大数据背景下电力营销市场行业发展趋势探讨.docVIP

大数据背景下电力营销市场行业发展趋势研究 　　摘 要：伴随着电力营销市场的繁荣发展，各种业务应用数据正以前所未有的速度增长，标志着大数据时代的到来。在大数据的背景下，预测各个行业的发展趋势至关重要。本文首先阐述电力大数据的有关问题，其次分析某个地区几个重点行业的用电量发展趋势，接着再利用相关性分析方法来分析各种因素对大工业电量产生的主要影响，希望本文的研究可以帮助电力企业做好电力营销工作 关键词：大数据背景；电力；营销市场行业；发展趋势；研究 中图分类号：F270 文献标识码：A 随着社会经济的不断发展和科学技术的不断进步，智能电网发展迅速，产生了大量的电量和非电量数据，并且随着电网建设规模的不断扩大和信息采集技术的不断提高，电网数据增长的速度变得更快，使大数据成为一个研究的热点问题。对大数据进行研究的目的就是充分挖掘数据之间蕴含的各种有价值的信息，从而得到价值回报。对电力企业来说，利用大数据对各个重点行业用电量的发展趋势进行分析，可以为制定电力营销方案提供数据支持，提高电力企业的经济效益。鉴于此，本文对这一课题的研究具有重要的现实意义 一、电力营销市场行业中大数据特点以及相关性分析方法 （一）电力大数据的定义 所谓的电力大数据就是指利用各种先进的技术和方法，如数据集成管理技术、数据储存技术、数据挖掘技术、数据计算方法等，来充分挖掘电力数据当中有价值的信息，以此来实现业务趋势预测、营销策略制定的目的，有利于提高电力企业经营发展的水平，大大提高企业的经济效益 （二）电力营销市场行业中大数据特点 电力营销市场当中所包含的数据主要有以下几种类型的数据：各个行业的供售电量数据、各个用户的供售电量数据、影响各个行业发展的各因素数据等，由此可以看出电力营销市场涉及到的数据非常庞大，而且形式多样，既包括历史数据，又包括实时数据。总的来说，电力营销市场的大数据具有大量化、速度快、类型多以及价值大的特点，准确的对电力营销市场的大数据进行分析，充分挖掘其中有价值的信息，并准确预测各个行业的用电量发展趋势，从而制定合理的营销策略，使电力企业实现经济效益最大化 （三）相关性分析方法 为了研究各个行业用电量和各个影响因素之间的关系，本文采用的分析方法是相关性分析法，这种分析方法比较常用的两种方法为线性相关系数和因果分析方法，但是由于因果分析方法不能对结果进行定量描述，而是只给出一些定性结论，因此，在实际的工作中，一般都是使用线性相关系数这种分析方法 二、实例分析 （一）实例概况 本次研究选取了某个地区发展较好、用电量较大的10个行业，以这10个行业2009-2014年每个月的用电量数据为研究资料，然后分析这10个行业的发展趋势。本文选取的这些行业是该地区的经济支柱产业，用电的总量占到了该地区用电总量的69.8%，主要包括化学制造业、纺织行业、金属制品行业、交通运输行业、餐饮住宿行业、通用或专用设备制造业、非金属矿物制品行业、批发零售行业、工艺品制造行业以及电子设备制造业。通过对这些行业用电数据的发展趋势分析，可以掌握整个地区用电量的大体情况，同时也可以分析出各个行业的发展趋势 （二）主导行业发展趋势分析 通过本文的研究和分析发现，在这10个行业当中，用电量呈上升趋势的行业有5个，分别为化学制造行业、金属制品行业、交通运输行业、餐饮住宿行业、电子设备制造行业；用电量呈现下降趋势的行业有3个，分别为通用或专用设备制造业、非金属矿物制品行业和工艺品制造行业；用电量基本稳定的行业包括纺织行业和批发零售行业。分析出各个行业的用电量发展趋势之后，电力企业就可以根据分析的结果来制定科学的营销策略，重点把握那些用电量大、并且具有平稳和上升发展趋势的行业。另外，对那些虽然用电量偏小，但是发展迅速的朝阳产业，也应该作为电力营销的重点客户，从而最大限度的提高电力企业的供电量，实现经济效益最大化 （三）相关性分析 在本次的研究当中，除了上述问题之外，还要研究一个重要的内容，即大工业用电量和内外部各种影响因素的关系。本次研究当中选取的外部因素为工业生产总值和GDP，而内部影响因素选取了10个行业中的5个行业，分别为纺织行业、金属制品行业、交通运输行业、餐饮住宿行业、通用或专用设备制造业，通过研究和计算得出如下结论：外部影响因素工业生产总值和GDP的相关系数分别为0.6325和0.3125，这说明外部经济因素对大工业用电量的影响程度较轻；而部分主导行业纺织行业、金属制品行业、交通运输行业、餐饮住宿行业、通用或专用设备制造业和大工业用电量的相关系数分别为0.5268、0.4968、0.8653、0.5341和0.8025，显而易见，部分主导行业对大工业用电量的影响非常明显，具有主导地位，因此，必