CN114581215A

CN114581215A - 一种基于大数据的企业信用状态标识构建方法

Info

Publication number: CN114581215A
Application number: CN202210161096.4A
Authority: CN
Inventors: 朱建军; 李超
Original assignee: Beijing Zhongjingwang Software Development Co ltd
Current assignee: Beijing Zhongjingwang Software Development Co ltd
Priority date: 2022-02-22
Filing date: 2022-02-22
Publication date: 2022-06-03

Abstract

本发明涉及大数据分析及处理技术领域，具体公开了一种基于大数据的企业信用状态标识构建方法。步骤S1：归集企业信用数据；步骤S2：将原始数据进行处理并设定若干个维度的标识体系；步骤S3：归集的数据与企业通过唯一标识进行匹配关联，形成一对一的映射关系；步骤S4：通过TF‑IDF算法，为企业分别计算各个信用状态标识的可信度。本发明提供一种构建企业信用状态标识的方法及系统，以至少解决相关技术中仅靠企业信用评价分数或信用等级来推测企业信用情况的问题。

Description

一种基于大数据的企业信用状态标识构建方法

技术领域

本申请涉及大数据分析及处理技术领域，具体公开了一种基于大数据的企业信用状态标识构建方法。

背景技术

在信用领域中如何让主管部门快速识别企业的信用情况对于信用监管来说至关重要。只有快速、正确的识别企业的信用情况，才能让主管部门为企业在生产经营活动中提供更便捷的服务。

目前，现有的直观了解企业信用状况的方法是通过企业信用评价，其结果可能是一个通过计算得出的数字，或一个用英文字母表示的信用等级，仅仅靠信用评价分数或信用等级来推测企业信用状况，维度单一，仅能表达出当前信用情况的一个程度，不能直观地向主管部门表示出一家企业近期是否受到失信处罚或者因守信受到奖励，而企业信用状态标识正是对企业信用情况的一个重要补充。企业信用状态标识是一种通过企业多维度数据提炼出的，一系列可以代表当前企业信用状态的简短文字信息。

企业信用状态标识分为两种类型，一是既定事实类标识，二是统计计算标识。

对于既定事实类标识，是企业在生产经营过程中出现的已发生的事情的描述，根据事情发生频率又可以分为基本标识和生产经营标识。基本标识属于恒定不变的，例如：企业名称、统一社会信用代码。生产经营标识属于不定期变化或缓慢变化的，例如：注册资本变更、企业受到行政处罚、企业获得表彰奖励等。

对于统计计算类标识，是根据企业生产经营活动中产生的数据按照分类进行统计，并与设定的阈值进行比较，例如：近半年内受到行政处罚次数。

而构建企业信用状态标识需要考虑两个前提条件，第一是标识需要有原始数据作为支撑，即可以从原始数据中提炼、整理出具有可行性的标识文字。第二是标识必须对业务有帮助的，能体现业务价值的，可以帮助主管部门的业务人员快速做出判断，但目前构建企业信用状态标识，通常仅靠企业信用评价分数或信用等级来推测企业信用情况，因此，发明人有鉴于此，提供了一种基于大数据的企业信用状态标识构建方法，以便解决上述问题。

发明内容

本发明提供一种构建企业信用状态标识的方法及系统，以至少解决相关技术中仅靠企业信用评价分数或信用等级来推测企业信用情况的问题。

为了达到上述目的，本发明的基础方案提供一种基于大数据的企业信用状态标识构建方法，包括以下步骤：

步骤S1：归集企业信用数据；

步骤S2：将原始数据进行处理并设定若干个维度的标识体系；

步骤S3：归集的数据与企业通过唯一标识进行匹配关联，形成一对一的映射关系；

步骤S4：通过TF-IDF算法，为企业分别计算各个信用状态标识的可信度。

进一步，在步骤S1中，企业信用数据包括企业基本情况、奖励情况、处罚情况的原始数据。

进一步，在步骤S2中，通过清洗、去重、格式转换，设定五个维度，分别是：基本情况、财务状况、遵纪守法、社会责任和发展潜力。

进一步，五个维度设定有二级维度：

基本情况包括：成立年限、注册资本、变更情况、经营状态、法定代表人、年度报告、行业评价七个二级维度；

财务状况包括：金融借贷、纳税遵从两个二级维度；

遵纪守法包括：公共事业、行政处罚次数、严重失信名单、重点关注、失信惩戒、司法处理、其他黑名单七个二级维度；

社会责任包括：社保缴纳、慈善捐赠、表彰奖励、其他红名单四个二级维度。

进一步，将每个二级维度进行标识分类，分类类型有统计计算标识、既定事实标识，对统计计算类标识设定标准阈值。

进一步，在步骤S3中，唯一标识为企业的统一社会信用代码。

进一步，在步骤S4中，TF-IDF算法数学公式为：

可信度＝TF*IDF，TF的数学公式为

其中n_i,j表示在某个企业身上某个标识的个数，∑_kn_k,j表示该企业全部标识个数。IDF的数学公式为

其中||表示全部企业的全部标识之和， |{j:t_i∈d_j}|表示所有具有某个标签的企业之和。

本基础方案的原理及效果在于：

本发明基于大数据的企业信用状态标识构建方法，以五个维度所制定的状态标识，通过TF-IDF算法计算出的可信度指数，对企业打上准确的信用状态标识，实现对企业当前信用状态有公正、公平的认识和了解。

信用状态标识有利于信用主管部门或行业主管部门明确管辖范围内的诚信企业和失信企业，针对不同信用状况的企业采取差异化的监管和服务措施，为诚信企业提供各类扶持政策、简化事务办理手续、流程，联合金融机构为其提供无抵押、质押的周期长、额度高的信用贷款等；对失信企业加大监督检查力度，加强审核失信企业事务办理手续材料，严格控制其贷款额度、期限等。从而加强企业诚信经营意识，提高各级政府部门的信用监管能力和水平，更好的激发市场活力，进一步规范市场秩序，优化营商环境，推动高质量发展。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本申请实施例提出的一种基于大数据的企业信用状态标识构建方法的流程图。

图2示出了本申请实施例提出的一种基于大数据的企业信用状态标识构建方法中IDF公式计算状态标识个数示意图。

具体实施方式

为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如后。

实施例如图1所示，为了解决相关技术中仅靠企业信用评价分数或信用等级来推测企业信用情况的问题，需要一下步骤：

1)、归集企业信用数据，所述信用数据包括用于描述企业基本情况、奖励情况、处罚情况的原始数据。

其中归集企业信用数据方式包：

①由信用主管部门提供辖区内市场主体基础数据和信用数据；

②通过技术手段以接口对接、爬虫、批量检索等方式归集各政府部门官方网站或系统公示的数据，比如国家企业信用信息公示系统。

但是在进行归集企业信用数据时，需要保证时按照国家法律法规要求采集的，比如通过国家企业信用信息公示系统可以归集到企业的名称、统一社会信用代码、法定代表人、成立时间、经营范围等基本信息；以统一社会信用代码作为唯一标识关联从其他数据源归集来的数据，比如从信用中国网站通过企业统一社会信用代码可以查询出该企业信用信息，如行政许可、行政处罚、异常经营等信息，将获得的这些信息以统一社会信用代码作为关联的条件存储到数据库中。

2)、将原始数据通过清洗、去重、格式转换等技术进行处理后，设定五个维度的标识体系，包括基本情况、财务状况、遵纪守法、社会责任和发展潜力。每维度中有若干二级维度，每个二级维度中有若干标识，对统计计算类标识设定好标准阈值。

而数据清洗是指对归集来的各类企业信用信息需要检查的情况，包括但不限于：

a.数据的完整性，例如企业信息缺少统一社会信用代码、注册资金、在业注销等属性；

b.数据唯一性，因为企业数据归集会有多个数据来源，不同数据源的数据可能存在重复情况；

c.数据权威性，多个数据源的中数据的数值不一样；

d.数据合法性，归集的数据与常识不符，比如企业成立至今时间超过 100年(以工商登记时间为准，不以所谓企业宣传的成立时间为准)

去重：对数据初步检查后，将不符合条件的直接放弃，对有重复记录的数据通过编写程序来删除。

格式转换：数据来自于多个数据源，每个源的数据格式不同，为了便于计算，需要将每个数据源来的数据按照一定规则进行格式转换，转换后的数据格式统一方便调用或计算等。比如：有的数据源加统一社会信用代码，有些源可能叫注册码，通过比较核对发现是同一类型数据，会将信用代码改为统一社会信用代码进行存储。有些数据中有关时间的数据可能是字符型格式，有些是日期型格式，统一将字符型的改为日期型进行存储。

而每个一级维度中的二级维度：

基本情况包括：成立年限(根据成立年限阈值设定不同显示标识)、注册资本(企业注册时认缴的出资额)、变更情况(企业在一定时间段内工商变更次数)、经营状态(企业当前的经营状态)、法定代表人(法定代表人是否存在失信信息)、年度报告(企业是否正常履行年度报告义务)、行业评价(企业所属行业、领域的主管部门对其作出的信用等级评价)；

财务状况包括：金融借贷(企业与融资信贷相关的未履行法院生效裁判的信息)、纳税遵从(企业存在的税务领域处罚、违法次数)；

遵纪守法包括：公共事业(根据公共事业欠缴费相关的信息标识)、行政处罚次数(根据企业行政处罚信息统计的标识)、严重失信名单(企业是否被列为国家、省、市的严重失信名单相关的标识)、重点关注(企业被列为重点关注对象的标识)、失信惩戒(企业被列为失信惩戒对象的标识)、司法处理(企业有履行生效裁判信息、违反刑法规定构成犯罪行为的信息标识)、其他黑名单(企业被纳入黑名单信息的标识)；

社会责任包括：社保缴纳(企业在社保、公积金领域的行政处罚信息标识)、慈善捐赠(企业慈善捐赠信息标识)、表彰奖励(企业获得的荣誉称号、表彰奖励信息标识)、其他红名单(企业被纳入红名单信息标识)。

其中既定事实标识包括：注册资本、经营状态、年度报告、行业评价、金融借贷、公共事业、严重失信名单、重点关注、失信惩戒、司法处理、其他黑名单、社保缴纳、慈善捐赠、表彰奖励、其他红名单；；

统计计算标识包括：成立年限、变更情况、法定代表人、纳税遵从、行政处罚次数。

发展潜力包括：知识产权情况、持有资质情况、高管人员学历。

阈值是对标识设定的一个标准值，如果超过/小于/大于/等于这个阈值，就为该企业打上这个标识。是一个判定企业是否达到某个标准的参考。比如有一个标识是近半年企业被行政处罚超过2次，就为其打上“6个月内受到多次处罚”这样的标识，其中2次就是设定的阈值。

将信用状态标识与步骤1中归集的数据建立对应关联关系，即通过哪项数据来做为当前信用状态的支撑。例如：企业成立年限标识与企业成立时间进行关联，通过当前日期减成立时间，计算出成立年限。

在统计计算类标识设定标准阈值的过程中，分为从以下两种情况中去确定阀值：

e.设定阈值：标准一般参照有关国家、省、市的相关政策文件中的标准，如果没有相关政策的，一般自行设定或采取平均数加权等方式。例如：在对企业财务状况指标计算时，参考国资委编写的《企业绩效评价标准值》中各行业的通用值作为标准。

f.显示统计数值：显示统计数值一般统计某指标涉及数据的总量，如行政处罚次数标识，仅统计当前企业有效期内的行政处罚总数，以“受到行政处罚xx次”作为标识展示。

3)、将归集的数据与企业通过唯一标识进行匹配关联，唯一标识是统一社会信用代码，一个18位数字+字母的字符串，用来标识或者识别企业的编码，根据系统归集的数据，如行政许可、行政处罚、黑红名单等数据，其中都会有行政相对人名称，行政相对人名称是企业的名称，根据奖励或处罚数据中的企业名称，在系统内查找对应的统一社会信用代码，即企业唯一标识，从而将归集的信用数据与企业基本信息关联匹配，即通过程序在数据库中将企业的奖励、处罚数据通过统一社会信用代码关联绑定到该企业名下。对企业的信用数据进行统计后，根据提前设定好的信用标识，看统计数据达到哪个标识的标准，就为该企业打上这个标识。

既定事实标识就是像黑红名单，某企业被纳入到失信被执行人名单中，则该数据是既定事实数据，会根据设定的标识，直接为该企业打上“失信惩戒对象”等标识。

然后按照步骤2中定义的标识为企业构建信用状态标识。

4)、通过TF-IDF算法，为企业分别计算各个信用状态标识的可信度。

TF-IDF算法数学公式为：可信度＝TF*IDF，TF的数学公式为

其中||表示全部企业的全部标识之和，|{j:t_i∈d_j}|表示所有具有某个标签的企业之和。

为了提高信用状态标识的准确度，采用TF-IDF算法计算信用状态标识的权重，TF公式计算一个企业的某个状态标识和这个企业的其他状态标识之间的重要程度；IDF公式计算这个状态标识在所有企业中的重要程度。

如图2所示：

企业A的状态标识1总共有过3次，状态标识2有过2次，状态标识3有过1次，那么企业A的状态标识1的TF为，

n_i,j表示在某个企业身上某个标识的个数，即3，∑_kn_k,j表示该企业全部标识个数，即3+2+1。相应的企业A的IDF为

||表示全部企业的全部标识之和，即 3+2+1+1+0+1+0+1+0，|{j:t_i∈d_j}|表示所有具有某个标签的企业之和，有标识1的企业只有A和B，即1+1，为了防止计算出无穷大的IDF值，分母需要加1。最终结果将TF*IDF＝0.5*4.5＝2.25代表状态标识1对A企业的重要程度，重要程度越高表示当前状态标识对企业计算出的标识越准确。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何本领域技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims

1.一种基于大数据的企业信用状态标识构建方法，其特征在于：包括以下步骤：

步骤S1：归集企业信用数据；

2.根据权利要求1所述的一种基于大数据的企业信用状态标识构建方法，其特征在于，在步骤S1中，企业信用数据包括企业基本情况、奖励情况、处罚情况的原始数据。

3.根据权利要求1所述的一种基于大数据的企业信用状态标识构建方法，其特征在于，在步骤S2中，通过清洗、去重、格式转换，设定五个维度，分别是：基本情况、财务状况、遵纪守法、社会责任和发展潜力。

4.根据权利要求3所述的一种基于大数据的企业信用状态标识构建方法，其特征在于，五个维度设定有二级维度：

财务状况包括：金融借贷、纳税遵从两个二级维度；

5.根据权利要求4所述的一种基于大数据的企业信用状态标识构建方法，其特征在于，将每个二级维度进行标识分类，分类类型有统计计算标识、既定事实标识，对统计计算类标识设定标准阈值。

6.根据权利要求1所述的一种基于大数据的企业信用状态标识构建方法，其特征在于，在步骤S3中，唯一标识为企业的统一社会信用代码。

7.根据权利要求1所述的一种基于大数据的企业信用状态标识构建方法，其特征在于，在步骤S4中，TF-IDF算法数学公式为：

可信度＝TF*IDF，TF的数学公式为

其中n_i，j表示在某个企业身上某个标识的个数，∑_k n_k，j表示该企业全部标识个数。IDF的数学公式为

其中|D|表示全部企业的全部标识之和，|{j：t_i∈d_j}|表示所有具有某个标签的企业之和。