1、“.....审计行业由最初的抽样审计分析逐步向大数据审计发新的需求都需要重新制定规则。基于机器学习的信息抽取算法主要有隐马尔可夫模型最大熵隐马尔科夫模型条件随机模型等，这里我们主要采取条件随机模型。条件随机场模型是拉弗蒂在年根据熵模型和隐马尔可夫模型提出，用来标记和分割有序数据的个判别概率无向图的学习模型。摘要在大数据时代的背景下，我国电力行业也步入了高速发展的时期。如何利用大数据技术提升营销业务的信息化水平，也成为了电力审计业务的个重要研究方向。智能电网的普及产生了海量的监测数据，这些数据为异常检测电网运行状态用户行为等确而对审计结果造成的影响其次，可以从大量的信息数据中发掘事物的相关性，相关性分析更加有利于发现问题和解决问题，由此提取出的数据更具有分析价值，为不同方向的审计提供了有力的数据支持。海量数据协同流程如图所示......”。

2、“.....设计阶段是分析数据源和目标数据集的数据结构，制定恰当合理的数据转换逻辑实施阶段是进行数据抽取转换清洗以及数据装载的过程维护阶段是对于需要定期维护的数据项目，在重复执行的同时也需要根据实际情况进行维护和完善。数据转换的主要工作是将不致的数据进行大数据背景下电网营销方向审计研究论文原稿计分析，在此基础上对大数据数据在审计数据分析中的应用进行了研究，构建了应用大数据实现电网营销审计的模型。关键词大数据电网营销审计数据挖掘中图分类号文献标识码文章编号引言随着信息技术和智能电网的发展，电力企业对于信息资源共享与数据价值发现等技术的需求不断激增。智能变电站智能电表计量自动化系统等大批服务应用系统的广泛建成，使得企业产生和积累了海量结构多样来源复杂规模巨大系统独立的数据资源，造成企业跨系统数据集成与共享难度加大，直接影响数据内在知识价值发现......”。

3、“.....当前业知识和综合素养都提出了更高的要求。大数据信息获取，找到针对性强最有效的数据，以及数据分析建模结果是否具有广泛适用性，這些都对审计人员提出了新的挑战。数据构成近年来大数据广泛的应用于各行各业，按照南方电网公司企业级信息系统建设思路，依托公司企业信息集成平台，在公司总部和公司系统，建设了财务管理营销管理资产管理协同办公管理人力资源管理综合管理大业务应用。其中营销管理应用正是结合信息技术对原有传统营销数据的集成和管理。营销域业务数据，即营销管理系统自身处理的业务数据，包括抄核收管理业扩管中反复使用，并在实际应用中不断改进。后台支持的审计模式可以有效解决公司内部审计人员不足的问题，提高审计效率，确保审计质量。大数据背景下电网营销方向审计研究论文原稿。虽然大数据为审计提供了新的模式，但就现阶段的审计发展来看，还是存在诸多问题。电网营销管理系统数据庞大......”。

4、“.....它存储着所有营销业务数据。随着大数据的飞速发展，数据数量级也成了几何式增长，同时也增加了信息系统的风险。面对如此多的信息，原有的审计系统已经无法满足当下需求，急需建设更臵信度臵信度表示数据出现后，数据出现的可能性，也可以说是数据的条件概率。提升度提升度体现和之间的关联关系，提升度大于表示和之间具有强关联关系，提升度小于等于表示和之间无有效的強关联关系。强关联规则满足最小支持度和最小臵信度的关联规则。关联规则的挖掘目标是找出所有的频繁项集和根据频繁项集产生强关联规则。对于算法，目标是找到所有频繁项集。因此，对于数据集中的频繁数据集，我们需要自定义评估标准以查找频繁项集，支持度就是重要的评估标模型案例库在经过数据抽取清洗转换分析后，我们根据审计业务规则建立了不同的审计模型，审计人员验证后最终形成审计案例，固化在审计平台中......”。

5、“.....例如线损审计模型电价类别审计模型窃电用户模型等。这些模型可以实时地持续地监控业务数据，发现业务环节中可能潜在的违规和风险，防范类似问题的发生。如果个候选项集有个子集不属于最小支持度项目集，则该项目集可以被去除，这样可以显著提高计算所有的候选集的效率。事务数据库设是个全局项的集合，事物数据库是个事务的集条件项和结果项同时发生的概率，表示该条规则的覆盖率，即该条规则的重要性。趋势分析，在大数据分析中被广泛的应用在各个行业，描述了分析数据在时间维度上的趋势变化，可视化方面主要以柱形图折线图来体现。在实际营销审计中，可以应用于用户电量波动分析基本电费缴费波动分析等，通过异常走势数据，进步排查锁定问题点。决策树算法。通过历史数据自动推导出对事物发展规律基于给定数据的推广性描述，构造个分类函数或分类模型，该模型能把满足定特征的数据归为特定的类别......”。

6、“.....存储在数据库里库按各省数据集市的需求定时推送业务数据，各省数据集市形成的成果数据推送到网级数据集市。应用层通过数据管理层的数据集市调取不同业务数据建立审计模型进行数据分析，大数据的管理和应用可以在相关的审计项目中反复使用，并在实际应用中不断改进。后台支持的审计模式可以有效解决公司内部审计人员不足的问题，提高审计效率，确保审计质量。大数据背景下电网营销方向审计研究论文原稿。如果个候选项集正是结合信息技术对原有传统营销数据的集成和管理。营销域业务数据，即营销管理系统自身处理的业务数据，包括抄核收管理业扩管理计量管理客户服务线损管理市场交易管理用电检查营销稽查管理等业务数据。另类为跨系统协同数据，即营销管理系统与其他业务系统集成的数据......”。

7、“.....臵信度臵信度表示数据出现后，数据出现的可能性，也可以说是数据的条件概率。提升度提升度体现和之间的关联关系，提升度大于表示和之间具有强关联关大数据背景下电网营销方向审计研究论文原稿合，每个事务都对应上的个子集，例如。关联规则关联规则表示项之间的关系，是形如的蕴含表达式，其中和是不相交的项集，称为规则的前件，称为规则的后件。例如，关联规则表示购买谷类食品和牛奶的人也会购买水果。通常关联规则的强度可以用支持度和臵信度来度量。支持度支持度指生成规则的条件项和结果项同时发生的概率，表示该条规则的覆盖率，即该条规则的重要性。大数据背景下电网营销方向审计研究论文原稿。用户的用电量预测，对该审计用户的历史用电数据建立训练模型，可以得出用电量合乎规律的连续性预测数据，通过折线图来展示模型建立后根据模型预测数据来检测用户整体用电量数据......”。

8、“.....分析不同电价类别下用户实际月发行电量超过定的阈值的进行异常预警。例如用户名执行的电压代码为居民生活，而发行的电量很高，存在明显的高价低用的特征，很有可能是商业用电而执行居民照明电价。建立審计据数量级也成了几何式增长，同时也增加了信息系统的风险。面对如此多的信息，原有的审计系统已经无法满足当下需求，急需建设更加完善的审计分析系统，如何从海量数据中提取出价值高且准确真实的数据，建立审计数据仓库和数据管理平台是电网企业需要解决的首要问题。急需研发大数据分析审计软件。目前营销审计线索的多样化，原有的审计方式已不适合，需要结合大数据分析理论以及机器学习方法，利用关联分析聚合分析分类分析等数据挖掘算法建立针对不同业务方向上的可扩展可重复使用的营销审计模型......”。

9、“.....例如我们利用营销数据对用户的是否窃电进行稽核审计，通过审计数据仓库，在海量营销数据中使用决策树模型方法建立用户是否窃电的模型，根据模型实现窃电用户的自动分类识别，发现异常用电客户，挽回电费损失。回归分析。和分类预测类似，回归分析也是从历史数据中自动推导出对事物发展规律基于给定数据的推广性描述不同的是回归分析的目标是数值型指标，构造的模型是个回归函数用于判定给定特征的数据的目标应该达到的数值，而非状态。利用海量的电力营销历史数据即可构建多种回归预测模型。如电价类别个子集不属于最小支持度项目集，则该项目集可以被去除，这样可以显著提高计算所有的候选集的效率。事务数据库设是个全局项的集合，事物数据库是个事务的集合，每个事务都对应上的个子集，例如。关联规则关联规则表示项之间的关系，是形如的蕴含表达式，其中和是不相交的项集，称为规则的前件，称为规则的后件。例如......”。