本发明涉及燃气客户关系,尤其涉及一种基于燃气用户数据的客户关系管理系统、方法及其终端。
背景技术:
1、现有客户关系管理系统(crm)在燃气用户数据运行中,存在以下几个问题:
2、一是采用系统技术架构设计落后,海量数据处理能力不足。传统用采系统数据存储计算严重依赖关系型数据库oracle,数据处理能力存在明显的瓶颈。系统基于传统ioe架构进行构建,算力集中、系统扩展能力不足的缺点逐渐显现,无法满足百pb级数据量数据存储、处理新要求,系统架构亟须重构。
3、二是系统扩展性差,部署流程复杂。传统采集系统采用垂直应用架构,各组件之间、组件与业务之间采用紧耦合,功能模块间存在相互影响,开发、测试、实施的工作量成倍增加,且遇到新功能发布需要对整个系统进行停机检修,无法实现不间断软件更新,增加了系统总不可用时间。
4、三是数据缺乏标准化,存在信息孤岛。数据标准及质量尚存缺失,用户信息需要完善,且各系统之间集成度低,存在部分信息孤岛,信息缺乏有效的业务协同及共享;受基础数据和跨业务应用不足的制约,尚未形成有效的决策支持能力。
5、四是缺乏大数据分析及人工智能应用。随着物联网及互联网的深度推广,及客户服务深化的目标,需要更加强港华在全客服业务领域的完善度,用大数据及人工智能手段支撑港华智慧客服能力。
技术实现思路
1、本发明的目的在于克服现有技术中的不足,提供一种基于燃气用户数据的客户关系管理系统、方法及其终端。
2、为解决上述技术问题,本发明是采用下述技术方案实现的:
3、第一方面,本发明提供了基于燃气用户数据的客户关系管理系统,包括如下模块:
4、数据采集模块,用于面向燃气客户采集和校准基础业务数据;
5、数据存储模块,用于基于数据分离模式将基础业务数据按照不同数据存储策略存储于缓存库、业务库和全量库;
6、数据分析模块,用于对存储不同类型的基础业务数据采用流计算框架进行实时统计、汇总并结合可视化分析结果调整客户关系策略。
7、进一步的,所述基础业务数据包括客户信息、nb智能表数据和客户核心数据;
8、其中,所述客户信息包括客户档案,账单数据、缴费数据;
9、nb智能表数据包括nb燃气表日用量、nb燃气表小时用量,nb报警数据;
10、客户核心数据包括业务数据、维修数据、稽查数据。
11、进一步的,将基础业务数据按照分布式消息中间件的消息队列订阅方式,基于流计算框架多个计算节点并采用即采即校和直接入库两种逻辑方式存储于采用分布式列式数据库的缓存库、业务库和全量库。
12、进一步的,所述缓存库用于支持高频度、大并发场景的数据校核和实时计算分析的高速数据读写访问;
13、所述业务库用于存储crm系统主要业务数据,包括基础档案、日/月结算示数、账单数据、业务数据、安检数据;
14、所述全量库用于存储业务系统应用过程中所产生的各类业务数据,包括用户数据、账单数据、收费数据、工单数据、安检数据、采集数据、计算分析结果、外部接入。
15、进一步的,所述全量库采用分布式非关系型数据库,具备100tb级数据存储、计算、访问能力,具备良好的横向扩展特性;所述业务库采用关系型数据库。
16、进一步的,所述业务库用于存放一定时期内的基础业务数据,所述全量库用于存储全时期内的基础业务数据,所述业务库数据按照一定时期频率进行修改和更新,所述全量库数据是不能修改和更新的。
17、进一步的,所述数据存储策略包括档案数据存储策略、日/月结数据存储策略、小时级数据存储策略和统计数据存储策略。
18、进一步的,所述档案数据优先存储于关系型数据库,然后实时同步到缓存库,再定时同步到数据仓库;
19、所述日/月结数据优先存储于列数据库中,然后全量、增量同步至关系型数据库,再定时同步到数据仓库;
20、所述小时级数据包括小时级原始数据和小时级转存数据,其中,针对轮询采集的非结分钟级数据,原始数据和转存数据优先存储于列数据库中,然后定时同步到数据仓库;针对轮询采集的结分钟级数据,仅将转存数据存储于列数据库,然后定时同步到数据仓库。
21、进一步的,对存储不同类型的基础业务数据采用流计算框架进行实时统计、汇总并结合可视化分析结果调整客户关系策略,具体方法如下:
22、实时计算:通过在线订阅采集数据队列,即时发现数据和事件状态变化并处理,实现数据秒级计算、统计;
23、统计计算:以全量库数据作为输入,采用累加、逻辑判断、聚合等算法,得到计算结果写入全量库并通过数据服务为业务应用提供数据,按照计算场景可为分钟计算、小时计算、天计算、月计算、按需计算;
24、分析调控:用大数据分析、人工智能等技术,融合内、外部其它数据,研发数据分析算法,开展深层次数据分析和挖掘,将分析结果反馈至业务系统,为高级业务应用功能提供数据支撑。
25、第二方面,本发明提供了基于燃气用户数据的客户关系管理方法,包括如下方法步骤:
26、用于面向燃气客户采集和校准基础业务数据;
27、用于基于数据分离模式将基础业务数据按照不同数据存储策略存储于缓存库、业务库和全量库;
28、用于对存储不同类型的基础业务数据采用流计算框架进行实时统计、汇总并结合可视化分析结果调整客户关系策略。
29、进一步的,将基础业务数据按照分布式消息中间件的消息队列订阅方式,基于流计算框架多个计算节点并采用即采即校和直接入库两种逻辑方式存储于采用分布式列式数据库的缓存库、业务库和全量库。
30、进一步的,所述数据存储策略包括档案数据存储策略、日/月结数据存储策略、小时级数据存储策略和统计数据存储策略;
31、其中,所述档案数据优先存储于关系型数据库,然后实时同步到缓存库,再定时同步到数据仓库;
32、所述日/月结数据优先存储于列数据库中,然后全量、增量同步至关系型数据库,再定时同步到数据仓库;
33、所述小时级数据包括小时级原始数据和小时级转存数据,其中,针对轮询采集的非结分钟级数据,原始数据和转存数据优先存储于列数据库中,然后定时同步到数据仓库;针对轮询采集的结分钟级数据,仅将转存数据存储于列数据库,然后定时同步到数据仓库。
34、进一步的,对存储不同类型的基础业务数据采用流计算框架进行实时统计、汇总并结合可视化分析结果调整客户关系策略,具体方法如下:
35、实时计算:通过在线订阅采集数据队列,即时发现数据和事件状态变化并处理,实现数据秒级计算、统计;即根据用采系统业务需求分析,实时计算业务以用量实时计算为主,实时用量计算是以今日表具实时用量计算为基础,统计今日用户实时用量、今日用户类型实时用量;
36、统计计算:以全量库数据作为输入,采用累加、逻辑判断、聚合等算法,得到计算结果写入全量库并通过数据服务为业务应用提供数据,按照计算场景可为分钟计算、小时计算、天计算、月计算、按需计算;即根据系统业务需求分析,梳理整合统计计算需求,将主要统计计算业务内容分为用量计算,包括用量计算、采集质量、异常统计分析;
37、分析调控:用大数据分析、人工智能等技术,融合内、外部其它数据,研发数据分析算法,开展深层次数据分析和挖掘,将分析结果反馈至业务系统,为高级业务应用功能提供数据支撑。即通过对数据进行大数据专题分析应用,支撑客服业务创新,助力能源生态构筑。典型的分析主题主要包括模型构建、数据诊断、模型优化等关键步骤。系统基于的大数据专题分析可以首先开展行业经济分析、用户用气异常分析、窃气分析、气表健康度评价与整体运行状态分析等。后续基于业务发展的需要,开展更多的业务分析,服务于管网、政府、民生,更好发挥数据价值。
38、第三方面,本发明提供了一种远程安全问诊智能终端,包括显示器、输入设备和输出设备,还包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行如第二方面中任一种方法的计算机程序。
39、第四方面,本发明提供了一种计算机可读存储介质,存储有能够被处理器加载并执行如第二方面中任一种方法的计算机程序。
40、与现有技术相比,本发明所达到的有益效果:
41、本发明提供的基于燃气用户数据的客户关系管理系统、方法及其终端,基于燃气客户历史基础业务数据,实时采集、分离策略存储、及统计分析,以实现业务数据整合分析,达到客服调度服务的数字化和智能化。
42、数据平台可以支持更加复杂的数据分析需求,包括图像识别、文本挖掘、推荐算法等,通过对数据进行大数据专题分析应用,支撑客服业务创新,助力能源生态构筑。典型的分析主题主要包括模型构建、数据诊断、模型优化等关键步骤。系统基于的大数据专题分析可以首先开展行业经济分析、用户用气异常分析、窃气分析、气表健康度评价与整体运行状态分析等。后续基于业务发展的需要,开展更多的业务分析,服务于管网、政府、民生,更好发挥数据价值,可以帮助企业挖掘更深层次的信息和价值。