CN108665184A - 一种基于大数据征信的电力客户信誉评估方法 - Google Patents

Abstract

本发明公开了一种基于大数据征信的电力客户信誉评估方法，包括：构建电力客户信誉评价指标体系，所述电力客户信誉评价指标体系包括多个电力用户信息，所述电力用户信息包括但不限于客户基本信息、欠费情况、用电行为、违约记录、需求侧因素；获取所述电力客户信誉评价指标体系对应的信息，将获得的电力用户信息进行预处理筛选出合格、准确的信息；构建动态电力客户信誉评估模型，将筛选出合格、准确的信息输入至客户信誉评估模型中，对应获得每个电力用户的等级；根据不同的等级采取对应的处理措施，以实现电费风险防范。对不同用电类型、不同行业和不同用电规模的用户制定个性化的营销和服务策略，规避经营风险，提高供电企业经济效益。

Description

一种基于大数据征信的电力客户信誉评估方法

技术领域

本发明属于大数据领域，具体地说，涉及一种基于大数据征信的电力客户信誉评估方法。

背景技术

信誉评估是根据对月均电费金额不同级别的用电客户，充分分析用电客户电费历史缴纳行为、经营现状、客户银行信贷、经营者情况、所属行业现行经济状况等综合情况进行评估，从多个维度建立科学的用电客户信誉评估指标体系和信誉评估模块，对用电客户的信誉状况进行量化分析和科学评价，将客户划分不同等级；

风险防范是按照对电费回收的要求，根据信誉评估指标体系和分析结果，充分把握各等级用电客户影响电费回收潜在的风险因素，对用电行业和用电客户欠费风险做出短期预警，对高危行业和高危客户进行总体控制，及时有效控制电费回收风险。

良好的信誉是建立规范的社会主义市场经济秩序的基础，是有效防范经营风险的必要条件。所以，对用电客户进行准确的信誉评估分析，有利于电费和其他应收账款的及时回收，对供电企业规避经营风险、提高经济效益具有重要的现实意义。有鉴于此，有必要给出评估方法以解决上述问题。

发明内容

为了解决现有技术仅仅依托于人工进行信息采集数据的缺陷以及人工进行判断的主观性，本发明提供了一种基于大数据征信的电力客户信誉评估方法，结合客户基本信息、用电及缴费信息数据，构建信誉评估模型，对电力终端客户进行信誉评级。遵循此方法，可有针对性制定相应营销和服务策略，提高客户满意度、减少拖欠电费、违约用电现象；进一步完善电力市场秩序、优化电费回收环境及为用户提供优质可靠的服务。

为实现上述目的，本发明提供了一种基于大数据征信的电力客户信誉评估方法，包括：

构建电力客户信誉评价指标体系，所述电力客户信誉评价指标体系包括多个电力用户信息，所述电力用户信息包括但不限于客户基本信息、欠费情况、用电行为、违约记录、需求侧因素；

获取所述电力客户信誉评价指标体系对应的信息，将获得的电力用户信息进行预处理筛选出合格、准确的信息；

构建动态电力客户信誉评估模型，将筛选出合格、准确的信息输入至客户信誉评估模型中，对应获得每个电力用户的等级；

根据不同的等级采取对应的处理措施，以实现电费风险防范。

在本发明的一个优选实施例中，获取所述电力客户信誉评价指标体系对应的电力用户信息方法包括：

采用ETL工具或人工将电力用户信息从业务系统来源端进行关联、整合和汇总，通过数据清洗转换和预处理，统一存储、进行数据服务。

在本发明的一个优选实施例中，所述业务系统包括一体化缴费平台、营销业务系统、用电信息采集系统。

在本发明的一个优选实施例中，采用ETL工具按照客户编号的关键字段进行关联、整合和汇总，再此基础上，将数据抽取到hive数据库，通过数据清洗转换和预处理，统一存储在客户信誉评估系统数据库中进行数据服务。

在本发明的一个优选实施例中，所述客户基本信息包括所能反应客户基本特征的信息，包括客户名称、用户名称、用户状态、运行容量、用电类别、供电电压、行业类别、企业性质、注册资本；欠费情况包括欠费时长、欠费金额、欠费次数等；用电行为包括用电量、实收电费数额；违约记录包括应收违约金、违约次数；需求侧因素包括业扩报装记录；财务状况包括企业性质、注册资本。

在本发明的一个优选实施例中，所述等级至少包括四个等级，所述等级按照从高到低进行排列，所述最高等级对应信誉“优”，最低等级对应信誉“劣”。

在本发明的一个优选实施例中，电力客户信誉评分采取百分制，各个指标得分及信誉综合得分的区间都在[0，100]，不同得分对应不同等级。

在本发明的一个优选实施例中，所述等级至少包括“A”“B”“C”“D”等级，将信誉得分按照从高到低进行排列，划分成[95，100]、[80，95)、[75，80)、[75，0)区间；区间[95，100]对应最高等级信誉“A”，区间[75，0)对应最低等级信誉“D”。

在本发明的一个优选实施例中，采用熵值法构建动态电力客户信誉评估模型包括：

设由n个指标构成一个指标体系来评价m个电力客户的信誉水平，得到原始指标矩阵为：X＝(x_ij)_m×n，对于某个指标Xi，有信息熵：

(其中)

其中，X_ij为第j项指标的第i个样本，P_ij为第j项指标下第i个样本占该指标全部样本数值之和的比重。

设X中每行的最优值为X_i ^*，对于正指标X_i ^*越大越好；对于负指标X_i ^*，越小越好，设d_ij为X_ij与X_i ^*的接近程度，即：

d_ij＝X_i ^*/X_ij，其中X_i ^*＝max{X_ij}

d_ij＝X_i ^*/X_ij，其中X_i ^*＝min{X_ij}

根据定义，用n个评价指标评价m个电力客户的熵E为:

其中，di的含义第j项指标下全部样本数值之和；

当的值完全相等时，熵值达到最大，即E_max＝1nm；

进行归一化处理，则得评价指标i的评价决策重要性的熵为:

对1-e_i归一化，统一各项指标的计量单位，便得到指标i的客观权重为:

θ_i的确定取决于电力客户的固有信息，称为客观权重；同一评价指标i对不同的电力客户可能有不同的客观权重θ。

在本发明的一个优选实施例中，为了全面反映评价指标的重要性，同时考虑管理者的经验判断，最终确定各指标的综合权重为:

其中，0≤λ_i≤1，

与现有技术相比，本发明的有益效果是：

本发明根据电力客户的基本信息、用电行为、财务状况、需求侧因素等设计出比较全面、系统的客户信誉评估体系，根据信誉综合评价结果，从影响评价结果的关键因素出发，综合评估电力客户的缴费能力和缴费意愿，并最终采用客观赋权的熵值法，得到每一个客户的信誉分数和信誉等级，避免了人为经验判断的主观性。对不同用电类型、不同行业和不同用电规模的用户制定个性化的营销和服务策略，规避经营风险，及时回笼电费，提高供电企业经济效益。

附图说明

为了进一步说明本发明实施例，下面简单介绍现有技术所需要使用的附图。

图1为本发明实施例提供的一种信用评价方法的流程图。

图2为本发明实施例提供的一种客户信誉评价体系构建方法示意图。

具体实施方式

下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。如1图所示，给出了的信誉评估方法的一般流程，本发明的一种信誉评估方法适用于不同的业务系统，包括具有信用评价需求的业务系统。

S101：所述信用评价方法包括通过与业务系统之间的统一接口，获得所述系统提供的原始信用数据。

S102：通过数据清洗转换，进一步并对其分析建模。

S103：最终得到信誉评估分析结果、并提供辅助决策(辅助决策包括各种实施方案，可以用于等级评定，也可以用于商业策略的推广)。所述方法对系统需有普遍适用性。

在本实施方式中，参考图2，示出了本发明实施例提供的一种构建电力客户综合评价体系的方法的示意图。

一种基于大数据征信的电力客户信誉评估方法，包括：

201：构建电力客户信誉评价指标体系，为了让信誉评估体系的维度更加全面、客观，所述电力客户信誉评价指标体系包括多个电力用户信息，所述电力用户信息包括但不限于客户基本信息、欠费情况、用电行为、违约记录、需求侧因素；

具体地，所述客户基本信息包括所能反应客户基本特征的信息，包括客户名称、用户名称、用户状态、运行容量、用电类别、供电电压、行业类别、企业性质、注册资本等；欠费情况包括欠费时长、欠费金额、欠费次数等；用电行为包括用电量、实收电费数额；违约记录包括应收违约金、违约次数；需求侧因素包括业扩报装记录；财务状况包括企业性质、注册资本。

获取所述电力客户信誉评价指标体系对应的信息，将获得的电力用户信息进行预处理筛选出合格、准确的信息；

一般采用ETL工具或人工将电力用户信息从业务系统来源端进行关联、整合和汇总，通过数据清洗转换和预处理，统一存储、进行数据服务，上述业务系统包括一体化缴费平台、营销业务系统、用电信息采集系统。

本实施例中，在获得原始数据后，首先判断客户的当前状态、剔除已销户的客户，保留正常用电客户、当前新装客户、当前变更客户以及待销户客户，作为有效的目标客户。

将欠费次数、欠费金额、欠费时长、滞后时长、滞后金额、滞后次数和应缴电费按照用户编号进行汇总、合并。在数据预处理之前，首先对数据进行清洗，包括对实收表中受“收电费(冲正)”影响、应收表中受“差错退补电费”影响的相关记录的处理，以及对空值和重复值的处理。

用户实际缴费日期超过电费发行日期30天以上，即定义为欠费。用户实际缴费日期超过电费发行日期2天以上，即定义为滞后。选用滞后指标的主要原因是，滞后能在最大程度上体现不同用户在缴费行为的差异性。

依据层次分析法计算所述固有属性评价中每个评价指标的权重。

为了便于深入分析高压用户的信用情况，依据《国民经济行业分类》(GT/T4754-2011)，将用户表中的行业类型进行合并与划分，新生成8个行业类型如下所示：

本实施例中采用ETL工具按照客户编号的关键字段进行关联、整合和汇总，再此基础上，将数据抽取到hive数据库，通过数据清洗转换和预处理，统一存储在客户信誉评估系统数据库中进行数据服务。

202：构建动态电力客户信誉评估模型，将筛选出合格、准确的信息输入至客户信誉评估模型中，对应获得每个电力用户的等级。本实施例中，所用到的算法可以包括熵值法。熵值法首先是计算样本的各指标得分，并利用各指标的信息效用值确定指标的权重，然后求加权和得到综合得分。具体的，所述熵值法的实现步骤可以包括：

设由n个指标构成一个指标体系来评价m个电力客户的信誉水平，得到原始指标矩阵为：X＝(x_ij)_m×n，对于某个指标Xi，有信息熵：

(其中)

其中，X_ij为第j项指标的第i个样本，P_ij为第j项指标下第i个样本占该指标全部样本数值之和的比重。

设X中每行的最优值为X_i ^*，对于正指标X_i ^*越大越好；对于负指标X_i ^*，越小越好，设d_ij为X_ij与X_i ^*的接近程度，即：

d_ij＝X_i ^*/X_ij，其中X_i ^*＝max{X_ij}

d_ij＝X_i ^*/X_ij，其中X_i ^*＝min{X_ij}

根据定义，用n个评价指标评价m个电力客户的熵E为:

其中，di的含义第j项指标下全部样本数值之和。

当的值完全相等时，熵值达到最大，即E_max＝1nm；

进行归一化处理，则得评价指标i的评价决策重要性的熵为:

对1-e_i归一化，统一各项指标的计量单位，便得到指标i的客观权重为:

θ_i的确定取决于电力客户的固有信息，称为客观权重；同一评价指标i对不同的电力客户可能有不同的客观权重θ。

在本发明的一个优选实施例中，为了全面反映评价指标的重要性，同时考虑管理者的经验判断，最终确定各指标的综合权重为:

其中，0≤λ_i≤1，

某项指标的信息效用价值取决于该指标的信息熵e_j与1之间的差值，它的值直接影响权重的大小，信息效用值越大，对评价的重要性就越大，权重也就越大。

203：设各个要素权重得到各客户信誉评分。本实施例中，依据已获取的原始数据采用熵值法对各个维度的指标的权重进行计算，包括欠费次数、欠费金额、欠费时长、滞后次数、滞后金额、滞后时长、实收电费数额、预缴费占比、预缴费金额；暂停次数、暂停容量、减容次数、减容量、增容次数、增容量的权重。

举例说明：计算客户的信誉评价时，信誉综合得分可以依具体评价指标的分值和权重进行计算。具体的，客户的信誉综合得分值＝Σ各个指标的分值*指标权重

204：将分值划分为不同等级。电力客户信誉评分采取百分制，各个指标得分及信誉综合得分的区间都在[0，100]，不同得分对应不同等级。本实施例中，按照实际业务需求将评价分值划分为不同的等级。举例说明如下表所示，可以将客户的信誉分值划分为以下的等级。

根据不同的等级采取对应的处理措施，以实现电费风险防范。

进一步地，采用熵值法信誉评估模型对某供电企业电力客户中的15个电力用户进行信用评价。具体见表1、表2所示。

表1评价指标权重

表2评价指标值及信用综合评价值

本发明根据电力客户的基本信息、用电行为、财务状况、需求侧因素等设计出比较全面、系统的客户信誉评估体系，根据信誉综合评价结果，从影响评价结果的关键因素出发，综合评估电力客户的缴费能力和缴费意愿，并最终采用客观赋权的熵值法，得到每一个客户的信誉分数和信誉等级，避免了人为经验判断的主观性。对不同用电类型、不同行业和不同用电规模的用户制定个性化的营销和服务策略，规避经营风险，及时回笼电费，提高供电企业经济效益。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (10)

1.一种基于大数据征信的电力客户信誉评估方法，其特征在于，包括：

构建电力客户信誉评价指标体系，所述电力客户信誉评价指标体系包括多个电力用户信息，所述电力用户信息包括但不限于客户基本信息、欠费情况、用电行为、违约记录、需求侧因素；

获取所述电力客户信誉评价指标体系对应的信息，将获得的电力用户信息进行预处理筛选出合格、准确的信息；

构建动态电力客户信誉评估模型，将筛选出合格、准确的信息输入至客户信誉评估模型中，对应获得每个电力用户的等级；

根据不同的等级采取对应的处理措施，以实现电费风险防范。

2.根据权利要求1所述的一种基于大数据征信的电力客户信誉评估方法，其特征在于，获取所述电力客户信誉评价指标体系对应的电力用户信息方法包括：

采用ETL工具或人工将电力用户信息从业务系统来源端进行关联、整合和汇总，通过数据清洗转换和预处理，统一存储、进行数据服务。

3.根据权利要求2所述的一种基于大数据征信的电力客户信誉评估方法，其特征在于，所述业务系统包括一体化缴费平台、营销业务系统、用电信息采集系统。

4.根据权利要求2所述的一种基于大数据征信的电力客户信誉评估方法，其特征在于，采用ETL工具按照客户编号的关键字段进行关联、整合和汇总，再此基础上，将数据抽取到hive数据库，通过数据清洗转换和预处理，统一存储在客户信誉评估系统数据库中进行数据服务。

5.根据权利要求1所述的一种基于大数据征信的电力客户信誉评估方法，其特征在于，所述客户基本信息包括所能反应客户基本特征的信息，包括客户名称、用户名称、用户状态、运行容量、用电类别、供电电压、行业类别、企业性质、注册资本；欠费情况包括欠费时长、欠费金额、欠费次数等；用电行为包括用电量、实收电费数额；违约记录包括应收违约金、违约次数；需求侧因素包括业扩报装记录；财务状况包括企业性质、注册资本。

6.根据权利要求1-5之一所述的一种基于大数据征信的电力客户信誉评估方法，其特征在于，所述等级至少包括四个等级，所述等级按照从高到低进行排列，所述最高等级对应信誉“优”，最低等级对应信誉“劣”。

7.根据权利要求6所述的一种基于大数据征信的电力客户信誉评估方法，其特征在于，电力客户信誉评分采取百分制，各个指标得分及信誉综合得分的区间都在[0，100]，不同得分对应不同等级。

8.根据权利要求7所述的一种基于大数据征信的电力客户信誉评估方法，其特征在于，所述等级至少包括“A”“B”“C”“D”等级，将信誉得分按照从高到低进行排列，划分成[95，100]、[80，95)、[75，80)、[75，0)区间；区间[95，100]对应最高等级信誉“A”，区间[75，0)对应最低等级信誉“D”。

9.根据权利要求1所述的一种基于大数据征信的电力客户信誉评估方法，其特征在于，采用熵值法构建动态电力客户信誉评估模型包括：

设由n个指标构成一个指标体系来评价m个电力客户的信誉水平，得到原始指标矩阵为：X＝(x_ij)_m×n，对于某个指标X_i，有信息熵：

(其中)

其中，Xij为第j项指标的第i个样本，Pij为第j项指标下第i个样本占该指标全部样本数值之和的比重；

设X中每行的最优值为X_i ^*，对于正指标X_i ^*越大越好；对于负指标X_i ^*，越小越好，设d_ij为X_ij与X_i ^*的接近程度，即：

d_ij＝X_i ^*/X_ij，其中X_i ^*＝max{X_ij}

d_ij＝X_i ^*/X_ij，其中X_i ^*＝min{X_ij}

根据定义，用n个评价指标评价m个电力客户的熵E为:

其中，di的含义第j项指标下全部样本数值之和；

当的值完全相等时，熵值达到最大，即E_max＝1nm；

进行归一化处理，则得评价指标i的评价决策重要性的熵为:

对1-e_i归一化，统一各项指标的计量单位，便得到指标i的客观权重为:

θ_i的确定取决于电力客户的固有信息，称为客观权重；同一评价指标i对不同的电力客户可能有不同的客观权重θ。

10.根据权利要求9所述的一种基于大数据征信的电力客户信誉评估方法，其特征在于，为了全面反映评价指标的重要性，同时考虑管理者的经验判断，最终确定各指标的综合权重为:

其中，0≤λ_i≤1，