一种工单分析方法及装置与流程

本发明涉及配电网和数据分析技术领域，具体而言，涉及一种工单分析方法及装置。

背景技术：

在电网企业中，电网企业的客服人员在受理客户服务时，会将客户的信息和需求记录在工单上，并将工单转派到电力检修、配电网抢修等相关部门，相关部门根据工单安排相应的抢修人员进行处理。

对一定周期内客服人员记录的工单数据进行分析，可以得出很多有用的信息，比如说，可以得到该周期内的工单数量变化趋势、费用情况、还可以分析检修部门人力及抢修物资安排是否合理等信息，并根据这些信息安排下一周期内的工作，但是，现有技术中，只是通过人工的方式对工单数据进行简单的统计分析，无法实现对工单数据的全面分析，且工作量大效率低。

技术实现要素：

有鉴于此，本发明实施例的目的在于提供一种工单分析方法及装置，以试图解决或者缓解上述问题。

第一方面，本发明实施例提供了一种工单分析方法，其中，所述方法包括：

周期性获取工单数据和影响因素数据，所述工单数据包括工单数量，所述影响因素包括天气因素和节假日因素；

根据所述工单数量确定获取的工单总数量；

根据所述工单总数量和所述影响因素数据计算所述影响因素中每个影响因素对所述工单总数量的影响程度值；

从所述影响因素中筛选出对所述工单总数量的影响程度值大于或等于预设程度值的一个或多个影响因素；

根据所述一个或多个影响因素对应的所述影响因素数据和所述工单数量，确定所述工单数量与所述一个或多个影响因素之间的线性回归模型的回归系数；

根据所述回归系数、所述一个或多个影响因素对应的待预测周期的所述影响因素数据和所述线性回归模型，确定所述待预测周期的工单数量；

根据获取的所述工单数据，确定待分析区域的全口径工单数量、高低压工单占比矩阵、工单抢修费用和日抢修阈值中至少一项。

结合第一方面，本发明实施例提供了上述第一方面的第一种可能的实现方式，其中，所述根据获取的所述工单数据，确定待分析区域的全口径工单数量，包括：

根据所述工单数据，获取第一参考区域的工单子数据和待分析区域的工单子数据，所述第一参考区域的工单子数据包括所述第一参考区域每个周期的热线电话工单数量和应用程序工单数量，所述待分析区域的工单子数据包括所述待分析区域每个周期的热线电话工单数量；

根据所述第一参考区域每个周期的所述热线电话工单数量和所述应用程序工单数量建立所述热线电话工单与所述应用程序工单的系数矩阵；

根据所述系数矩阵和所述待分析区域的热线电话工单数量，确定所述待分析区域的应用程序工单数量；

将所述待分析区域的应用程序工单数据确定为所述待分析区域的全口径工单数量。

结合第一方面的第一种可能的实现方式，本发明实施例提供了上述第一方面的第二种可能的实现方式，其中，所述根据获取的所述工单数据，确定待分析区域的高低压工单占比矩阵，包括：

根据所述待分析区域的地理位置及经济状况，选取所述待分析区域的第二参考区域；

从所述工单数据中，筛选出所述第二参考区域的工单子数据，所述第二参考区域的工单子数据包括所述第二参考区域每个周期的高压工单数量和工单数量；

根据所述第二参考区域每个周期的高压工单数量和所述第二参考区域的工单数量，确定所述第二参考区域的高压工单占比系数矩阵；

根据所述高压工单占比系数矩阵，计算所述第二参考区域的高压相对均值倍率系数矩阵；

根据所述高压占比系数矩阵和所述待分析区域每个周期的全口径工单数量，确定所述待分析区域的加权平均高压工单占比；

根据所述第二参考区域的高压相对均值倍率系数矩阵和所述待分析区域的加权平均高压工单占比，确定所述待分析区域的高压工单占比矩阵；

采用同样的方法确定所述待分析区域的低压工单占比矩阵。

结合第一方面的第二种可能的实现方式，本发明实施例提供了上述第一方面的第三种可能的实现方式，其中，所述根据所述高压占比系数矩阵和所述待分析区域每个周期的全口径工单数量，确定所述待分析区域的加权平均高压工单占比，包括：

根据所述待分析区域每个周期的全口径工单数量，计算所述待分析区域每个周期的全口径工单权重；

根据所述高压占比系数矩阵和所述全口径工单权重，确定所述待分析区域的加权平均高压工单占比。

结合第一方面的第二种可能的实现方式，本发明实施例提供了上述第一方面的第四种可能的实现方式，其中，所述根据所述第二参考区域每个周期的高压工单数量和所述第二参考区域的工单数量，确定所述第二参考区域的高压工单占比系数矩阵，包括：

计算所述第二参考区域每个周期内的高压工单数量和所述第二参考区域的工单数量的比值，将所述比值组成所述待第二参考区域的高压工单占比系数矩阵。

结合第一方面的第二种可能的实现方式，本发明实施例提供了上述第一方面的第五种可能的实现方式，其中，所述根据所述获取的工单数据，确定所述待分析区域的工单抢修费用，包括：

根据所述待分析区域的高压占比矩阵和所述待分析区域每个周期的全口径工单数量，确定所述待分析区域每个周期的高压工单数量；

根据所述待分析区域的低压占比矩阵和所述待分析区域每个周期的全口径工单数量，确定所述待分析区域每个周期的低压工单数量；

根据所述待分析区域每个周期的高压工单数量、低压工单数量、高压工单派工人数、低压工单派工人数和每个人的单位费用，计算所述待分析区域的工单抢修费用。

结合第一方面，本发明实施例提供了上述第一方面的第六种可能的实现方式，其中，所述根据获取的所述工单数据，确定待分析区域的日抢修阈值，包括：

根据所述工单数据，获取所述待分析区域工单子数据，所述待分析区域的工单子数据包括待分析区域每天的热线电话工单数量和投诉工单数量；

根据所述待分析区域每天的热线电话工单数量，计算每天的热线电话工单权重；

根据所述待分析区域每天的工单数量、所述待分析区域每天的投诉工单数量和所述每天的热线电话工单权重，确定所述待分析区域的日抢修阈值。

第二方面，本发明实施例提供了一种工单分析装置，其中，所述装置包括：

获取模块，用于周期性获取工单数据和影响因素数据，所述工单数据包括工单数量，所述影响因素包括天气因素和节假日因素；

第一确定模块，用于根据所述工单数量确定获取的工单总数量；

计算模块，用于根据所述工单总数量和所述影响因素数据计算所述影响因素中每个影响因素对所述工单总数量的影响程度值；

筛选模块，用于从所述影响因素中筛选出对所述工单总数量的影响程度值大于或等于预设程度值的一个或多个影响因素；

第二确定模块，用于根据所述一个或多个影响因素对应的所述影响因素数据和所述工单数量，确定所述工单数量与所述一个或多个影响因素之间的线性回归模型的回归系数；

第三确定模块，用于根据所述回归系数、所述一个或多个影响因素对应的待预测周期的所述影响因素数据和所述线性回归模型，确定所述待预测周期的工单数量；

第四确定模块，用于根据获取的所述工单数据，确定待分析区域的全口径工单数量、高低压工单占比矩阵、工单抢修费用和日抢修阈值中至少一项。

结合第二方面，本发明实施例提供了上述第二方面的第一种可能的实现方式，其中，所述第四确定模块包括：

第一获取单元，用于根据所述工单数据，获取第一参考区域的工单子数据和待分析区域的工单子数据，所述第一参考区域的工单子数据包括所述第一参考区域每个周期的热线电话工单数量和应用程序工单数量，所述待分析区域的工单子数据包括所述待分析区域每个周期的热线电话工单数量；

建立单元，用于根据所述第一参考区域每个周期的所述热线电话工单数量和所述应用程序工单数量建立所述热线电话工单与所述应用程序工单的系数矩阵；

第一确定单元，用于根据所述系数矩阵和所述待分析区域的热线电话工单数量，确定所述待分析区域的应用程序工单数量；

第二确定单元，用于将所述待分析区域的应用程序工单数据确定为所述待分析区域的全口径工单数量。

结合第二方面，本发明实施例提供了上述第二方面的第二种可能的实现方式，其中，所述第四确定模块包括：

第二获取单元，用于根据所述工单数据，获取所述待分析区域工单子数据，所述待分析区域的工单子数据包括待分析区域每天的热线电话工单数量和投诉工单数量；

计算单元，用于根据所述待分析区域每天的热线电话工单数量，计算每天的热线电话工单权重；

第三确定单元，用于根据所述待分析区域每天的工单数量、所述待分析区域每天的投诉工单数量和所述每天的热线电话工单权重，确定所述待分析区域的日抢修阈值。

本发明实施例提供了一种工单分析方法及装置，能够得到下一周期的工单数量，以及其它区域的全口径工单数量、高低压工单数量、工单抢修费用和日抢修阈值，实现了对获取的工单数据进行多方面的分析，且避免使用人工方式，工作效率高。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本发明实施例1所提供的工单分析方法的流程图；

图2示出了本发明实施例1所提供的工单分析方法中确定待分析区域的全口径工单数量的流程图；

图3示出了本发明实施例1所提供的工单分析方法中确定待分析区域的日抢修阈值的流程图；

图4示出了本发明实施例2所提供的工单分析装置的结构示意图。

图4附图标记说明：

410，获取模块；420，第一确定模块；430，计算模块；440，筛选模块；450，第二确定模块；460，第三确定模块；470，第四确定模块。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

考虑到相关技术中，在对电网的工单数据进行分析时，大都是通过人工方式对其进行简单的统计分析，能够得到的信息量较少，无法实现对工单数据的全面分析，且人工分析工作量大效率低。基于此，本发明实施例提供了一种工单分析方法及装置，下面通过实施例进行描述。

实施例1

本发明实施例提供了一种工单分析方法，本发明实施例提供的方法可以应用在电网企业中，当然还可以应用在其他地方，本发明实施例主要以电网企业为例进行介绍。

采用本发明实施例提供的方法对工单进行分析时，如图1所示，包括步骤S110-S170，具体如下。

S110，周期性获取工单数据和影响因素数据，上述工单数据包括工单数量，上述影响因素包括天气因素和节假日因素。

上述工单指的是电网企业的客服人员在受理客户服务时，记录的客户的信息和需求的单子。

上述天气因素包括雷电、台风等，上述影响因素数据包括每个周期内雷电的个数、台风的次数以及节假日的天数等。

上述周期性获取工单数据和影响因素数据可以是一个月获取一次，也可以是一旬获取一次，上述周期的具体长短可以根据实际应用具体设置，本发明实施例并不限定上述周期的具体时间。

上述工单数据包括获取的每个周期的工单数量、每个周期内的热线电话工单数量、应用程序(Application，APP)工单数量等等，上述工单数据包括多个区域的工单子数据，在每个区域的工单子数据中包括该区域每个周期的工单数量、热线电话工单数量、APP工单数量、高压工单数量、低压工单数量以及每天的工单数量、每天的热线电话工单数量和每天的投诉工单数量等。

在电网企业中，热线电话工单指的是通过95598热线电话得到的工单。

S120，根据上述工单数量确定获取的工单总数量。

将上述周期性获取的工单数量相加，得到上述周期性获取的工单总数量。

S130，根据上述工单总数量和影响因素数据计算上述影响因素数据中每个影响因素数据对工单总数量的影响程度值。

上述影响程度值指的是每个影响因素对工单总数量的影响大小，该影响程度值可以通过计算每个影响因素和工单总数量之间的相关系数，上述相关系数可以通过pearson方法计算得到，计算的具体公式为：

其中，在上述公式中，r表示某一影响因素与工单总数量之间的相关系数，X表示任意一种影响因素的总数量，即上述周期性获取的任意一种影响因素的总数量，比如说，X可以是上述周期性获取的雷电的总个数，X也可以是周期性获取的台风的总次数，X也可以是周期性获取的节假日的总天数，Y表示上述工单总数量，表示平均每个周期的工单数量，表示任意一种影响因素平均每个周期的数量。

上述相关系数r可以是大于零，也可以小于零，当上述相关系数r大于零时，表示上述影响因素与工单总数量正相关，当上述相关系数r小于零时，表示上述影响因素与工单总数量负相关，r的绝对值反映了两个变量(影响因素和工单总数量)之间线性相关强弱的程度，r的绝对值就是影响程度值。

通过上述公式可以计算出影响因素中每个影响因素对工单总数量的影响程度值。

S140，从上述影响因素中筛选出对工单总数量的影响程度值大于或等于预设程度值的一个或多个影响因素。

上述预设程度值是预先设定的一个数值，该数值的大小可以根据具体应用场景进行设定，本发明实施例并不对上述预设程度值的具体大小进行限定。

当计算出每个影响因素对工单总数量的影响程度值后，将上述影响程度值和预设程度值进行比较，筛选出大于或者等于预设程度值的影响程度值对应的一个或多个影响因素。

S150，根据一个或多个影响因素对应的影响因素数据和上述工单数量，确定上述工单数量与一个或多个影响因素之间的线性回归模型的回归系数。

上述筛选出来的一个或多个影响因素与工单数量之间符合线性回归模型，具体公式如下所示：

S＝β₀+β₁X₁+β₂X₂+...+β_nX_n+ε

其中，在上述公式中，S为上述工单数量，该工单数量指的是每个周期获取的工单数量，β₀、β₁、β₂和β_n均为回归系数，ε为随机误差，上述n的取值为0,1,2…等整数，X₁、X₂和X_n均表示上述筛选出来的一个或多个影响因素，比如说，上述筛选出来的一个或多个影响因素为雷电和节假日，则X₁可以表示雷电，X₂表示节假日。

根据每个周期的工单数量，以及上述筛选出来的一个或多个影响因素在对应周期内的影响因素数据，通过最小二乘法确定出上述回归系数的最优系数值。

S160，根据上述回归系数、一个或多个影响因素对应的待预测周期的影响因素数据和线性回归模型，确定待预测周期的工单数量。

根据上述确定出来的线性回归模型的回归系数的最优系数值，可以确定出具体的线性回归模型，即工单预测模型，根据上述筛选出来的一个或多个影响因素在待预测周期内的影响因素数据和工单预测模型，可以确定出待预测周期的工单数量。

比如说，上述确定出来的回归系数的最优系数值分别为和上述工单预测模型定为将筛选出来的一个或多个影响因素对应的待预测周期的影响因素数据带入上式，确定出待预测周期的工单数量。

其中，如果上述筛选出来的一个或多个因素为节假日因素，则待预测周期的节假日天数可以计算出来，采用上述工单预测模型预计算待预测周期的工单数量时，使用待预测周期的节假日天数，如果上述筛选出来的一个或多个因素为雷电因素，由于待预测周期的雷电个数不能确定，因此，可以将待预测周期前一周期的雷电个数确定为待预测周期的雷电个数。

S170，根据获取的工单数据，确定待分析区域的全口径工单数量、高低压工单占比矩阵、工单抢修费用和日抢修阈值中至少一项。

上述全口径工单数量指的是该区域的APP工单的数量。

APP工单数量指的是用户安装了APP客户端，当遇到电力问题时，直接通过APP客户端生成工单。

在本发明实施例中，根据获取的工单数据，可以确定待分析区域的全口径工单数量、高低压工单占比数据、工单抢修费用和日抢修阈值中任意一项，也可以获取分析区域的全口径工单数量、高低压工单占比数据、工单抢修费用和日抢修阈值中任意多项，比如说，任意两项、任意三项或者四项全都获取，并且上述四项可以任意组合。

有的区域安装有APP服务器，用户可以通过APP客户端直接生成工单，而有的区域没有安装APP服务器，在没有安装APP服务器的区域安装APP服务器时，需要根据该区域的APP工单数量对APP服务器的配置以及配置参数进行设置，因此，可以通过安装有APP服务器的区域分析出没有安装APP服务器的地方的APP工单数量。

其中，根据获取的工单数据，确定待分析区域的全口径工单数量，如图2所示，具体包括步骤S210-S240。

S210，根据上述工单数据，获取第一参考区域的工单子数据和待分析区域的工单子数据，该第一参考区域的工单子数据包括第一参考区域每个周期的热线电话工单数量和应用程序工单数量，待分析区域的工单子数据包括待分析区域每个周期的热线电话工单数量。

上述周期性获取的工单数据中，包括多个区域的工单子数据，在本发明实施例中将安装有APP服务器的区域中任意一个区域设定为第一参考区域，从获取的工单数据中，筛选出该第一参考区域的工单子数据和待分析区域的工单子数据。

S220，根据上述第一参考区域每个周期的热线电话工单数量和应用程序工单数量建立热线电话工单与应用程序工单的系数矩阵。

上述系数矩阵指的是由热线电话工单数量和APP工单数量之间的比值构成的矩阵。

上述每个周期可以是每个月，每一旬或者每一周，上述周期的具体长短可以根据实际应用场景进行设置，本发明实施例并不限定上述周期的具体长短。

下面将以一个月为一个周期为例，详细介绍上述系数矩阵的构建过程：

比如说，根据获取的1月份的工单数据，确定出了1月份的热线电话工单和APP工单，则1月份的系数＝(1月份的热线电话工单数量)/(1月份的APP工单数量)，根据获取的2月份的工单数据，确定出2月份的热线电话工单和APP工单，则2月份的系数＝(1月份的热线电话工单数量+2月份的热线电话工单数量)/(1月份的APP工单数量+2月份的APP工单数量)，根据获取的3月份的工单数据，确定出3月份的热线电话工单数据和3月份的APP工单数据，则3月份的系数＝(1月份的热线电话工单数量+2月份的热线电话工单数量+3月份的热线电话工单数量)/(1月份的APP工单数量+2月份的工单数量+3月份的工单数量)，通过上述方式，确定出每个月的系数，每个月的系数组成上述系数矩阵。

S230，根据上述系数矩阵和待分析区域的热线电话工单数量，确定待分析区域的应用程序工单数量。

从周期性获取的工单数据中筛选出待分析区域的工单子数据，从待分析区域的工单子数据中获取待分析区域的每个周期的热线电话工单数量，根据上述系数矩阵和待分析区域的热线电话工单数量，通过系数矩阵＝待分析区域热线电话工单数量/待分析区域APP工单数量，确定出待分析区域的APP工单数量。

由于上述系数矩阵包括有多个周期的系数矩阵，比如说，1月份，2月份，3月份，4月份等有个月份的系数，通过1月份的系数以及待分析区域1月份的热线电话工单数量，可以确定出待分析区域1月份的APP工单数量，同样的通过2月份的系数及待分析区域2月份的热线电话工单数量，可以确定出待分析区域2月份的APP工单数量。

S240，将上述待分析区域的应用程序工单数量确定为待分析区域的全口径工单数量。

上述计算出的待分析区域的APP工单数量，就是待分析区域的全口径工单数量。

由于有的区域工单数据统计数据不全，导致无法确定出该区域的高低压工单数量，因此，可以通过分析其他第二参考区域的工单数据，得到待分析区域的工单数量中的高低压工单情况。

在本发明实施例中，可以根据上述获取的工单数据，确定待分析区域的高低压工单占比矩阵，具体过程包括：根据待分析区域的地理位置及经济状况，选取待分析区域的第二参考区域；从上述工单数据中，筛选出上述第二参考区域的工单子数据，上述第二参考区域的工单子数据包括第二参考区域每个周期的高压工单数量和工单数量；根据上述第二参考区域每个周期的高压工单数量和第二参考区域的工单数量，确定第二参考区域的高压工单占比系数矩阵；根据上述高压工单占比系数矩阵，计算第二参考区域的高压相对均值倍率系数矩阵；根据上述高压占比系数矩阵和待分析区域每个周期的全口径工单数量，确定待分析区域的加权平均高压工单占比；根据第二参考区域的高压相对均值倍率系数矩阵和待分析区域的加权平均高压工单占比，确定待分析区域的高压工单占比矩阵；采用同样的方法确定但分析区域的低压工单占比矩阵。

其中，上述第二参考区域包括海霞和瓯北，由于海霞和瓯北两个区域高低压工单统计比较齐全，因此，将海霞和瓯北两个区域确定为第二参考区域，当然，还可以将其他区域设置为第二参考区域，本发明实施例并不限定具体的第二参考区域。

在分析待分析区域的高低压工单占比矩阵之前，判断待分析区域的地理位置、经济发展状况以及工业情况等于海霞还是瓯北比较相似，如果待分析区域的上述情况与海霞比较相似，则选取海霞作为第二参考区域，如果待分析区域的上述情况和瓯北比较相似，则选取瓯北作为第二参考区域。

当确定出第二参考区域后，从上述获取的工单数据中，筛选出第二参考区域每个周期内的工单子数据，该工单子数据包括第二参考区域每个周期内的工单数量和每个周期内的高压工单数量。

上述一个周期可以是一个月、一个星期或者一旬等等，下面将以上述一个周期是一个月为例，介绍确定待分析区域的高低压工单占比矩阵的具体过程：

首先根据上述第二参考区域每个周期的高压工单数量和第二参考区域的工单数量，确定第二参考区域的高压工单占比系数矩阵，包括：计算第二参考区域每个周期内高压工单数量和第二参考区域的工单数量的比值，将上述比值组成待第二参考区域的高压工单占比系数矩阵。

上述高压工单占比系数矩阵是由每个周期的高压工单占比系数组成的，每个周期内的高压工单占比系数就是每个周期内的高压工单数量与工单数量的比值。

当确定出第二参考区域的高压工单占比系数矩阵后，计算出第二参考区域每个周期的高压占比系数平均值，计算每个周期的高压占比系数与每个周期的高压占比系数平均值的比值，即每个周期的高压占比系数/每个周期的高压占比系数平均值，将每个周期计算出来的比值组成第二参考区域的高压相对均值倍率系数矩阵。

之后，根据待分析区域每个周期的全口径工单数量，计算待分析区域每个周期对应的全口径工单权重；根据第二参考区域的高压占比系数矩阵和上述全口径工单权重，确定待分析区域的加权平均高压工单占比。

根据待分析区域每个周期的全口径工单数量，计算待分析区域每个周期对应的全口径工单权重，可以通过如下公式计算：

其中，在上述公式中，ti为待分析区域任意一个周期的权重，qi为待分析区域任意一个周期的全口径工单数量，i表示第i个周期，i的取值为1、2、3…k。

根据上述确定的第二参考区域的高压占比系数矩阵和待分析区域每个周期对应的全口径工单权重，通过如下公式确定待分析区域的加权平均高压工单占比：

其中，在上述公式中，m表示待分析区域的加权平均高压工单占比，r_i为第二参考区域的任意一个周期的高压占比系数，t_i为待分析区域任意一个周期的权重，i表示第i个周期，i的取值为1、2、3…k。

当计算出待分析区域的加权平均高压工单占比之后，根据待分析区域的加权平均高压工单占比和待分析区域的高压相对均值倍率系数矩阵，通过如下公式确定出待分析区域的高压工单占比矩阵：

p_i＝w_i×m

其中，在上述公式中，m表示待分析区域的加权平均高压工单占比，p_i为待分析区域的任意一个周期的高压工单占比，w_i为第二参考区域的任意一个周期的高压相对均值倍率系数，i表示任意一个周期，i的取值为1、2、3…k。

通过上述公式计算出待分析区域每个周期的高压工单占比，将每个周期的高压工单占比组成待分析区域的高压工单占比矩阵。

采用和上述计算待分析区域的高压工单占比矩阵相同的方法，计算待分析区域的低压工单占比矩阵。

由于并不是每个区域都能够清楚的统计该区域在每个周期内用于解决工单上记录的问题的费用，因此，可以通过一些统计比较准确的区域分析一些统计不全面或者不太准确的区域的抢修费用，即通过周期性获取的工单数据，确定待分析区域的工单抢修费用，具体包括：

根据待分析区域的高压工单占比矩阵和待分析区域每个周期的全口径工单数量，确定待分析区域每个周期的高压工单数量；根据待分析区域的低压工单占比矩阵和待分析区域每个周期的全口径工单数量，确定待分析区域每个周期的低压工单数量；根据待分析区域每个周期的高压工单数量、低压工单数量、高压工单派工人数、低压工单派工人数和每个人的费用，计算待分析区域的工单抢修费用。

本发明实施例中，通过待分析区域每个周期的高压工单数量、高压工单派工人数以及每个人的费用，可以计算出每个周期的高压抢修费用，同理，根据待分期区域每个周期的低压工单数量、低压工单派工人数以及每个人的费用，计算出每个周期的低压抢修费用，将每个周期的高压抢修费用和低压抢修费用求和，可以确定出每个周期的抢修费用，将各个周期的抢修费用求和，可以得到该区域在某段时间内的抢修费用。

通过上述获取的工单数量，还可以确定出待分析区域的日抢修阈值，如图3所示，包括步骤S310-S340，具体如下。

S310，根据上述工单数据，获取待分析区域的工单子数据，待分析区域的工单子数据包括待分析区域每天的热线电话工单数量和投诉工单数量。

S320，根据待分析区域每天的热线电话工单数量，计算每天的热线电话工单权重。

上述每天的热线电话工单权重，可以通过如下公式计算得出：

其中，在上述公式中，d_z为待分析区域任意一天的热线电话工单权重，f_z为待分析区域任意一天的热线电话工单数量，z表示所有周期内任意一天，z的取值为1,2,3…l，l表示所有周期内总的天数。

S330，根据待分析区域每天的热线电话工单数量、待分析区域每天的投诉工单数量和每天的热线电话工单权重，确定待分析区域的日抢修阈值。

上述日抢修阈值可以通过如下公式计算：

其中，在上述公式中，g表示日抢修阈值，d_z为待分析区域任意一天的热线电话工单权重，f_z为待分析区域任意一天的热线电话工单数量，c_z为待分析区域任意一天的投诉工单数量，z表示所有周期内任意一天，z的取值为1,2,3…l，l表示所有周期内总的天数。

通过上述方法，可以计算出一年的日抢修阈值或者一个季度的日抢修阈值等等，根据计算出的日抢修阈值，可以对本年度、本季度等的工单完成情况进行评估，同时还可以根据计算出的日抢修阈值对下一年度或者季度等的工作进行调整。

本发明实施例提供的工单分析方法，能够得到下一周期的工单数量，以及其它区域的全口径工单数量、高低压工单数量、工单抢修费用和日抢修阈值，实现了对获取的工单数据进行多方面的分析，且避免使用人工方式，工作效率高。

实施例2

本发明实施例提供了一种工单分析装置，用于执行上述实施例1提供的工单分析方法，如图4所示，该装置包括：

获取模块410，用于周期性获取工单数据和影响因素数据，工单数据包括工单数量，影响因素数据包括天气因素和节假日因素。

第一确定模块420，用于根据上述工单数量确定获取的工单总数量。

计算模块430，用于根据上述工单总数量和影响因素数据计算影响因素数据中每个影响因素对上述工单总数量的影响程度值。

筛选模块440，用于从上述影响因素中筛选出对工单总数量的影响程度值大于或等于预设程度值的一个或多个影响因素。

第二确定模块450，用于根据一个或多个影响因素对应的影响因素数据和上述工单数量，确定上述工大数量与上述一个或多个影响因素之间的线性回归模型的回归系数。

第三确定模块460，用于根据上述回归系数、上述一个或多个影响因素对应的待预测周期的影响因素数据和上述线性回归模型，确定待预测周期的工单数量。

第四确定模块470，用于根据上述获取的工单数据，确定待分析区域的全口径工单数量、高低压工单占比矩阵、工单抢修费和日抢修阈值中至少一项。

其中，上述第四确定模块470根据获取的工单数据，确定待分析区域的全口径工单数量，是通过第一获取单元、建立单元、第一确定单元和第二确定单元实现的，具体包括：

上述第一获取单元，用于根据上述工单数据，获取第一参考区域的工单子数据和待分析区域的工单子数据，上述第一参考区域的工单子数据包括第一参考区域每个周期的热线电话工单数量和应用程序工单数量，上述待分析区域的工单子数据包括待分析区域每个周期的热线电话工单数量；上述建立单元，用于根据第一参考区域每个周期的热线电话工单数量和应用程序工单数量建立杉树热线电话工单与应用程序工单的系数矩阵；上述第一确定单元，用于根据上述系数矩阵和待分析区域的热线电话工单数量，确定待分析区域的应用程序工单数量；上述第二确定单元，用于将上述待分析区域的应用程序工单数据确定为待分析区域的全口径工单数量。

上述第四确定模块470根据获取的工单数据，确定待分析区域的日抢修阈值，是通过第二获取单元、计算单元和第三单元实现的，具体包括：

上述第二获取单元，用于根据上述工单数据，获取待分析区域的工单子数据，上述待分析区域的工单子数据包括待分析区域每天的热线电话工单数量和投诉工单数量；上述计算单元，用于根据待分析区域每天的热线电话工单数量，计算每天的热线电话工单权重；上述第三确定单元，用于根据待分析区域的工单数量、待分析区域每天的投诉工单数量和每天的热线电话工单权重，确定待分析区域的日抢修阈值。

本发明实施例提供的工单分析装置，能够得到下一周期的工单数量，以及其它区域的全口径工单数量、高低压工单数量、工单抢修费用和日抢修阈值，实现了对获取的工单数据进行多方面的分析，且避免使用人工方式，工作效率高。

本发明实施例所提供的工单分析装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。