论文部分内容阅读
摘要：针对供电企业客户静态标签体系以及单纯的从动态属性难以满足客户动态特征的准确刻画及更新等问题，本文基于大数据挖掘与分析技术开展供电企业客户动态特征标签研究。首先，完成了电企业客户动态特征标签分类设计 电企业客户动态特征标签刻画以及动态标签更新等;其次，以数据汇总层 标签库层 标签应用层三大层级为基础完成供电企业客户动态特征标签体系构建;最后，广西电网客户服务中心电力企业部分客户的电费回收难等问题为例完成供电企业电费风险客户动态特征标签分类设计。通过供电企业客户动态特征标签研究与应用可以实现电企业客户动态特征标签动态更新，从而为供电客服人员提供呼叫系统 营业厅 电子渠道类应用和帮助。
1 引言
随着互联网为代表的现代信息科技的快速发展，传统“被动式”客户服务模式已经不能适应客户精益化 多样化 动态变化的服务要求。目前，受相关技术改进 推广及政策性等因素的影响，供电企业在客户标签体系方面的研究基本上都是静态的，而客户动态特征标签是随着客户的动态特征而处于动态变化，电企业客户动态特征标签动态更新对于供电企业研究用户的用电行为特点以及用电用户对电力公司服务质量的反馈具有重要意义。
以大数据为基础的互联网现代信息科技技术将彻底改变传统金融运营模式。在大数据背景下，数据不仅呈现出海量化 多样化特征，而且数据的传输和分析手段将变得更加智能化，而为适应大数据技术传统的金融行业也会在在营销策略 服务模式等方面做出改变。银行对客户全方位的认知是通过合理准确的客户动态标签体系获取的，合理的客户动态标签体系可以使银行发现潜在用户对银行施行的营销活动的响应程度，从而全方位了解客户的喜好 信用度，然后基于大数据技术并结合银行内部的数据 外部公共数据等多维数据深入分析 挖掘潜在用户的习性并根据相应的业务目标对潜在用户进行分类，并进行相关描述。但是，由于现有的金融体系缺乏更系统性的数据分析与挖掘的手段，现有的动态标签体系难以实现金融用户的同规模储户中存入与转出的记录数量判断（单笔规模与频度属性判断），难以依据业务目标对客户进行分类细化并采用类自然语言方式对客户进行描述[1]。
因此，针对供电企业客户静态标签体系以及单纯的从动态属性难以满足客户动态特征的准确刻画等问题，本文基于大数据挖掘与分析技术开展供电企业客户动态特征标签研究与应用，完成了电企业客户动态特征标签分类设计与刻画以及供电企业客户动态特征标签体系构建及应用研究，实现传统“被动式”变为“主动式”的服务模式，以适应供电企业客户多样化 精益化服务需求。
2 电企业客户动态特征标签分类设计与刻画
2.1 供电企业客户动态特征标签分类设计
与传统的互联网行业标签体系不同，供电力企业客户的海量数据具有专业性强的特点，在进行海量数据处理及标签体系分类的过程中需要相应的业务专家长时间专业训练，并需要通过严谨的逻辑 分明的层次 规范的标准等方式进行标签体系的整体分类，从而实现标签体系及海量数据的统一编辑和管理。不同的标签由不同的业务应用主题分析得到，不同标签之间应具备相对独立型 维度多样性 冗余自由度等特征，从而保证标签体系的持续性以及稳定性等。采用的供电电力企业客户标签体系分类法是由等级列举式分类法与分面组配式分类法混合而成的组合式分类法。按照混合式组合分类法的分类要求，可将供电力企业客户动态特征标签分为大类 子类 组面 亚面 类目几个层级[2]，供电力企业客户动态特征标签分类应不超过5级。本文开展的供电企业客户动态特征标签分类设计主要从需求分析 概念标签设计 设计规则 标签归类 标签目录管理5个步骤进行设计，供电企业客户动态特征标签分类设计具体步骤如图1所示。
（1）需求分析。在进行供电企业客户动态特征标签分类设计时，首先要进行需求分析，需求分析过程中要了解业务目标及流程 标签主体类别以及业务需求，根据了解内容设计应用场景;然后，预处理内外部数据源得到相应的熟数据，并对标签的分析维度和粒度进行定义。
（2）概念标签设计。根据业务需求得到供电企业客户的用电行为 属性 心理多维度分类后用精炼的描述语言对相应标签的业务含义进行定义的过程称为概念标签。在供电企业客户动态特征标签主体类别确定后，还需要基于实际的业务需求逻辑得到概念标签。
（3）制定动态特征标签规则。动态特征标签规则主要由数学模型及业务模型两部分构成。在进行业务模型的设计时，需要通过计算机对企业的经营过程 供流过程分析等进行准确的描述，从而将供电企业客户抽象的业务流程转化为具体数据的加工逻辑;供电企业客户标签产出是通过数学模式设计实现的，数学模式设计主要是将业务数据转换成数据模型，数学模型设计不仅可以描述动态特征标签模型而且还可以挖掘和分析复杂的模型，从而保证校准后的参数为最优标签值。作为动态特征标签体系的最小构成单元，标签值主要作用是对所属对象的事实或预测结果进行描述。
（4）标签归类。基于分类方法可以将供电力企业客户动态特征标签分类可划分为4—5个层级：动态特征标签主体类别 动态特征标签维度 动态特征标签分析主题 动态特征标签分析子主题（如有） 标签值。在完成供电力企业客户动态特征标签体系分类的过程中应保证标签体系的动态可扩展性以及可修正更新性。
（5）標签目录管理。在完成标签归类后，在进行标签目录管理的过程中应具备标签体系评估机制，从而保证标签体系的高可用性。在进行标签目录管理的过程中应定期的对标签的合理性进行评估，对于存在不合理的分类方法应立即做出相应的调整，并对调整后的标签目录进行版本和动态更新，保证动态标签体系的最新型和适用性 [3]。
2.2供电企业客户动态特征标签目录构建与动态标签更新
为实现客户优化管理以及动态特征标签的全生命周期管理，供电企业客户动态特征标签管理应根据“设计 应用 评估 调整”4个环节进行管理。首先，基于大数据技术进行供电企业客户的业务特征分析;其次，完成业务特征分析后，进行业务特征的提炼以及简洁精确的方式描述，得到客户动态特征标签。在得到客户动态特征标签后，需要完成动态特征标签目录的构建，从而实现动态特征标签的动态管理和更新 [4]。供电企业客户动态特征标签目录如图2所示。 如图2所示供电企业客户动态特征标签目录可知，基于专业领域维度 电力行业特征以及业务流程维度可以实现供电企业客户动态特征标签目录构建，在构建供电企业客户动态特征标签目录的过程中，需要基于大数据技术对供电企业客户的海量数据进行深入挖掘 分析 计算，并进行相关定义，从而保证供电企业客户动态特征标签的准确刻画。
然而，保证供电企业客户动态特征标签是随着供电企业客户的用电行为而处于动态的过程，因此，需要定期对供电企业客户动态特征标签进行更新，并完成供电企业客户动态特征标签目录的更新与完善。动态标签的更新频率的实现需要基于动态特征标签背后的原始数据的更新频度与服务要求两者合理规划才能实现。供电企业客户动态特征标签进行更新频率常采用闭环设计方法，在闭环设计中通过闭环反馈环节可以满足原始数据（数据层）的更新频度与服务质量（应用层）要求。基于闭环设计的电企业客户动态特征标签更新如图3所示。
如图3基于闭环设计的电企业客户动态特征标签中，在数据层与标签库之间存在“数据层—标签设计—标签库—数据质量问题反馈并进行数据整改—数据层”的闭环环节以及标签库与应用层之间存在“标签库—标签应用—应用层—应用效果反馈及标签优化—标签库”的闭环环节的双闭环设计。基于闭环设计的供电企业客户动态特征标签更新设计一方面可以基于大数据技术完成供电企业客户动态特征标数据的挖掘 分析 数据特征分布特点 缺失值等，并将存在的数据质量问题进行有效的反馈，从而实现数据的修正和更新存储;另一方面，标签库通过标签应用将标签映射到应用层，应用层将动态特征标签的应用效果进行有效的反馈，通过反馈环节可以实现标签规则的改进与应用策略优化，从而保证标签库的动态更新 [4]。通过基于闭环设计的供电企业客户动态特征标签更新可以实现数据层的数据更新和完善以及标签库动态标签的更新和应用优化。
3 供电企业客户动态特征标签体系构建及应用
3.1 供电企业客户动态特征标签体系构建
为实现供电企业客户动态特征标签体系的建设，则需要基于大数据技术理论完成数据的采集 挖掘 分析与决策。供电企业客户动态特征标签体系建设的大数据技术主要包含供电企业客户数据采集机制 标签分类 标签库建设 基础标签 风险标签，基于大数据技术进行供电企业客户的业务特征分析，并进行业务特征的提炼以及简洁精确的方式描述，得到客户动态特征标签。供电企业客户动态特征标签应用体系主要包括数据汇总层 标签库层 标签应用层，数据汇总层通过大数据技术理论进行数据的挖掘 分析 决策得到供电企业客户动态特征标签的标签库，标签库通过标签应用将标签映射到应用层。数据层与标签库之间存在的闭环环节，标签库与应用层之间存在闭环环节。供电企业客户动态特征标签应用体系构建如图4所示。
在供电企业客户动态特征标签应用体系中，数据汇总层主要通过数据补录 数据链接配置以及ETL等方式完成供电企业客户基础数据 内部数据以及外部数据的采集，通过数据汇总层的数据采集以及大数据挖掘 分析与决策等，可以为供电企业客户动态特征标签库提供相应的数据源。
供电企业客户动态特征标签应用体系中，标签库层的主要功能是包含供电企业客户的标签内容，并对标签管理 客户属性以及客户标签进行有效的管理。
供电企业客户动态特征标签应用体系中，标签应用层的主要功能是实现标签库标签信息的输出及反馈，从而保证标签库的标签的动态更新。供电企业客户动态特征标签库应用示例图（如图5所示），例如供电企业客户动态特征标签库可以将动态特征标签分析结果分享至营销系统，方便营销部门了解供电企业客户的用电行为（分时电价偏好标签） 信用度（高风险 高违约 租赁户 无表户 敏感户等标签） 进而制定合理的业务手段 [5]。
3.2 供电企业客户动态特征标签体系应用
基于供电企业客户动态特征标签体系构建及应用示例分析可知，供电企业客户动态特征标签体系的构建可以有效的提升供电企业的电力客户管理水平，提升供电企业的企业形象。本文以广西电网客户服务中心供电企业存在的部分供电企业客户回收电费难等问题为研究对象，依托风险管理领域的研究成果，开展供电企业电费风险防控业务动态特征标签目录的设计研究，从而进行供电企业客户动态特征标签体系应用的研究与探讨[6]。
广西电网客户服务中心供电企业电费风险防控业务动态特征标签目录的设计研究过程中，首先，基于大数据技术进行影响电力企业客户交费的潜在事项的深入挖掘和分析，提炼影响影响电力企业客户交费的风险原因类标签;再次，基于大数据技术开展供电企业客户缴费行为等风险概率评估，将评估结果进行等级划分，并生成风险等级类标签;最后，基于风险原因 风险等级，并结合供电企业的业务流程等，制定相应的风险处理措施，并生成风险处理措施类标签。基于大数据技术的供电企业客户动态特征标签库的构建以及电费风险应用实践，实现了供电企业业务应用于数据分析挖掘结果之间的数据共享，从而达到了深层次 全维度了解客户，提升供电企业与客户之间的差异化管理水平;同时，通过基于大数据的客户标签库及电费风险应用实践可以用来提供给呼叫系统 营业厅 电子渠道类应用，为客户服务工单的处理提供帮助。供电企业电费风险客户动态特征标签分类如图6所示。
4 结论
本文基于大数据挖掘与分析技术完成供电企业客户动态特征标签研究。首先，完成了电企业客户动态特征标签分类设计 电企业客户动态特征标签刻画以及动态标签更新等;其次，以数据汇总层 标签库层 标签应用层三大层级为基础完成供电企业客户动态特征标签体系构建;最后，广西电网客户服务中心电力企业部分客户的电费回收难等问题为例完成供电企业电费风险客户动态特征标签分类设计。通过供电企业客户动态特征标签研究与应用可以实现电企业客户动态特征標签动态准确刻画与更新，从而为供电客服人员提供呼叫系统 营业厅 电子渠道类应用和帮助。
参考文献
[1]史梦洁，王庆娟，涂莹，等. 电力营销客户标签体系分类方法研究[J]. 电力需求侧管理，2018，20（2）：51-53.
[2]林森，欧阳柳. 基于大数据理论的电力客户标签体系构建[J].电气技术，2016（12）：98-112.
[3]崔莹琰.大数据环境下商业银行客户标签体系的构建[J]. 中国金融电脑， 2014（11）： 43-45.
[4] 程钟琪，李雅静. 基于标签理论构建企业的客户知识账户[J]. 江苏商论， 2015（12）： 79-81.
[5] 陶晓英.大数据支撑下的客户服务应用探索[J]. 通信与技术， 2014（6）： 14-20.
[6] 王莉.基于数据挖掘技术的品牌客户画像管理初探[J]. 移动与通信， 2008（12）： 77-82.
1 引言
随着互联网为代表的现代信息科技的快速发展，传统“被动式”客户服务模式已经不能适应客户精益化 多样化 动态变化的服务要求。目前，受相关技术改进 推广及政策性等因素的影响，供电企业在客户标签体系方面的研究基本上都是静态的，而客户动态特征标签是随着客户的动态特征而处于动态变化，电企业客户动态特征标签动态更新对于供电企业研究用户的用电行为特点以及用电用户对电力公司服务质量的反馈具有重要意义。
以大数据为基础的互联网现代信息科技技术将彻底改变传统金融运营模式。在大数据背景下，数据不仅呈现出海量化 多样化特征，而且数据的传输和分析手段将变得更加智能化，而为适应大数据技术传统的金融行业也会在在营销策略 服务模式等方面做出改变。银行对客户全方位的认知是通过合理准确的客户动态标签体系获取的，合理的客户动态标签体系可以使银行发现潜在用户对银行施行的营销活动的响应程度，从而全方位了解客户的喜好 信用度，然后基于大数据技术并结合银行内部的数据 外部公共数据等多维数据深入分析 挖掘潜在用户的习性并根据相应的业务目标对潜在用户进行分类，并进行相关描述。但是，由于现有的金融体系缺乏更系统性的数据分析与挖掘的手段，现有的动态标签体系难以实现金融用户的同规模储户中存入与转出的记录数量判断（单笔规模与频度属性判断），难以依据业务目标对客户进行分类细化并采用类自然语言方式对客户进行描述[1]。
因此，针对供电企业客户静态标签体系以及单纯的从动态属性难以满足客户动态特征的准确刻画等问题，本文基于大数据挖掘与分析技术开展供电企业客户动态特征标签研究与应用，完成了电企业客户动态特征标签分类设计与刻画以及供电企业客户动态特征标签体系构建及应用研究，实现传统“被动式”变为“主动式”的服务模式，以适应供电企业客户多样化 精益化服务需求。
2 电企业客户动态特征标签分类设计与刻画
2.1 供电企业客户动态特征标签分类设计
与传统的互联网行业标签体系不同，供电力企业客户的海量数据具有专业性强的特点，在进行海量数据处理及标签体系分类的过程中需要相应的业务专家长时间专业训练，并需要通过严谨的逻辑 分明的层次 规范的标准等方式进行标签体系的整体分类，从而实现标签体系及海量数据的统一编辑和管理。不同的标签由不同的业务应用主题分析得到，不同标签之间应具备相对独立型 维度多样性 冗余自由度等特征，从而保证标签体系的持续性以及稳定性等。采用的供电电力企业客户标签体系分类法是由等级列举式分类法与分面组配式分类法混合而成的组合式分类法。按照混合式组合分类法的分类要求，可将供电力企业客户动态特征标签分为大类 子类 组面 亚面 类目几个层级[2]，供电力企业客户动态特征标签分类应不超过5级。本文开展的供电企业客户动态特征标签分类设计主要从需求分析 概念标签设计 设计规则 标签归类 标签目录管理5个步骤进行设计，供电企业客户动态特征标签分类设计具体步骤如图1所示。
（1）需求分析。在进行供电企业客户动态特征标签分类设计时，首先要进行需求分析，需求分析过程中要了解业务目标及流程 标签主体类别以及业务需求，根据了解内容设计应用场景;然后，预处理内外部数据源得到相应的熟数据，并对标签的分析维度和粒度进行定义。
（2）概念标签设计。根据业务需求得到供电企业客户的用电行为 属性 心理多维度分类后用精炼的描述语言对相应标签的业务含义进行定义的过程称为概念标签。在供电企业客户动态特征标签主体类别确定后，还需要基于实际的业务需求逻辑得到概念标签。
（3）制定动态特征标签规则。动态特征标签规则主要由数学模型及业务模型两部分构成。在进行业务模型的设计时，需要通过计算机对企业的经营过程 供流过程分析等进行准确的描述，从而将供电企业客户抽象的业务流程转化为具体数据的加工逻辑;供电企业客户标签产出是通过数学模式设计实现的，数学模式设计主要是将业务数据转换成数据模型，数学模型设计不仅可以描述动态特征标签模型而且还可以挖掘和分析复杂的模型，从而保证校准后的参数为最优标签值。作为动态特征标签体系的最小构成单元，标签值主要作用是对所属对象的事实或预测结果进行描述。
（4）标签归类。基于分类方法可以将供电力企业客户动态特征标签分类可划分为4—5个层级：动态特征标签主体类别 动态特征标签维度 动态特征标签分析主题 动态特征标签分析子主题（如有） 标签值。在完成供电力企业客户动态特征标签体系分类的过程中应保证标签体系的动态可扩展性以及可修正更新性。
（5）標签目录管理。在完成标签归类后，在进行标签目录管理的过程中应具备标签体系评估机制，从而保证标签体系的高可用性。在进行标签目录管理的过程中应定期的对标签的合理性进行评估，对于存在不合理的分类方法应立即做出相应的调整，并对调整后的标签目录进行版本和动态更新，保证动态标签体系的最新型和适用性 [3]。
2.2供电企业客户动态特征标签目录构建与动态标签更新
为实现客户优化管理以及动态特征标签的全生命周期管理，供电企业客户动态特征标签管理应根据“设计 应用 评估 调整”4个环节进行管理。首先，基于大数据技术进行供电企业客户的业务特征分析;其次，完成业务特征分析后，进行业务特征的提炼以及简洁精确的方式描述，得到客户动态特征标签。在得到客户动态特征标签后，需要完成动态特征标签目录的构建，从而实现动态特征标签的动态管理和更新 [4]。供电企业客户动态特征标签目录如图2所示。 如图2所示供电企业客户动态特征标签目录可知，基于专业领域维度 电力行业特征以及业务流程维度可以实现供电企业客户动态特征标签目录构建，在构建供电企业客户动态特征标签目录的过程中，需要基于大数据技术对供电企业客户的海量数据进行深入挖掘 分析 计算，并进行相关定义，从而保证供电企业客户动态特征标签的准确刻画。
然而，保证供电企业客户动态特征标签是随着供电企业客户的用电行为而处于动态的过程，因此，需要定期对供电企业客户动态特征标签进行更新，并完成供电企业客户动态特征标签目录的更新与完善。动态标签的更新频率的实现需要基于动态特征标签背后的原始数据的更新频度与服务要求两者合理规划才能实现。供电企业客户动态特征标签进行更新频率常采用闭环设计方法，在闭环设计中通过闭环反馈环节可以满足原始数据（数据层）的更新频度与服务质量（应用层）要求。基于闭环设计的电企业客户动态特征标签更新如图3所示。
如图3基于闭环设计的电企业客户动态特征标签中，在数据层与标签库之间存在“数据层—标签设计—标签库—数据质量问题反馈并进行数据整改—数据层”的闭环环节以及标签库与应用层之间存在“标签库—标签应用—应用层—应用效果反馈及标签优化—标签库”的闭环环节的双闭环设计。基于闭环设计的供电企业客户动态特征标签更新设计一方面可以基于大数据技术完成供电企业客户动态特征标数据的挖掘 分析 数据特征分布特点 缺失值等，并将存在的数据质量问题进行有效的反馈，从而实现数据的修正和更新存储;另一方面，标签库通过标签应用将标签映射到应用层，应用层将动态特征标签的应用效果进行有效的反馈，通过反馈环节可以实现标签规则的改进与应用策略优化，从而保证标签库的动态更新 [4]。通过基于闭环设计的供电企业客户动态特征标签更新可以实现数据层的数据更新和完善以及标签库动态标签的更新和应用优化。
3 供电企业客户动态特征标签体系构建及应用
3.1 供电企业客户动态特征标签体系构建
为实现供电企业客户动态特征标签体系的建设，则需要基于大数据技术理论完成数据的采集 挖掘 分析与决策。供电企业客户动态特征标签体系建设的大数据技术主要包含供电企业客户数据采集机制 标签分类 标签库建设 基础标签 风险标签，基于大数据技术进行供电企业客户的业务特征分析，并进行业务特征的提炼以及简洁精确的方式描述，得到客户动态特征标签。供电企业客户动态特征标签应用体系主要包括数据汇总层 标签库层 标签应用层，数据汇总层通过大数据技术理论进行数据的挖掘 分析 决策得到供电企业客户动态特征标签的标签库，标签库通过标签应用将标签映射到应用层。数据层与标签库之间存在的闭环环节，标签库与应用层之间存在闭环环节。供电企业客户动态特征标签应用体系构建如图4所示。
在供电企业客户动态特征标签应用体系中，数据汇总层主要通过数据补录 数据链接配置以及ETL等方式完成供电企业客户基础数据 内部数据以及外部数据的采集，通过数据汇总层的数据采集以及大数据挖掘 分析与决策等，可以为供电企业客户动态特征标签库提供相应的数据源。
供电企业客户动态特征标签应用体系中，标签库层的主要功能是包含供电企业客户的标签内容，并对标签管理 客户属性以及客户标签进行有效的管理。
供电企业客户动态特征标签应用体系中，标签应用层的主要功能是实现标签库标签信息的输出及反馈，从而保证标签库的标签的动态更新。供电企业客户动态特征标签库应用示例图（如图5所示），例如供电企业客户动态特征标签库可以将动态特征标签分析结果分享至营销系统，方便营销部门了解供电企业客户的用电行为（分时电价偏好标签） 信用度（高风险 高违约 租赁户 无表户 敏感户等标签） 进而制定合理的业务手段 [5]。
3.2 供电企业客户动态特征标签体系应用
基于供电企业客户动态特征标签体系构建及应用示例分析可知，供电企业客户动态特征标签体系的构建可以有效的提升供电企业的电力客户管理水平，提升供电企业的企业形象。本文以广西电网客户服务中心供电企业存在的部分供电企业客户回收电费难等问题为研究对象，依托风险管理领域的研究成果，开展供电企业电费风险防控业务动态特征标签目录的设计研究，从而进行供电企业客户动态特征标签体系应用的研究与探讨[6]。
广西电网客户服务中心供电企业电费风险防控业务动态特征标签目录的设计研究过程中，首先，基于大数据技术进行影响电力企业客户交费的潜在事项的深入挖掘和分析，提炼影响影响电力企业客户交费的风险原因类标签;再次，基于大数据技术开展供电企业客户缴费行为等风险概率评估，将评估结果进行等级划分，并生成风险等级类标签;最后，基于风险原因 风险等级，并结合供电企业的业务流程等，制定相应的风险处理措施，并生成风险处理措施类标签。基于大数据技术的供电企业客户动态特征标签库的构建以及电费风险应用实践，实现了供电企业业务应用于数据分析挖掘结果之间的数据共享，从而达到了深层次 全维度了解客户，提升供电企业与客户之间的差异化管理水平;同时，通过基于大数据的客户标签库及电费风险应用实践可以用来提供给呼叫系统 营业厅 电子渠道类应用，为客户服务工单的处理提供帮助。供电企业电费风险客户动态特征标签分类如图6所示。
4 结论
本文基于大数据挖掘与分析技术完成供电企业客户动态特征标签研究。首先，完成了电企业客户动态特征标签分类设计 电企业客户动态特征标签刻画以及动态标签更新等;其次，以数据汇总层 标签库层 标签应用层三大层级为基础完成供电企业客户动态特征标签体系构建;最后，广西电网客户服务中心电力企业部分客户的电费回收难等问题为例完成供电企业电费风险客户动态特征标签分类设计。通过供电企业客户动态特征标签研究与应用可以实现电企业客户动态特征標签动态准确刻画与更新，从而为供电客服人员提供呼叫系统 营业厅 电子渠道类应用和帮助。
参考文献
[1]史梦洁，王庆娟，涂莹，等. 电力营销客户标签体系分类方法研究[J]. 电力需求侧管理，2018，20（2）：51-53.
[2]林森，欧阳柳. 基于大数据理论的电力客户标签体系构建[J].电气技术，2016（12）：98-112.
[3]崔莹琰.大数据环境下商业银行客户标签体系的构建[J]. 中国金融电脑， 2014（11）： 43-45.
[4] 程钟琪，李雅静. 基于标签理论构建企业的客户知识账户[J]. 江苏商论， 2015（12）： 79-81.
[5] 陶晓英.大数据支撑下的客户服务应用探索[J]. 通信与技术， 2014（6）： 14-20.
[6] 王莉.基于数据挖掘技术的品牌客户画像管理初探[J]. 移动与通信， 2008（12）： 77-82.