CN108596443A - 一种基于多维度数据的用电客户信用等级评价方法 - Google Patents
一种基于多维度数据的用电客户信用等级评价方法 Download PDFInfo
- Publication number
- CN108596443A CN108596443A CN201810283606.9A CN201810283606A CN108596443A CN 108596443 A CN108596443 A CN 108596443A CN 201810283606 A CN201810283606 A CN 201810283606A CN 108596443 A CN108596443 A CN 108596443A
- Authority
- CN
- China
- Prior art keywords
- credit
- score
- dimensional data
- evaluating
- grade
- 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.)
- Pending
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 238000013210 evaluation model Methods 0.000 claims abstract description 11
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000007418 data mining Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 abstract 1
- 230000002452 interceptive effect Effects 0.000 abstract 1
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 241000207961 Sesamum Species 0.000 description 1
- 235000003434 Sesamum indicum Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
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
- 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及交互通信的技术领域,更具体地,涉及一种基于多维度数据的用电客户信用等级评价方法,包括建立模型的步骤、计算信用评价得分的步骤、划定所述信用等级的步骤以及匹配服务策略的步骤。本发明通过建立信用评价模型,确定信用评价得分与信用考核指标之间的对应关系;并根据输入的信用考核指标计算得到信用评价得分,根据评价得分划定对应的信用等级。根据信用等级采取不同的服务原则以及服务策略,在鼓励用户的守信行为的同时有效预防及规避电费回收风险。
Description
技术领域
本发明涉及电网***用电管理的技术领域,更具体地,涉及一种基于多维度数据的用电客户信用等级评价方法。
背景技术
国内目前的信用机构主要有政府和民间中介机构两个层面。政府层面目前主要有中国人民银行征信中心和***组建的地方政府征信平台两个类型。人行征信平台组建较早、接入数据量大,但主要面向金融机构,并且今后将作为政府统一征信体系的子体系。目前政府主要部门和公检法、税务、旅游等行业都已经分步骤接入。民间中间机构包括如国外的“穆迪评级”,国内阿里巴巴公司发展的“芝麻信用”等。随着时代的发展,互联网金融行业已经变得跟生活密不可分。
随着互联网金融行业的兴起,在互联网行业的飞速发展之下,传统金融产品体现出了无法适应互联网的局限性,互联网金融产品具有信贷门槛低、面向客户群广、处理方式灵活等优势,通过互联网金融网络平台海量实时的企业信誉评价信息、专业的金融产品对客户做出快速准确的信贷评价,对购货方实施贷款,实现货品买卖方的“双赢”,引入互联网金融产品防范资金风险已成为趋势所在。然而,电力消费互联网金融产品的缺失,更是让电力行业在金融产品中出现了空白的页面。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于多维度数据的用电客户信用等级评价方法,建立信用等级评价模型,有效帮助开展电费回收风险防范工作,面向不同等级用户采取不同的服务原则及服务策略,在鼓励用户的守信行为同时有效预防及规避电费回收风险。
为解决上述技术问题,本发明采用的技术方案是:
提供一种基于多维度数据的用电客户信用等级评价方法,其特征在于,包括以下步骤:
S1. 基于调研得到的多维度数据建立信用评价模型,修正信用评价模型,确定信用评价得分与信用考核指标之间的对应关系;
S2. 获取信用考核指标数据并输入步骤S1中所述的信用评价模型进行分析计算得到信用评价得分K;
S3. 采用高斯分布设定信用评价得分与信用等级的对应关系,确定步骤S2中所述的信用评价得分K所属的信用等级;
S4. 对步骤S2中所述的信用评价得分和步骤S3中所述的信用等级进行审查后将划定的信用等级的结果输出;
S5. 根据步骤S4输出的信用等级的结果匹配服务策略。
本发明的基于多维度数据的用电客户信用等级评价方法,通过建立信用评价模型,确定信用评价得分与信用考核指标之间的对应关系;并根据输入的信用考核指标计算得到信用评价得分,根据评价得分划定对应的信用等级。根据信用等级采取不同的服务原则以及服务策略,在鼓励用户的守信行为的同时有效预防及规避电费回收风险。
优选地,所述信用评价得分K按公式K=BAT进行计算,式中,B为用户信用考核指标,B=(b1,b2,…bn),n为指标个数,A为各个指标对应的权重,T表示整个权重矩阵的转置。输入考核指标数据以及各个指标对应的权重即可计算得到该用户的信用评价得分,模型简单,计算简单,结果可靠性高。
优选地,所述信用评价得分K的基础分设定为100分,所述信用等级设定为I、II、III、IV、V五个等级。设置100分为基础分既能满足长期的加减分等多方面需要,又不至于太复杂,设置I、II、III、IV、V五个等级既通俗、简捷,又能满足服务管理需求。
优选地,所述信用等级与信用评价得分K的对应关系如下:
I类客户:信用卓越极低风险客户,得分处于[100,85];
II类客户:信用良好低风险客户,得分处于(85,75];
III类客户:信用尚佳中等风险客户,得分处于(75,60];
IV类客户:信用较差高风险客户,得分处于(60,45];
V类客户:信用极差高等风险客户,得分处于(45,0]。
采用高斯分布设定信用等级与信用评价得分之间的关系,使得信用等级评定更为精细化。
优选地,所述信用考核指标包括居民用户评价指标以及企业信用评价指标。对于居民用户信用考核的权重分配,由于考核指标较为简单,采用层次分析法进行计算;企业用户相对居民用户而言,因各方面更为复杂,为保证全面综合评价其等级,需多层面多维度考核。
优选地,所述用户信用考核指标包括电费缴交情况、欠费情况、催收情况、预付费情况以及电网评价情况。可划分为线性指标和定性指标。
优选地,所述企业信用评价指标包括行业前景、企业素质、用电分析、信贷因素以及银行评价。
优选地,所述企业信用评价指标还包括用于奖励用户守信行为的加分项以及用于惩罚用户失信行为的减分项。设置加分项奖励高价值用户及其守信行为,设置减分项惩罚其失信行为,同时考虑其可能存在的恶性行为,以零容忍的态度否决用户行为。
优选地,所述减分项包括在银行发生的不良信用记录、与个人信用有关的个人的民事和刑事诉讼记录以及与个人信用有关的处罚记录;所述加分项包括在银行保持的良好信用记录以及个人贷款的按时或提前偿还记录。
优选地,步骤S2中所述的信用考核指标数据能够借助数据挖掘技术获取和转换。对于已设定的信用考核指标而言,大量数据无法直接获取,因此,需要借助数据挖掘技术,从多个层面获取需要的信息,转化为信用考核指标参考数据。
与现有技术相比,本发明的有益效果是:
本发明的基于多维度数据的用电客户信用等级评价方法,建立供电方、用电方、金融机构三方合作的模式,建立用电客户信用等级评价体系;通过建立信用评价模型,确定信用评价得分与信用考核指标之间的对应关系;并根据输入的信用考核指标计算得到信用评价得分,根据评价得分划定对应的信用等级。根据信用等级采取不同的服务原则以及服务策略,在鼓励用户的守信行为的同时有效预防及规避电费回收风险。
附图说明
图1为本发明的基于多维度数据的用电客户信用等级评价方法的流程图。
具体实施方式
下面结合具体实施方式对本发明作进一步的说明。其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
实施例1
如图1所示为本发明的基于多维度数据的用电客户信用等级评价方法的第一实施例,包括以下步骤:
S1. 基于调研得到的多维度数据建立信用评价模型,修正信用评价模型,确定信用评价得分与信用考核指标之间的对应关系;
其中,所述信用评价得分K按公式K=BAT进行计算,式中,B为用户信用考核指标,B=(b1,b2,…bn),n为指标个数,A为各个指标对应的权重,T表示整个权重矩阵的转置。输入考核指标数据以及各个指标对应的权重即可计算得到该用户的信用评价得分,模型简单,计算简单,结果可靠性高。
S2. 获取信用考核指标数据并输入步骤S1中的信用评价模型进行分析计算得到信用评价得分K;
其中,信用评价得分K的基础分设定为100分,既能满足长期的加减分等多方面需要,又不至于太复杂;信用等级设定为I、II、III、IV、V五个等级,既通俗、简捷,又能满足服务管理需求。信用考核指标包括居民用户评价指标以及企业信用评价指标,居民用户评价指标包括电费缴交情况、欠费情况、催收情况、预付费情况以及电网评价情况。企业信用评价指标包括行业前景、企业素质、用电分析、信贷因素以及银行评价,还包括用于奖励用户守信行为的加分项以及用于惩罚用户失信行为的减分项。减分项包括在银行发生的不良信用记录、与个人信用有关的个人的民事和刑事诉讼记录以及与个人信用有关的处罚记录;加分项包括在银行保持的良好信用记录以及个人贷款的按时或提前偿还记录。
S3. 采用高斯分布设定信用评价得分与信用等级的对应关系,确定步骤S2中的信用评价得分K所属的信用等级;
其中,信用等级与信用评价得分K的对应关系如下:
I类客户:信用卓越极低风险客户,得分处于[100,85];
II类客户:信用良好低风险客户,得分处于(85,75];
III类客户:信用尚佳中等风险客户,得分处于(75,60];
IV类客户:信用较差高风险客户,得分处于(60,45];
V类客户:信用极差高等风险客户,得分处于(45,0]。
采用高斯分布设定信用等级与信用评价得分之间的关系,使得信用等级评定更为精细化。
S4. 对步骤S2中的信用评价得分和步骤S3中的信用等级进行审查后将划定的信用等级的结果输出;
S5. 根据步骤S4输出的信用等级的结果匹配服务策略,在鼓励用户的守信行为同时有效预防及规避电费回收风险。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于多维度数据的用电客户信用等级评价方法,其特征在于,包括以下步骤:
S1. 基于调研得到的多维度数据建立信用评价模型,修正信用评价模型,确定信用评价得分与信用考核指标之间的对应关系;
S2. 获取信用考核指标数据并输入步骤S1中所述的信用评价模型进行分析计算得到信用评价得分K;
S3. 采用高斯分布设定信用评价得分与信用等级的对应关系,确定步骤S2中所述的信用评价得分K所属的信用等级;
S4. 对步骤S2中所述的信用评价得分和步骤S3中所述的信用等级进行审查后将划定的信用等级的结果输出;
S5. 根据步骤S4输出的信用等级的结果匹配服务策略。
2.根据权利要求1所述的基于多维度数据的用电客户信用等级评价方法,其特征在于,所述信用评价得分K按公式K=BAT进行计算,式中,B为用户信用考核指标,B=(b1,b2,…bn),n为指标个数,A为各个指标对应的权重,T表示整个权重矩阵的转置。
3.根据权利要求2所述的基于多维度数据的用电客户信用等级评价方法,其特征在于,所述信用评价得分K的基础分设定为100分,所述信用等级设定为I、II、III、IV、V五个等级。
4.根据权利要求3所述的基于多维度数据的用电客户信用等级评价方法,其特征在于,所述信用等级与信用评价得分K的对应关系如下:
I类客户:信用卓越极低风险客户,得分处于[100,85];
II类客户:信用良好低风险客户,得分处于(85,75];
III类客户:信用尚佳中等风险客户,得分处于(75,60];
IV类客户:信用较差高风险客户,得分处于(60,45];
V类客户:信用极差高等风险客户,得分处于(45,0]。
5.根据权利要求1所述的基于多维度数据的用电客户信用等级评价方法,其特征在于,所述信用考核指标包括居民用户评价指标以及企业信用评价指标。
6.根据权利要求5所述的基于多维度数据的用电客户信用等级评价方法,其特征在于,所述用户信用考核指标包括电费缴交情况、欠费情况、催收情况、预付费情况以及电网评价情况。
7.根据权利要求5所述的基于多维度数据的用电客户信用等级评价方法,其特征在于,所述企业信用评价指标包括行业前景、企业素质、用电分析、信贷因素以及银行评价。
8.根据权利要求7所述的基于多维度数据的用电客户信用等级评价方法,其特征在于,所述企业信用评价指标还包括用于奖励用户守信行为的加分项以及用于惩罚用户失信行为的减分项。
9.根据权利要求8所述的基于多维度数据的用电客户信用等级评价方法,其特征在于,所述减分项包括在银行发生的不良信用记录、与个人信用有关的个人的民事和刑事诉讼记录以及与个人信用有关的处罚记录;所述加分项包括在银行保持的良好信用记录以及个人贷款的按时或提前偿还记录。
10.根据权利要求1至9任一项所述的基于多维度数据的用电客户信用等级评价方法,其特征在于, 步骤S2中所述的信用考核指标数据能够借助数据挖掘技术获取和转换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810283606.9A CN108596443A (zh) | 2018-04-02 | 2018-04-02 | 一种基于多维度数据的用电客户信用等级评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810283606.9A CN108596443A (zh) | 2018-04-02 | 2018-04-02 | 一种基于多维度数据的用电客户信用等级评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108596443A true CN108596443A (zh) | 2018-09-28 |
Family
ID=63625189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810283606.9A Pending CN108596443A (zh) | 2018-04-02 | 2018-04-02 | 一种基于多维度数据的用电客户信用等级评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108596443A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097369A (zh) * | 2019-03-18 | 2019-08-06 | 深圳壹账通智能科技有限公司 | 交易数据处理方法、装置、电子设备与存储介质 |
CN110428265A (zh) * | 2019-07-25 | 2019-11-08 | 新奥(中国)燃气投资有限公司 | 一种客户等级划分方法及装置 |
CN110458624A (zh) * | 2019-08-15 | 2019-11-15 | 秒针信息技术有限公司 | 广告数据源的评测方法、装置、服务器及存储介质 |
CN110489241A (zh) * | 2019-08-26 | 2019-11-22 | 北京首都在线科技股份有限公司 | 资源回收方法、装置、设备及计算机可读存储介质 |
CN111161013A (zh) * | 2019-12-09 | 2020-05-15 | 武汉达梦数据库有限公司 | 一种信用评估方法和装置 |
CN111489084A (zh) * | 2020-04-08 | 2020-08-04 | 中储南京智慧物流科技有限公司 | 一种多因素影响下的车辆会员衍生信用评价***及方法 |
CN111967829A (zh) * | 2020-08-24 | 2020-11-20 | 山东新一代信息产业技术研究院有限公司 | 一种基于用户守时评价的无人配送方法 |
CN112581249A (zh) * | 2019-09-27 | 2021-03-30 | 杭州湛联科技有限公司 | 一种基于信用承诺履约的信用分管理***及方法 |
CN112801542A (zh) * | 2021-03-09 | 2021-05-14 | 海南电网有限责任公司信息通信分公司 | 用电客户信用评估方法 |
CN113095931A (zh) * | 2021-04-25 | 2021-07-09 | 国家电网有限公司 | 贷后风险监控方法、装置及计算机设备 |
CN113393315A (zh) * | 2021-05-01 | 2021-09-14 | 吉林省融创金服信息科技有限公司 | 一种基于电力供应链数据的贷款客户推荐方法及*** |
CN113535848A (zh) * | 2021-06-23 | 2021-10-22 | 国网河北省电力有限公司信息通信分公司 | 基于区块链的征信等级确定方法、装置、设备及存储介质 |
CN117196175A (zh) * | 2023-07-28 | 2023-12-08 | 国网山东省电力公司青岛供电公司 | 一种基于信用等级划分的电费回收策略制定方法及*** |
CN117217611A (zh) * | 2023-09-27 | 2023-12-12 | 广东电网有限责任公司 | 电力企业考核指标数据评价方法及*** |
-
2018
- 2018-04-02 CN CN201810283606.9A patent/CN108596443A/zh active Pending
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097369A (zh) * | 2019-03-18 | 2019-08-06 | 深圳壹账通智能科技有限公司 | 交易数据处理方法、装置、电子设备与存储介质 |
CN110428265A (zh) * | 2019-07-25 | 2019-11-08 | 新奥(中国)燃气投资有限公司 | 一种客户等级划分方法及装置 |
CN110458624A (zh) * | 2019-08-15 | 2019-11-15 | 秒针信息技术有限公司 | 广告数据源的评测方法、装置、服务器及存储介质 |
CN110489241A (zh) * | 2019-08-26 | 2019-11-22 | 北京首都在线科技股份有限公司 | 资源回收方法、装置、设备及计算机可读存储介质 |
CN112581249A (zh) * | 2019-09-27 | 2021-03-30 | 杭州湛联科技有限公司 | 一种基于信用承诺履约的信用分管理***及方法 |
CN111161013B (zh) * | 2019-12-09 | 2023-04-21 | 武汉达梦数据库股份有限公司 | 一种信用评估方法和装置 |
CN111161013A (zh) * | 2019-12-09 | 2020-05-15 | 武汉达梦数据库有限公司 | 一种信用评估方法和装置 |
CN111489084A (zh) * | 2020-04-08 | 2020-08-04 | 中储南京智慧物流科技有限公司 | 一种多因素影响下的车辆会员衍生信用评价***及方法 |
CN111967829A (zh) * | 2020-08-24 | 2020-11-20 | 山东新一代信息产业技术研究院有限公司 | 一种基于用户守时评价的无人配送方法 |
CN112801542A (zh) * | 2021-03-09 | 2021-05-14 | 海南电网有限责任公司信息通信分公司 | 用电客户信用评估方法 |
CN113095931A (zh) * | 2021-04-25 | 2021-07-09 | 国家电网有限公司 | 贷后风险监控方法、装置及计算机设备 |
CN113393315A (zh) * | 2021-05-01 | 2021-09-14 | 吉林省融创金服信息科技有限公司 | 一种基于电力供应链数据的贷款客户推荐方法及*** |
CN113535848A (zh) * | 2021-06-23 | 2021-10-22 | 国网河北省电力有限公司信息通信分公司 | 基于区块链的征信等级确定方法、装置、设备及存储介质 |
CN117196175A (zh) * | 2023-07-28 | 2023-12-08 | 国网山东省电力公司青岛供电公司 | 一种基于信用等级划分的电费回收策略制定方法及*** |
CN117217611A (zh) * | 2023-09-27 | 2023-12-12 | 广东电网有限责任公司 | 电力企业考核指标数据评价方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108596443A (zh) | 一种基于多维度数据的用电客户信用等级评价方法 | |
Shao et al. | Effect of oil price uncertainty on clean energy metal stocks in China: Evidence from a nonparametric causality-in-quantiles approach | |
CN111126828A (zh) | 一种基于知识图谱的多层资金异常流向监控方法 | |
CN110503136A (zh) | 台区线损异常分析方法、计算机可读存储介质及终端设备 | |
CN107240014A (zh) | 一种基于企业征信业务的信用评级方法 | |
CN111177389A (zh) | 基于nlp技术的电费通知与催收客户诉求的分类方法、***及存储介质 | |
CN104574110A (zh) | 一种信用数字认证方法 | |
CN107507038A (zh) | 一种基于stacking和bagging算法的电费敏感用户分析方法 | |
CN109903182A (zh) | 基于随机森林算法的电力客户欠费风险分析方法及装置 | |
CN106886923A (zh) | 一种区域配电网能源费用托管服务定价方法 | |
Wu et al. | Convergence of green total factor productivity in China’s service industry | |
Cheng et al. | Analysis of the application of big data in banking sector | |
Wang et al. | Internet financial risk management in the context of big data and artificial intelligence | |
CN110648217A (zh) | 基于大数据和人工智能的风控*** | |
Jayabal et al. | Customers satisfaction regarding green banking in public sector banks in Sivagangai district | |
Feng et al. | The effects of Tech‐Fin on corporate innovation: Evidence from China | |
CN110532296A (zh) | 一种基于政府开放数据的市民信用积分评估*** | |
CN115860312A (zh) | 电力营销数字化线上服务***及其构建方法 | |
Wang et al. | An analysis of the Economic Impact of US Presidential elections based on principal component and logical regression | |
CN107885806A (zh) | 板块智能划分方法与装置、计算设备和存储介质 | |
Jianyu et al. | [Retracted] Construction of Real Estate Debt Crisis Early Warning Model Based on RBF Neural Network | |
Zhang et al. | [Retracted] Analysis of Bank Customer Default Risk Based on Embedded Microprocessor Wireless Communication | |
CN113743817A (zh) | 一种基于云平台的企业信用等级评估方法 | |
CN113516544A (zh) | 一种基于大数据的智能风控管理***及方法 | |
Wu et al. | Research on performance evaluation of higher education based on the model of BSC-DRF-DEA |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180928 |
|
RJ01 | Rejection of invention patent application after publication |