过程来促进客户知识的使用、交流和创新，最终提升客户关系管理，获取竞争优势。而且，集成知识管理的CRM理念终将产生客户智能——创新地使用客户知识从而发现商业需求、辅助面向客户的决策和提高企业整体运营能力。
3.2 客户知识管理的过程
Nonaka将知识划分为显性知识和隐性知识。显性知识即高度组织化、共识化的事实型信息。隐性知识是难于阐述、未经组织化的信息，表现为实践经验和思想方法等，是企业持续竞争优势的关键所在。对隐性知识的获取、转换与使用等是客户知识挖掘和管理的主要任务。客户知识管理是实现客户知识获取、共享和使用的综合过程，如图1所示知识管理过程。
图1 客户知识管理的过程
(1)知识获取。知识获取是客户知识管理的前提，而数据仓库、数据挖掘和联机分析处理(OLAP)等知识获取工具在客户知识管理的过程中是重要且必要的。良好的数据仓库环境可以为知识获取准备主题相关的高质量数据，满足客户知识对数据的多重需求。结合数据挖掘和OLAP中的一系列算法和模型发现隐藏于客户数据中的消费模式和规律，生成支持决策的客户知识。
(2)知识共享与流转。客户知识必须通过共享使用来体现其商业价值。将客户知识输入动态知识库，而知识库的动态结构正体现了客户知识的不断更新，并且建立一套完善的共享机制，实现基于知识库的客户知识共享。最终借助CRM系统，将存储于知识库中的客户知识分发到组织中任何需要客户知识的终端。
(3)知识使用及创新。客户知识管理的最后环节就是客户知识的投入使用及知识创新，这是发现潜在的商业需求和开发全新的商业需求从而获取更大竞争优势的先决条件。
3.3 客户知识管理在供电企业中的应用
客户知识管理在供电企业CRM中的应用主要体现在以下几个方面：
(1)客户获取与保持。获取客户的关键就在于寻找客户信息与行为模式之间的关系。通过数据挖掘提高市场推广活动的反馈率并且分析客户的反应模式，根据反应模式预测、修改指标变量，匹配指标与模型从而获取相关产品偏好的顾客。客户保持是指延续企业与客户持续稳定的客户关系，客户保持能力与企业盈利能力正相关H训。保持客户一方面是指保持原有客户以降低企业获得新客户的成本和传承企业品牌;另一方面是指为避免客户流失而利用知识挖掘为已流失的客户进行预警建模，采取相应的措施防止这些客户流失，进而保持客户。
(2)客户细分。客户细分是实施高效的客户关系管理的坚实基础。客户细分是指利用知识挖掘模型对客户需求偏好、交易行为及其贡献价值等因素判断客户类别，制定个性化、针对性的营销策略，以期保持原有客户、锁定优质客户和吸引新客户。曾鸣等构建的电力客户价值细分模型，具体指标包括用电情况、服务成本、信用状况和节能政策。深入解析客户价值评估指标的权重以及指标之间的复杂关系，可以提高细分模型的科学性。目前的客户细分方法主要有聚类算法、神经网络、层次分析法和组合赋权法等。
(3)客户满意度分析。提升客户满意度与企业的客户保持率和流失率有着直接关系。供电企业影响客户满意度的变量一方面是企业形象、客户期望、质量感知和价值感知这四个因变量，其中企业形象是结合供电企业独特的社会服务职能而引入的;另一方面是受因变量影响的结果变量：客户满意度、客户忠诚和客户抱怨，其相互间的影响如图2所示。通过定性与定量分析客户的期望与感知价值等信息，发现客户差异化需求并采取“一对一”客户服务策略，从而减少客户抱怨、增强客户忠诚度，使之与企业保持长期合作关系。
图2 客户满意度因果变量间的相互影响
(4)客户信用风险评估。客户信用风险评估就是通过数据挖掘中的决策树、关联规则、神经网络和孤立点分析等模型对客户的信用状况及信用风险做出客观、公正的评估活动。电力企业的客户信用评估体系主要依据电费缴纳信用和安全用电信用等指标项评估客户信用级别，对于大客户企业还需要考虑其经营能力风险，并按照客户信用等级实施定制化客户服务和电费催缴措施。同时定期趋势化分析客户信用评估模型的有效性并检验定制化服务的实施成效，促进客户信用评估模型的持续改进。
(5)窃电和欠费分析。目前，供电企业面临着严重的客户窃电和电费滞缴问题，虽然供电企业采取了追缴电费和加收滞纳金等应对措施，但是仍给社会带来严重的用电安全隐患。知识挖掘是分析异常用电的有效的工具，通常会用到聚类、多维分析和孤立点分析等算法中的一种或多种的组合算法来全面分析客户数据，及时地发现客户违规用电并采取相关的监控措施。同时，对欠费客户进行实地调查，区别对待恶意欠费行为和缴费确实有困难的行为，为供电企业塑造良好的社会形象。
(6)电力负荷预测分析。电力负荷预测是优化电力调度系统的基础，也是电网安全经济运营的前提。目前常用的预测方法主要是系统动力学、神经网络、支持向量机和时间序列分析。利用上述数据挖掘方法追踪历史电力负荷数据的变化规律与模式，发现供电数据中的前瞻性知识，提高电力负荷预测的准确性和有效性。精准的电力负荷预测一方面可以科学地调整电力生产计划以节约能源，另一方面可以针对性地指导客户合理用电和错峰用电等。
4 供电企业客户关系管理的体系结构
电力系统先后实施了电力营销系统、中间业务系统和电力客户服务中心等传统意义上的电力CRM系统。传统电力CRM系统集成了与客户相关的所有业务活动，它强大的操作功能为企业存储了海量的客户数据，既包括企业与客户互动交流的数据也包括了企业业务运营中的客户数据。然而，传统电力CRM系统缺乏对客户数据高效分析的能力，而且无法实现知识共享传播所要求的闭环商业流程，基于DM和KM的CRM系统正好解决了这一问题。论文构建了如图3所示基于数据挖掘和知识管理的CRM体系结构。CRM通过与客户多渠道互动和业务往来获取客户数据，定义商业目标并提交给数据分析系统。分析成果以客户知识的形式用于支持商业决策，最终再通过营销、销售和服务等业务往来作用于客户。实现客户知识从获取到使用的循环往复的闭环动态系统，最终实现CRM目标。接下来，具体分析各CRM子系统的功能。
图3 基于数据挖掘和知识管理的CRM架构
(1)运营型CRM系统面向的是市场营销、产品销售和客户服务与支持等业务流程的自动化、标准化和信息化。是客户知识获取的数据来源所在，主要是客户消费偏好和用电特征等方面的交易数据。
(2)分析型CRM主要面向客户数据分析，其常用的技术是数据挖掘、知识管理、决策支持技术和商业智能等，利用KM-CRM系统强大的数据分析工具来挖掘隐藏在客户数据内部的潜在客户知识。即从运营型CRM系统所产生的大量客户用电数据中提取有价值的商业信息，再应用知识管理的方法整合信息，为企业的经营管理和制定商业决策提供科学依据。目前，分析型CRM对客户信息的分析是基于“80/20”原理，带有对现行市场的深度营销和对未来市场进行预测的功能。
(3)协作型CRM系统通过面对面交流、呼叫中心、Web平台和视频对话等多媒体方式实现了多渠道、全方位的客户交互服务。通过集成各种渠道，开展主题的、针对性的交流沟通活动，确保企业与客户得到的信息是一致、完整的，因此它是一种综合的解决方案。
借助于CRM运营和协作系统，完善营销、销售和服务支持等业务流程，加强与客户之间紧密联系。将客户的各种属性信息和交易信息进行分类管理，然后再将这些信息经过整合与变换，载人客户数据仓库。同时借助于CRM分析系统中的知识挖掘技术以及知识管理方法，将整合后的客户信息以客户知识的形式在KM-CRM系统平台上共享，并且不断完善、更新，实现客户智能及决策分析。
综上所述，KM-CRM系统实现了供电企业客户与企业多渠道互动服务，从而发现企业资源与客户需求之间的供需信息不对称。集成和挖掘市场、销售和服务等各类信息数据，并组织成客户知识存储在知识库中，实现客户市场划分、客户用电趋势预测和企业智能决策。集成企业的ERP、SCM和EAM等管理信息系统，采用规范化的方法将企业积累的客户知识融入到企业信息系统和业务流程的各个环节中，使客户知识在整个企业流程内得到有效的共享与运转，这样不断循环运作的CRM系统最终将实现客户智能。
5 结论
CRM的目标是集成先进的信息技术和知识管理方法一方面优化组织体系和业务流程，另一方面发现客户知识并使用客户知识求解企业问题。在此目标驱使下，论文界定了知识管理指导客户关系管理运作的概念框架及其在供电企业中的具体应用模式。构建基于DM和KM的新型电力CRM系统，在此知识共享流通平台上开展包括客户获取、细分、发展和保持的全部客户服务流程。利用集成KM的CRM更好地指导电力营销部门快速响应客户需求的差异化，对客户实施定制化的营销策略，提高客户满意度，获取更高的经济利益和社会效益。供电企业客户知识管理应随着电力市场化变革不断完善，科学合理地集成供电企业各管理信息系统，这都值得进一步研究。
