《用数据说话：迎接电力营销服务的大数据时代》是我国电力系统第一本从大数据角度剖析电力营销服务的著作。它结合精准管理方法和数据分析，从实际工作出发，对现阶段电力营销服务工作提出了新方法和新思路。结合大量实际案例，充分体现了数据分析的成果和理论与实践结合的应用。全书图文并茂、浅显易懂。
【编辑推荐】
数字信息技术已经全面渗入到电力从生产到管理的整个流程，甚至在某种程度上已经触动并正在改变传统电力企业的生产模式，技术在进步，管理在转型。 根据近几年来结合营销管理的数据分析，从打击窃电、降低管理线损方面的工作实践中，江克宜、薛冰、彭翎、王慧琴总结编写成《用数据说话--迎接电力营销服务的大数据时代》一书，包括管理遇上大数据、供电企业应用大数据和利用大数据破获窃电案例集锦等内容。
《用数据说话--迎接电力营销服务的大数据时代》适合电力行业管理人员阅读，尤其适合基层电力营销服务管理人员借鉴学习。
【前言】
前言：
电子邮件、手机短信、微信、飞信等数字时代产物已经渗透到我们生活的方方面面，每个人的信息、语言、行为等 产生的数据都不停的被存储、筛选、分析。企业亦是如此，不可避免地受到大数据浪潮的冲击和影响。2013年，被不少业内人士称作“大数据元年”。世界上存储的数据预计能达到约1.2ZB（约12亿TB），著名的未来学家阿尔文·托夫勒曾热情地将大数据赞颂为“第三次浪潮的华彩乐章”，一点也不为过。有种说法很贴切，其实“大数据比我们自己更了解我们自身”
2012年3月22日，奥巴马政府宣布投资2亿美元拉动大数据相关产业发展，将“大数据战略”上升为国家战略，将大数据定义为“未来的新石油”，并希望引发教育和学习的变革。
2012年9月，日本西科姆集团宣布收购东京电力旗下数据管理中心——AT TOKYO公司50%以上股份，总投资额将超过500亿日元。西科姆的数据管理业务规模也将扩大到原来的10倍以上，其旗下各企业强化了对数据管理中心的升级改造，带动需求急剧上升。
越来越多的政府、企业正逐步意识到这隐藏在数据山脉中的金矿，表现出对大数据挖掘的超前意识和对大数据应用的极大关注。电力行业同样也有着丰富的数据资源，如何使用好大数据是关键。大数据时代提供给我们的将是更快的运算、更丰富的数据分析结果。
从发电到输电、配电，这一产业链处处都产生数据。经历近10年来的电力信息化发展，数字信息技术全面涌入到电力从生产到管理的整个流程，甚至在某种程度已经触动并正在改变传统电力生产到管理的整个流程，基本在某种程度上已经触动并正在改变传统电力企业的生产模式，技术在进步，管理在转型。如何从少量数据中通过专业化的处理，挖掘出数据的潜在价值是电力企业面临的前所未有的新课题、新挑战。
根据近几年来结合营销管理的数据分析，从技击窃电、降低管理线损方面的工作实践中我们总结编写成《用数据说话——迎接电力营销服务的大数据时代》一书。本书上篇、下篇和外篇三部分共十章，包括管理遇上大数据、供电企业应用大数据和利用大数据破获窃电案例集锦等内容。
我们对大数据的研究毕竟刚入门、刚起步，书中难免有疏漏之处，敬请广大读者不吝赐教。
编者
2013年12月
【目录】
前言序幕 当大数据轻轻来敲门 大数据：改变正山雨欲来蓄势待发 3变革服务：从“克强指数”到数据价值 10变革经济：剖析历史可以洞察未来 13变革管理：基于精益的数据管理体系 17上篇 当“细”管理遇上大数据 第一章 数据的应用更胜于数据本身 22第一节 小猪的故事：从目标管理到过程管理 22第二节 海量数据：我们拥有大量基础资源 25第三节 “指标”：长期以来关注数据的方式 28第二章 循“数”管理从PDCA开始 33第一节 5W1H：获取并分析有效信息 34第二节 PDCA：闭环管理的制胜法宝 38第三节 5S：基于大数据的现场管理 44第三章 大数据时代面临的机遇 49第一节 莫里的导航图：大数据的最早实践之一 49第二节 全数据：保存全部的“沙子” 52第三节 混杂性：更接近“事物”的全貌 55第四节 相关性：数据“说出”的事实 59第五节 1+1=10：数据混搭与价值倍增 62第四章 大数据时代面临的挑战 65第一节 有效的组织：把想的人和干的人分开 65第二节 做正确的事：后台支撑数据化 69第三节 正确地做事：前端作业简单化 74下篇 当供电企业嫁接大数据 第五章 网格5S管理崭露头角 80第一节 电网：网格技术的源泉 86第二节 突破：网格管理的探索 100第三节 创新：网络5S：网格模型的实践 92第六章 数据可视化图的华丽演绎 100第一节 可视化：揭开数据的神秘面纱 100第二节 美丽的证据：线损管理可视化 104第三节 视觉解释：可视化的广泛应用 108第七章 借鉴精准的抄核收管理模式 115第一节 发轫：抄核收管理的破窗理论 115第二节 探索：从汽车生产到抄表管理 118第三节 契机：减少抄表数据的“在制品” 122实践：连续流与消除浪费 126第八章 精益思想与营业厅排班 135第一节 排队的博弈：服务需求与服务供给 135第二节 服务的需求：从一味满足到合理引导 138第三节 服务的供给：营业厅的“削减”艺术141第四节 排班的技巧：今天开放多少窗口 144第九章 大数据时代的线损分析 149第一节 线损立方：玩转数据建立模型 150第二节 趋势分析：“福尔摩斯”查窃电 154第三节 精确比对：锁定重点怀疑对象 159外篇 利用大数据破获窃电案例集锦第十章 基于大数据的防窃电技术 166第一节 以静制动：后台监控破获遥控装置窃电案 169第二节 抽丝剥茧：网格线损分析破获总分表窃电案 175第三节 事半功倍：电量比对破获总分表窃电案 179第四节 瓮中捉鳖：多次侦察破获大规模集体窃电案 182第五节 知己知彼：数据监控警电联手成功破案 186第六节 守株待兔：反侦察展开与窃电分子的博弈 191第七节 欲擒故纵：数据比对突破窃电分子顽固防线 193
【免费在线读】
在您阅读这本书之前，让我们先做这样一个小测试！请先思考这个问题：到电力营业厅办理缴费业务的客户最多来自哪里？请花一分钟时间来思考，如果已经锁定了自己的答案，请您开始阅读本书的内容。
电力营业厅与电信、银行、邮政等营业厅性质十分相似，都是为了满足客户的业务需求。但是，经过仔细对比分析却又发现，电力营业厅与其他营业厅又不尽相同。假设您需要存缴电话费，是会选择去电信营业厅窗口办理缴费业务，还是选择购买电话卡、网上充值等方式呢？需要小额存取款时，您是会选择去银行窗口排长队办理，还是会选择ATM机自助存取款呢？仔细罗列下来，电力企业也提供了多种电费缴纳方式，例如银行托收、电费卡充值、易办事自助终端、网上缴费（支付宝、网页等）、电话缴纳、银行柜台等。那为何常常有客户仍选择排长队在营业厅窗口缴纳电费呢？
本书对某供电企业辖区内营业厅办理缴费业务的381,736条客流数据进行了分析，绘制成气泡式数据图如图0-1所示。气泡式数据图是一种常见的数据地图，它是在地图上相应位置显示相应的气泡，以气泡的大小代表各区域指标值的大小。该图中通过气泡的大小来代表该区域在营业厅办理缴费业务的客流量。
数据分析结果出乎我们的意料。在传统观念里，到营业厅办理缴费业务的客户大多来自人口流动快的城中村，事实上，根据图0－1中看出，到营业厅办理缴费业务的客户主要集中在片区E和片区F两个区域，而该供电企业辖区内共设立了两个营业厅，正属于片区E和片区F。通过对这两个区域的客流作进一步分析，发现这两个区域前往营业厅办理缴费业务的客户都集中分布在营业网点的周围。用分档填色型势力地图分析片区F营业厅、片区E营业厅缴费业务量分布，将各区域按数值分为几个层级填充不同的颜色，如图0-2、图0-3所示，图中五角星标注处为营业厅位置。图0－2和图0－3中由浅到深的颜色表示该区域到营业厅办理缴费业务的客流量分布由少至多。
与缴费业务相比，营业厅过户业务办理客流量呈现出了截然不同的信息，所有的过户业务客流量均匀分布在各个区域，见图0-4。
由此可以看出，排除停电催费模式（停电催费的模式下，前往营业厅办理缴费业务的客流量分布与各区域欠费情况呈现正相关关系）的影响，前往营业厅办理缴费业务对客户而言并非刚性需求。我们大胆地设想，能否在正确的引导下，以自助终端、销售电费卡等方式取代电力营业厅收费业务窗口？
该供电企业根据数据分析结果大胆尝试关闭部分营业厅后，对第三方客户满意度的指标并未造成负面影响。他们的决策是建立在大数据的基础之上的。这是当今社会所独有的一种新型能力：通过对海量数据进行分析，获得有巨大价值的产品和服务，或深刻的洞见。这样的技术理念和数据储备，对于供电企业乃至整个社会的发展而言，将成为一种更好的辅助决策工具。
随着互联网技术及信息技术的飞速发展，在web2.0的时代，人们从信息的被动接受者变成了主动创造者。
全球每秒钟发送290万封电子邮件，一分钟读一篇的话，足够一个人昼夜不息地读5.5年……
每天会有2.88万个小时的视频上传到Youtube，足够一个人昼夜不息的观看3.3年……
Twitter上每天发布5000万条消息，假设10秒钟浏览一条信息，这些消息足够一个人昼夜不息地浏览16年……
每天亚马逊上将产生630万笔订单……
每个网民在Facebook上要花费7千亿分钟，被移动互联网使用者发送和接收的数据高达1.63EB……
Google上每天需要处理24PB的数据……
根据美国互联网数据中心（IDC）检测，人类产生的数据量正在呈指数级增长，大约每两年翻一番，这个速度在2020年之前会继续保持下去。这意味着人类在最近两年产生的数据量相当于之前产生的全部数据量。我们的国家，我们的社会，我们的企业，已经从包含数据的时代迈进了被数据包含的时代。这些由我们创造的信息背后产生的这些数据早已经远远超越了目前人力所能处理的范围。事实上，在某些方面，我们依然没有完全意识到自己拥有了能够收集和处理更大规模数据的能力，而是习惯于在制定制度、处理过程和激励机制中尽可能地减少数据的使用。大多还是遵循着传统的方式，通过尽可能少的样本数据获取预期（即提前设定好并带有主观意识）的信息，通过多次筛选多方验证以获取我们认为最精确的数据，通过人工选择一个关联物或者一小部分相似数据来逐一分析事件产生的原因。
如今，计算和制表不再像过去一样困难。感应器、手机导航、网站使用收集了大量数据，而计算机可以轻易地对数据进行处理，我们进入大数据时代。
那么，为什么是大数据而不是数据？什么是大数据？它从何而来？大数据有何不同？大数据又有什么特征呢？
关于大数据的含义，目前主要有如下几种：
“增长如此之快，以至于难以使用现有的数据库管理工具来驾驭，困难存在于数据的获取、存储、搜索、共享、分析和可视化等方面。”
——维基百科
“任何超过了一台计算机处理能力的庞大数据量。”
——约翰罗瑟 亚马逊大数据科学家
“大数据=海量数据+复杂类型的数据。”
——但彬 Informatica中国区首席产品顾问