1.一種基于TEM的電力客戶資源精細化管理方法，包括如下步驟：

a)獲取內部數據和外部數據

采取開放式接口方式對內部數據進行獲取，并通過數據庫進行存儲，數據存儲前進行脫敏處理；

通過WEB爬蟲從公開網站上獲取市場外部數據，并以數據庫進行存儲；

b)建立客戶未來用電預測模型和客戶投訴挖掘分析模型

客戶未來用電預測模型，包括短期預測和中長期預測；

短期預測，采用時間序列對客戶歷史數據進行短期預測分析；該方法基于隨機過程理論和數理統計學方法，研究隨機數據序列所遵從的統計規律以用于解決實際問題，隨機數據是依時間先后排成序列的，包括一般統計分析，統計模型的建立與推斷以及關于隨機序列的最優預測、控制和濾波；

中長期預測，采用增量比線性回歸模型，增量比線性回歸是線性回歸模型的拓展，是一種采用增量比因子作為強影響因子進入線性回歸模型對因變量進行解釋的算法，其核心是基于最小二乘法的線性回歸算法；

c)電費回收風險預測模型

電力大客戶所需繳納的電費數額較大，若電力大客戶違約未按期繳納，則對電力公司來講損失較大，因此，綜合考慮電費回收風險模型僅對電力大客戶開展分析，通過對電力大客戶繳費情況進行分析，統計用戶歷史欠費次數、用戶最近一次欠費距離當前的天數，通過制定模型規則對電力大客戶未來的電費違約概率風險進行預測，形成可觀可控的電費回收風險防控機制，從電費的“抄、核、收”全過程進行風險防范，從而降低公司資金回收風險，保障了公司資金安全；分析模型公式如下

d)客戶投訴挖掘分析模型

客戶投訴是電力企業的重要指標之一，尤其是新電改政策出臺，配售電市場開發，客戶投訴問題的解決更是迫不及待，基于自然語言處理技術出發，對電力客戶投訴工單進行深入文本挖掘，利用分詞技術分析投訴工單中的受理內容，對分詞結果開展特征選取與降維處理，并進行詞頻統計，運用詞云分析技術進行分析結果可視化展示，把控住當下電力客戶投訴的主要問題，針對性的為不同類型的電力客戶提供差異化的服務策略，從而提高客戶滿意度和忠誠度。