CN112184485A - 一种电力用户信用评估方法 - Google Patents

一种电力用户信用评估方法 Download PDF

Info

Publication number
CN112184485A
CN112184485A CN202011060069.5A CN202011060069A CN112184485A CN 112184485 A CN112184485 A CN 112184485A CN 202011060069 A CN202011060069 A CN 202011060069A CN 112184485 A CN112184485 A CN 112184485A
Authority
CN
China
Prior art keywords
credit
data
evaluated
characteristic parameters
enterprise
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011060069.5A
Other languages
English (en)
Other versions
CN112184485B (zh
Inventor
林磊
陈琳
罗建国
罗陆宁
刘家学
黄媚
李艳
徐惠
王婷婷
税洁
任婷
黎怡均
赵峻
陈辉
罗益会
付婷婷
黄公跃
方力谦
林思远
莫屾
严玉婷
孙梦龙
杨蕴琳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Power Supply Co ltd
Original Assignee
Shenzhen Power Supply Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Power Supply Co ltd filed Critical Shenzhen Power Supply Co ltd
Priority to CN202011060069.5A priority Critical patent/CN112184485B/zh
Publication of CN112184485A publication Critical patent/CN112184485A/zh
Application granted granted Critical
Publication of CN112184485B publication Critical patent/CN112184485B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0609—Buyer or seller confidence or verification

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种电力用户信用评估方法，包括，步骤S1，采集多个待评测用户的与信用量化数据；以及接收评测智能终端生成对待评测用户的信用定性数据；步骤S2，随机选取多个待测评用户并获取相应的信用量化数据和信用定性数据，根据第一预设规则获取所述待测评用户的特征参数，并计算特征参数对应的基尼系数；根据第二预设规则选取多个基尼系数并组成一个决策树，以及在多个决策树中根据第三预设规则选取一个决策树作为最终信用等级结果；其中，所述信用等级结果包括高信用或中信用或低信用。本发明获得准确的用电客户信用等级数据，可以提前预防不良用电行为，也可以根据不同的信用等级采取差异化的服务策略，提升用户的满意度。

Description

一种电力用户信用评估方法
技术领域
本发明涉及电力系统自动化技术领域，特别是涉及一种电力用户信用评估方法。
背景技术
当前，我国经济生活中信用缺失现象相当严重，存在多种经济失信行为：债务拖欠、假冒伪劣等，严重影响了信用功能的发挥。由于信用环境的恶劣，导致市场交易的成本上升，降低了市场效率和经济的获利，直接影响到了市场交易秩序以及资源配置效率。
近年来，供电企业由于客户恶意欠费、偷窃电等行为，不得不付出额外的人力物力以解决这些问题，对电力企业、对社会都是一种极大的资源浪费，缺乏信用管理已经影响到供电企业的经营活动。
在我国，信用管理基本是于1987年与企业发型债券同步产生的，随后在市场经济的发展上，我国逐渐与国际惯例接轨。虽然我国社会信用体系建设取得了重要进展，但只是在部分领域形成了“不敢失信”的初步氛围，全国范围内的“不能失信、不愿失信”的局面还远未形成。
在国外，个人征信市场发展的关键成功因素是通过市场化运作，采用混合发展模式，私营征信机构发达，形成成熟的商业模式。
当前缺乏信用体系存在的问题：当前没有建立合理的信用体系，会出现恶意欠费、偷窃电行为，无法及时察觉和识别恶劣行为客户；人为管理和杜绝恶意行为，电力企业需要花费另外的成本，产生资源上的浪费；无法基于信用等级体系有针对性地对不同用户开展相关营销推广活动。
发明内容
本发明的目的在于，提出一种电力用户信用评估方法，解决现有电力用户信用评估不完整，信用评估不准确的技术问题。
本发明的一方面，提供一种电力用户信用评估方法，包括以下步骤：
步骤S1，采集多个待评测用户的与信用量化数据；以及接收评测智能终端生成对待评测用户的信用定性数据；
步骤S2，随机选取多个待测评用户并获取相应的信用量化数据和信用定性数据，根据第一预设规则获取所述待测评用户的特征参数，并计算特征参数对应的基尼系数；根据第二预设规则选取多个基尼系数并组成一个决策树，以及在多个决策树中根据第三预设规则选取一个决策树作为最终信用等级结果；其中，所述信用等级结果包括高信用或中信用或低信用。
优选的，所述信用量化数据至少包括资产负债数据、营利额数据、投资回报率数据、欠电费比率数据、产品的市场占有率数据、总资产周转率数据及偿债保障比率数据。
优选的，所述步骤S1包括：所述评测智能终端响应于评测人的请求展示所述用户的相关数据，并获取评测人反馈的企业规模数据、企业形象数据、公关重视程度数据及企业文化数据。
优选的，所述步骤S2包括：按照第一预设类别调取所述待测评用户的信用量化数据特征参数，并计算与所述信用量化数据特征参数对应的基尼系数；所述预设类别包括资产负债数据、营利额数据、投资回报率数据、欠电费比率数据、产品的市场占有率数据、总资产周转率数据及偿债保障比率数据。
优选的，所述步骤S2包括：按照第二预设类别调取所述待测评用户的信用定性数据特征参数，并计算与所述信用定性数据特征参数对应的基尼系数；所述预设类别包括企业规模数据、企业形象数据、公关重视程度数据及企业文化数据。
优选的，所述步骤S2包括：根据以下公式计算每项信用量化数据特征参数或信用定性数据特征参数：
Figure BDA0002712132660000031
其中，D为样品集合；a为信用量化数据特征参数或信用定性数据特征参数；Dv为D中属于第v类的样本子集；v是类的个数，取3。
优选的，所述步骤S2包括：将计算得到的特征参数对应的基尼系数从小到大依次排列，选取任一基尼系数，若该基尼系数对应的特征参数类型与序列前所有的基尼系数对应的特征参数类型相同且与序列后的基尼系数对应的特征参数类型不同，则结束选取过程，并将所选的基尼系数组成一个决策树。
优选的，所述步骤S2包括：将计算得到的特征参数对应的基尼系数从小到大依次排列，选取任一基尼系数并与预设阈值比较，若基尼系数小于预设阈值，则结束选取过程，并将所选的基尼系数组成一个决策树。
综上，实施本发明的实施例，具有如下的有益效果：
本发明提供的电力用户信用评估方法，通过收集影响供电企业客户信用的各项量化指标，然后基于这些指标数据训练随机森林模型，按多棵树分类器投票决定最终分类结果。获得准确的用电客户信用等级数据，可以提前预防不良用电行为，也可以根据不同的信用等级采取差异化的服务策略，提升用户的满意度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例中一种电力用户信用评估方法的主流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
如图1，为本发明提供的一种电力用户信用评估方法的一个实施例的示意图。在该实施例中，所述方法包括以下步骤：
步骤S1，采集多个待评测用户的与信用量化数据；以及接收评测智能终端输出的待评测用户的信用定性数据；可以理解的，建立电力用户信用评价体系的基础就是影响供电企业客户信用的各种因素，主要包括量化指标，数据直观反映了用电客户的真实情况；定性指标，反映了用电客户隐性的某些指标，这些指标无法显示的收集，需要专家根据经验知识人为的给出一个评分。
具体实施例中，所述信用量化数据至少包括资产负债数据、营利额数据、投资回报率数据、欠电费比率数据、产品的市场占有率数据、总资产周转率数据及偿债保障比率数；可以理解的，其中，用电客户资产负债情况，从供电企业的角度来看，客户的负债比率越低其偿债能力越高，反之无力偿还债务；客户的营利额，指用电企业产晶销售收人扣除销售成本后剩下的净额，净额越高，销售成本占的比率越小，企业通过销售获取利润的能力越强；投资回报率，主要衡量企业利用资产获取利润的能力，具体计算方式为：资产回报率＝(净利润/资产平均总额)*100％，企业投资回报率高低是企业经营好坏的标志之一；欠电费比，企业在一定时期内拖欠供电企业电费与所用电费总额的比率，比率越大，其信誉度越低，反之信誉度越高；企业产品的市场占有率，企业销售的产品在市场上占有的比率越高，表明企业营销越好，企业营运得越好；总资产周转率，也称总资产利用率，计算方式为：销售收入净额与平均资产总额的比值，其比率越高说明资产的利用率越高，企业管理水平越好；偿债保障比率，也称债务偿还期，为负债总额与经营活动现金流量的比率，比率越小，偿还债务能力越强。
具体的，所述评测智能终端响应于评测人的请求展示所述用户的相关数据，并获取评测人反馈的企业规模数据、企业形象数据、公关重视程度数据及企业文化数据；可以理解的，客户的企业规模的大小，直接决定了用电量的多少及用电额的多少；客户的企业形象的好坏给人主观判断上就与它的信用高低有关；.客户的公关重视程度是客户提高信用度的关键，企业只要有足够的诚意，有一个讲信用的领导班子，这样企业的信用有明显的提高；客户企业文化，一个企业在其成立、发展、成熟的进程中，都在有意或无意地创建着自己的企业文化，良好的企业文化往往代表着企业发展较为完善，经济水平较高，物质文明建设已达到一定水准。
步骤S2，随机选取多个待测评用户并获取相应的信用量化数据和信用定性数据，根据第一预设规则获取所述待测评用户的特征参数，并计算特征参数对应的基尼系数；根据第二预设规则选取多个基尼系数并组成一个决策树，以及在多个决策树中根据第三预设规则选取一个决策树作为最终信用等级结果；其中，所述信用等级结果包括高信用或中信用或低信用。可以理解的，当收集好用电客户的各项指标数据之后，需要给用电业务专家标注一批样本数据，即认为判断一个用户的信用等级，即高信用，中信用及低信用。标注好数据之后，便可训练随机森林模型，该模型是基于决策树算法的；随机森林的泛化能力很强，同时很容易实现并行计算，这就很适合用电客户信用等级评价这种具有大规模数据的问题。
具体实施例中，按照第一预设类别调取所述待测评用户的信用量化数据特征参数，并计算与所述信用量化数据特征参数对应的基尼系数；所述预设类别包括资产负债数据、营利额数据、投资回报率数据、欠电费比率数据、产品的市场占有率数据、总资产周转率数据及偿债保障比率数据；按照第二预设类别调取所述待测评用户的信用定性数据特征参数，并计算与所述信用定性数据特征参数对应的基尼系数；所述预设类别包括企业规模数据、企业形象数据、公关重视程度数据及企业文化数据。可以理解的，而决策树是能够从一系列有特征和标签的数据中总结出决策规则，体现为程序根据数据的每个属性对于模型的增益来决定决策规则；对于单个决策树模型，每条训练样本特征包括客户盈利额、欠电费比、投资回报率等数值属性，计算每个属性的基尼系数。
再具体的，对于给定的样本集合D，其基尼指数表达如下，其中Ck是D中属于第k类的样本子集，k是类的个数，在这里为3，即高信用，中信用及低信用3类：
Figure BDA0002712132660000061
其中，D为样品集合；Ck为D中属于第k类的样本子集，k是类的个数，取3；
那么本实施例中，根据以下公式计算每项信用量化数据特征参数或信用定性数据特征参数：
Figure BDA0002712132660000062
其中，D为样品集合；a为信用量化数据特征参数或信用定性数据特征参数；Dv为D中属于第v类的样本子集；v是类的个数，取3。
再具体的，将计算得到的特征参数对应的基尼系数从小到大依次排列，选取任一基尼系数，若该基尼系数对应的特征参数类型与序列前所有的基尼系数对应的特征参数类型相同且与序列后的基尼系数对应的特征参数类型不同，则结束选取过程，并将所选的基尼系数组成一个决策树；或者将计算得到的特征参数对应的基尼系数从小到大依次排列，选取任一基尼系数并与预设阈值比较，若基尼系数小于预设阈值，则结束选取过程，并将所选的基尼系数组成一个决策树。可以理解的，以基尼指数最小的属性作为最优划分属性，并继续求取次级最优划分属性，以此类推，直到满足一定的条件如该节点的所有样本都属于同一类或者节点个数低于一定的阈值时，停止分裂；将生成的多棵决策树组成随机森林。按多棵树分类器投票决定最终分类结果。随机森林则是基于多颗决策树结合而来的，稍微不同的是，在随机森林中，是每次随机从全部样本中抽取部分样本来训练一颗树，该颗树每次属性节点分裂也只是随机选择若干个属性来选取最优属性从而来划分决策规则。
综上，实施本发明的实施例，具有如下的有益效果：
本发明提供的电力用户信用评估方法，通过收集影响供电企业客户信用的各项量化指标，然后基于这些指标数据训练随机森林模型，按多棵树分类器投票决定最终分类结果。获得准确的用电客户信用等级数据，可以提前预防不良用电行为，也可以根据不同的信用等级采取差异化的服务策略，提升用户的满意度。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (8)

1.一种电力用户信用评估方法，其特征在于，包括以下步骤：
步骤S1，采集多个待评测用户的与信用量化数据；以及接收评测智能终端输出的待评测用户的信用定性数据；
步骤S2，随机选取多个待测评用户并获取相应的信用量化数据和信用定性数据，根据第一预设规则获取所述待测评用户的特征参数，并计算特征参数对应的基尼系数；根据第二预设规则选取多个基尼系数并组成一个决策树，以及在多个决策树中根据第三预设规则选取一个决策树作为最终信用等级结果；其中，所述信用等级结果包括高信用或中信用或低信用。
2.如权利要求1所述的方法，其特征在于，所述信用量化数据至少包括资产负债数据、营利额数据、投资回报率数据、欠电费比率数据、产品的市场占有率数据、总资产周转率数据及偿债保障比率数据。
3.如权利要求2所述的方法，其特征在于，所述步骤S1包括：
所述评测智能终端响应于评测人的请求展示所述用户的相关数据，并获取评测人反馈的企业规模数据、企业形象数据、公关重视程度数据及企业文化数据。
4.如权利要求3所述的方法，其特征在于，所述步骤S2包括：
按照第一预设类别调取所述待测评用户的信用量化数据特征参数，并计算与所述信用量化数据特征参数对应的基尼系数；所述预设类别包括资产负债数据、营利额数据、投资回报率数据、欠电费比率数据、产品的市场占有率数据、总资产周转率数据及偿债保障比率数据。
5.如权利要求4所述的方法，其特征在于，所述步骤S2包括：
按照第二预设类别调取所述待测评用户的信用定性数据特征参数，并计算与所述信用定性数据特征参数对应的基尼系数；所述预设类别包括企业规模数据、企业形象数据、公关重视程度数据及企业文化数据。
6.如权利要求5所述的方法，其特征在于，所述步骤S2包括：
根据以下公式计算每项信用量化数据特征参数或信用定性数据特征参数的基尼系数：
Figure FDA0002712132650000021
其中，D为样品集合；a为信用量化数据特征参数或信用定性数据特征参数；Dv为D中属于第v类的样本子集；v是类的个数，取3。
7.如权利要求6所述的方法，其特征在于，所述步骤S2包括：将计算得到的特征参数对应的基尼系数从小到大依次排列，选取任一基尼系数，若该基尼系数对应的特征参数类型与序列前所有的基尼系数对应的特征参数类型相同且与序列后的基尼系数对应的特征参数类型不同，则结束选取过程，并将所选的基尼系数组成一个决策树。
8.如权利要求6所述的方法，其特征在于，所述步骤S2包括：将计算得到的特征参数对应的基尼系数从小到大依次排列，选取任一基尼系数并与预设阈值比较，若基尼系数小于预设阈值，则结束选取过程，并将所选的基尼系数组成一个决策树。
CN202011060069.5A 2020-09-30 2020-09-30 一种电力用户信用评估方法 Active CN112184485B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011060069.5A CN112184485B (zh) 2020-09-30 2020-09-30 一种电力用户信用评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011060069.5A CN112184485B (zh) 2020-09-30 2020-09-30 一种电力用户信用评估方法

Publications (2)

Publication Number Publication Date
CN112184485A true CN112184485A (zh) 2021-01-05
CN112184485B CN112184485B (zh) 2024-08-20

Family

ID=73947226

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011060069.5A Active CN112184485B (zh) 2020-09-30 2020-09-30 一种电力用户信用评估方法

Country Status (1)

Country Link
CN (1) CN112184485B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106355518A (zh) * 2016-11-29 2017-01-25 国网山东省电力公司电力科学研究院 一种电费缴纳客户筛选方法及系统
CN106447489A (zh) * 2016-09-12 2017-02-22 中山大学 一种基于部分堆栈融合的用户信用评估模型
CN106897918A (zh) * 2017-02-24 2017-06-27 上海易贷网金融信息服务有限公司 一种混合式机器学习信用评分模型构建方法
CN107292528A (zh) * 2017-06-30 2017-10-24 阿里巴巴集团控股有限公司 车险风险预测方法、装置及服务器
CN107301577A (zh) * 2016-04-15 2017-10-27 阿里巴巴集团控股有限公司 信用评估模型的训练方法、信用评估方法以及装置
CN108009914A (zh) * 2017-12-19 2018-05-08 马上消费金融股份有限公司 一种信用风险评估方法、系统、设备及计算机存储介质
CN109685635A (zh) * 2018-09-11 2019-04-26 深圳平安财富宝投资咨询有限公司 金融业务的风险评估方法、风控服务端及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107301577A (zh) * 2016-04-15 2017-10-27 阿里巴巴集团控股有限公司 信用评估模型的训练方法、信用评估方法以及装置
CN106447489A (zh) * 2016-09-12 2017-02-22 中山大学 一种基于部分堆栈融合的用户信用评估模型
CN106355518A (zh) * 2016-11-29 2017-01-25 国网山东省电力公司电力科学研究院 一种电费缴纳客户筛选方法及系统
CN106897918A (zh) * 2017-02-24 2017-06-27 上海易贷网金融信息服务有限公司 一种混合式机器学习信用评分模型构建方法
CN107292528A (zh) * 2017-06-30 2017-10-24 阿里巴巴集团控股有限公司 车险风险预测方法、装置及服务器
CN108009914A (zh) * 2017-12-19 2018-05-08 马上消费金融股份有限公司 一种信用风险评估方法、系统、设备及计算机存储介质
CN109685635A (zh) * 2018-09-11 2019-04-26 深圳平安财富宝投资咨询有限公司 金融业务的风险评估方法、风控服务端及存储介质

Also Published As

Publication number Publication date
CN112184485B (zh) 2024-08-20

Similar Documents

Publication Publication Date Title
Qaim et al. Genetically modified crops, corporate pricing strategies, and farmers' adoption: the case of Bt cotton in Argentina
Liu et al. The effects of service quality, tourism impact, and tourist satisfaction on tourist choice of leisure farming types
CN106952159B (zh) 一种不动产抵押品风险控制方法、系统及存储介质
CN107609771A (zh) 一种供应商价值评价方法
Cui et al. The effects of bidder factors on online bidding strategies: A motivation-opportunity-ability (MOA) model
CN109712023A (zh) 一种区域售电市场价值评估方法
CN113177839A (zh) 一种信用风险评估方法、装置、存储介质和设备
Denizer et al. Household savings in the transition
CN112163781A (zh) 基于多维度指标聚类的园区用电群体生命周期评价方法
Huang et al. Eliciting information from heterogeneous mobile crowdsourced workers without verification
Tong et al. The research of agricultural SMEs credit risk assessment based on the supply chain finance
CN117893286A (zh) 一种金融客户行为数据采集分析系统
CN113159634A (zh) 一种金融产品管理方法、装置及电子设备
CN112801542A (zh) 用电客户信用评估方法
CN111831676A (zh) 一种区块链的业务规则设计方法
CN112184485A (zh) 一种电力用户信用评估方法
CN113435686B (zh) 蓄热式电采暖系统评价方法及装置
Zhang Applications of the decision tree in business field
Kuhlman Scenarios: driving forces and policies
CN114119245A (zh) 家族财富信息管理控制系统、方法、介质、计算机设备
CN114595909A (zh) 一种电费回收风险评估方法和系统
CN113283993A (zh) 面向家庭对象的产品推荐方法、装置、介质及电子设备
CN118411203B (zh) 一种银行客户线上调查问卷智能评测管理系统
CN112258344A (zh) 一种电力现货市场中发电商市场力故障识别方法
TWI634498B (zh) 企業營運問題分析系統及其方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant