知识型电力客户关系管理研究

论文摘要

电力行业是为社会提供公共产品和服务的行业,随着电力体制改革的深化和技术的发展,行业内竞争逐渐加剧,供电企业必须采取“以客户为中心”的经营战略,不断提高服务水平。供电企业实施客户关系管理是大势所趋。虽然大部分供电企业都收集了大量的客户数据,但庞大的数据量和传统数据管理方法的缺陷使企业出现了“数据拥挤”的现象,这既不利于企业的管理,也不利于数据的有效利用,企业并没有实现真正意义上的“以客户为中心”。我们认为有必要对客户关系管理的理论和应用做进一步的扩展和研究。将知识管理(KM)应用于客户关系管理(CRM),是近年来管理领域的一个新的研究课题,知识管理为CRM提供了一个新的思路。把知识挖掘和知识管理运用到电力客户关系管理是供电企业亟需解决的问题。而如何将知识管理的理念和技术整合到电力CRM,更好的为决策服务,还缺乏理论和技术的指导。本文将要在这方面作些探讨。本文提出的知识型电力CRM的本质就是将知识管理的理念与技术应用于电力CRM,把客户数据转化为有用的知识,支持企业经营决策,改善客户关系,使企业获得持续的竞争优势,实现知识管理与客户关系管理的价值。论文根据供电企业的特点,运用调查法、总结法、实证法和专题研讨等方法,对本课题进行了研究。在总结和利用前人的有关KM及CRM应用研究成果的基础上,结合供电企业的具体特点,首先分析了电力CRM的现状,提出了知识型电力CRM的概念和基本理论,然后总结了知识型电力CRM的基本技术及应用模式,探讨了将知识管理融入电力CRM的方法与模式,最后建立了一系列电力客户知识挖掘与管理的模型,并为成功实施知识型电力CRM提出了建议。论文建立的模型包括:基于聚类分析的知识型电力客户细分模型;基于决策树的知识型电力客户定位模型;基于案例推理的知识型电力客户服务系统模型;提出了基于满意度知识的供电企业客户满意度评价指标体系,建立了基于统计分析确定权重的知识型电力客户满意度模糊综合评价模型;应用人工智能技术,建立了基于模式库的神经网络知识型短期电力负荷预测模型以及基于粒子群优化的支持向量机知识型中长期电力负荷预测模型。论文力求将现代管理理论、营销理论和知识挖掘、知识管理理论与技术相结合,对知识型电力CRM的理论与应用进行讨论和研究,以保证内容的实用性和可借鉴性,为供电企业实现以“以客户知识为中心”的经营战略提供依据和建议。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 引言
• 1.1 论文的研究背景
• 1.1.1 知识管理的意义
• 1.1.2 客户关系管理的意义
• 1.1.3 基于知识管理的客户关系管理研究的意义
• 1.1.4 知识型电力客户关系管理研究的意义
• 1.2 论文的研究目的及内容
• 1.3 论文的研究思路及框架结构
• 1.4 论文的创新点
• 第二章 相关理论概述
• 2.1 知识管理概述
• 2.1.1 知识管理的定义与内涵
• 2.1.2 知识管理的过程
• 2.1.3 知识管理的策略和模式
• 2.2 客户关系管理概述
• 2.2.1 CRM 的定义与内涵
• 2.2.2 对CRM 的基本认识
• 2.2.3 CRM 的业务流程与功能
• 2.3 知识型客户关系管理概述
• 2.3.1 CRM 与KM 的联结
• 2.3.2 知识型客户关系管理的定义
• 2.3.3 KCRM 的特征
• 2.3.4 知识型客户关系管理的战略地位
• 2.4 供电企业客户关系管理概述
• 2.4.1 供电行业客户关系管理的特点
• 2.4.2 供电企业客户关系管理的涵义
• 2.4.3 知识型电力CRM 的提出
• 第三章 知识型电力客户关系管理分析
• 3.1 电力CRM 现状
• 3.1.1 电力客户的界定
• 3.1.2 电力客户关系管理新观念
• 3.1.3 电力CRM 的发展
• 3.2 知识型电力客户关系管理概述
• 3.2.1 知识型电力CRM 的涵义
• 3.2.2 实施知识型电力CRM 的目的及意义
• 3.2.3 实施知识型电力CRM 的战略规划
• 3.3 知识型电力客户关系管理应用概述
• 3.3.1 知识型电力CRM 的应用领域
• 3.3.2 知识型电力CRM 的应用模式
• 3.3.3 知识型电力CRM 架构及实施步骤
• 第四章 知识型电力客户关系管理技术及系统研究
• 4.1 知识型电力CRM 技术概述
• 4.1.1 一般知识管理技术
• 4.1.2 知识型电力CRM 技术
• 4.1.3 电力客户知识库
• 4.1.4 电力客户知识地图
• 4.1.5 供电企业知识门户
• 4.1.6 隐性知识管理技术
• 4.2 知识型电力CRM 业务规划
• 4.2.1 知识型电力CRM 战略
• 4.2.2 知识型电力CRM 业务规划
• 4.3 知识型电力CRM 系统框架
• 4.3.1 知识型电力CRM 系统的设计思想
• 4.3.2 系统的流程与结构
• 4.3.3 系统的功能与模块
• 4.3.4 知识型电力CRM 系统的实施
• 4.4 电力客户知识管理
• 4.4.1 知识型电力CRM 中的客户知识
• 4.4.2 电力客户知识管理的概念
• 4.4.3 电力客户知识管理的内容
• 4.4.4 电力客户知识管理的流程
• 4.4.5 电力客户知识管理体系
• 4.4.6 实施电力CKM 的策略
• 第五章 知识型电力客户关系管理模型研究
• 5.1 基于层次聚类的知识型电力客户细分模型
• 5.1.1 聚类与层次聚类
• 5.1.2 知识型电力客户细分模型
• 5.1.3 客户细分知识分析与应用
• 5.2 基于决策树的知识型电力客户定位模型
• 5.2.1 决策树生成的基本过程
• 5.2.2 决策树分类的ID3 算法
• 5.2.3 基于决策树的知识型电力客户定位模型
• 5.2.4 客户定位知识分析与应用
• 5.3 基于案例推理的知识型电力客户服务模型
• 5.3.1 CBR 基本原理
• 5.3.2 基于CBR 的知识型电力客户服务模型
• 5.3.3 客户服务模型知识分析与应用
• 5.4 基于统计分析确定权重的知识型电力客户满意度模糊综合评价
• 5.4.1 影响电力客户满意度的因素
• 5.4.2 知识型电力客户满意度评价指标体系
• 5.4.3 基于决策树与统计分析的指标权重的确定
• 5.4.4 知识型电力客户满意度模糊综合评价模型
• 5.4.5 知识分析及模型应用
• 5.4.6 基于知识的电力客户满意度解决方案
• 5.4.7 小结
• 5.5 基于模式库的知识型短期负荷预测
• 5.5.1 分类和回归树（CART）
• 5.5.2 构建日负荷模式库
• 5.5.3 基于模式库的知识型日负荷预测模型
• 5.5.4 日负荷知识获取与应用
• 5.5.5 小结
• 5.6 基于粒子群支持向量机的知识型中长期电力负荷预测
• 5.6.1 支持向量机回归方法
• 5.6.2 粒子群算法基本原理
• 5.6.3 基于PSO 优化的SVM 回归估计模型
• 5.6.4 基于PSO-SVM 的知识型月负荷预测
• 5.6.5 知识分析与应用
• 第六章 结论及未来展望
• 6.1 结论
• 6.2 未来展望
• 参考文献
• 致谢
• 个人简历、在学期间参加的科研工作及学术论文发表