页面历史

知识名称

知识内容

启用状态

用户分布

用户分布是指“用户数”

启用

抄表员;抄表人员;客户经理

(抄表员;抄表人员;客户经理)是指“抄表人名称”

启用

姓名

问句中涉及到**姓名**字眼时，**姓名**是指用户名称

启用

公线公变

公线公变是指公变客户

启用

知识名称

知识内容

启用状态

当月;本月

（当月;本月）指上个月的月初到月末

启用

专变客户

专变客户是指**用户类别名称**为**公线专变客户**和**专线专变客户**的汇总数据，处理时需要将**公线专变客户**和**专线专变客户**的数据求和汇总为**专变客户**

启用

诉求

是指受理业务类别不为空

启用

进入第三档阶梯电价

当用户问句包含"第3档"时 按如下步骤执行代码：

第1步：默认增加阶梯类型='年阶梯'过滤去查询去年同期计费电量年累计 小于第三档电量 的 去年同期计费电量年累计、第三档电量、计费电量、计费电量同比增长率的数据记为df1 ;

第2步执行计算如下： df1['第二档剩余电量'] = df1['第三档电量']- df1['计费电量年累计'];

第3步执行计算如下： df1['本期预测值']=df1['计费电量']*（1+df1['计费电量同比增长率']）;

第4步执行计算如下： 新增字段 **进入第3档**  逻辑: 使用apply函数对每行数据判断:if本期预测值-第二档剩余电量大于 0则为true 。筛选出**进入第3档** 为true的数据并同时展示“本期预测值”和第二“档剩余电量”。

启用

欠费回收

当问句中涉及“完成”及“欠费回收”字眼时，进行如下处理：
-- 第一步获取条件下的实收电费、实收日期
-- 第二步获取应收电费
-- 第三步汇总实收电费、最大实收日期
-- 第四步过滤出应收电费等于实收电费，获取 应收电费、实收电费、实收日期，过滤条件：应收电费大于0且实收电费大于0

启用

催收重点

计划两个步骤：
一、获取数据,无需分析数据
注意：**需要3个sql_json通过查询3张表获得3个dataframe去merge**，每张表都对用户编号降序；

#### 获取欠费金额大于0的用户信息：用户编号、用户名称、欠费金额、扣款结果；
注意：**发生催收一定是欠费金额大于0**  、**时间和组织维需要输出**、**剔除用户编号中的#null等空数据**
#### 通过**用户交费情况事实表**中获取 **城关供电所** 的用户编号、高频交费时段；
注意：**高频交费时段**(需要新增字段)，逻辑如下：
a、横向比较**近一年**指标名为："1至5日"、"6至10日"、"11至15日"、"16至20日"、"21至25日"、"26日至31日"的这六个指标值大小，获得横向最大值对应的列名(列名要保持前面列举的指标名一致)；
b、新增**高频交费时段**列，value等于上面获得的列名；
#### 通过**客服_客服工单信息**中获取 **城关供电所**受理业务类别名称、三级业务子类名称（conds中忽略年月）；
注意：**诉求风险**（需要通过**受理业务类别名称**新增字段），逻辑如下：
a、受理业务类别名称为“投诉”或"意见"的为高诉求风险；
b、受理业务类别名称不为"投诉"或"意见"的为中诉求风险；
c、受理业务类别名称为空的为低诉求风险；
#### 需要将上述3个Dataframe通过**用户编号** left join后才能获得最终Dataframe，字段必须遵循：
**columns**=["用户编号","用户名称","高频交费时段","欠费金额","受理业务类别名称","三级业务子类名称","扣款结果","诉求风险"]
二、对上面最终的Dataframe进行分析，**分析**模板参考如下:
#### 交费时间风险,根据当前欠费用户，高频交费时段越靠近月末的，风险越高，筛选并展示出这些用户信息；
#### 欠费金额风险,按照欠费金额大小降序，取TOP10；
#### 诉求风险,对用户进行聚合，统计欠费用户的**受理业务名称**的sum次数和平均欠费金额并展示；
#### 自动缴费用户,对扣款结果不等于**交易成功**的用户进行统计分析并展示；

启用