CN108665184A - 一种基于大数据征信的电力客户信誉评估方法 - Google Patents
一种基于大数据征信的电力客户信誉评估方法 Download PDFInfo
- Publication number
- CN108665184A CN108665184A CN201810491297.4A CN201810491297A CN108665184A CN 108665184 A CN108665184 A CN 108665184A CN 201810491297 A CN201810491297 A CN 201810491297A CN 108665184 A CN108665184 A CN 108665184A
- Authority
- CN
- China
- Prior art keywords
- power
- index
- information
- power customer
- client
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000005611 electricity Effects 0.000 claims abstract description 53
- 238000013210 evaluation model Methods 0.000 claims abstract description 9
- 230000002265 prevention Effects 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000004140 cleaning Methods 0.000 claims 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims 1
- 239000010931 gold Substances 0.000 claims 1
- 229910052737 gold Inorganic materials 0.000 claims 1
- 239000011159 matrix material Substances 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011038 discontinuous diafiltration by volume reduction Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000005303 weighing 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)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
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
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***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***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***包括一体化缴费平台、营销业务***、用电信息采集***。
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***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＝(xij)m×n，对于某个指标Xi，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Xi *，对于正指标Xi *越大越好；对于负指标Xi *，越小越好，设dij为Xij与Xi *的接近程度，即：
dij＝Xi */Xij，其中Xi *＝max{Xij}
dij＝Xi */Xij，其中Xi *＝min{Xij}
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Emax＝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-ei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:
θi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≤λi≤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、***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***，包括具有信用评价需求的业务***。
S101：所述信用评价方法包括通过与业务***之间的统一接口，获得所述***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***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***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***包括一体化缴费平台、营销业务***、用电信息采集***。
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***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＝(xij)m×n，对于某个指标Xi，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Xi *，对于正指标Xi *越大越好；对于负指标Xi *，越小越好，设dij为Xij与Xi *的接近程度，即：
dij＝Xi */Xij，其中Xi *＝max{Xij}
dij＝Xi */Xij，其中Xi *＝min{Xij}
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Emax＝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-ei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:
θi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≤λi≤1，
某项指标的信息效用价值取决于该指标的信息熵ej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、***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***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***包括一体化缴费平台、营销业务***、用电信息采集***。
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***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＝(xij)m×n，对于某个指标Xi，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Xi *，对于正指标Xi *越大越好；对于负指标Xi *，越小越好，设dij为Xij与Xi *的接近程度，即：
dij＝Xi */Xij，其中Xi *＝max{Xij}
dij＝Xi */Xij，其中Xi *＝min{Xij}
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Emax＝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-ei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:
θi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≤λi≤1，
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810491297.4A CN108665184A (zh) | 2018-05-21 | 2018-05-21 | 一种基于大数据征信的电力客户信誉评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810491297.4A CN108665184A (zh) | 2018-05-21 | 2018-05-21 | 一种基于大数据征信的电力客户信誉评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108665184A true CN108665184A (zh) | 2018-10-16 |
Family
ID=63777401
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810491297.4A Pending CN108665184A (zh) | 2018-05-21 | 2018-05-21 | 一种基于大数据征信的电力客户信誉评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108665184A (zh) |
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110298573A (zh) * | 2019-06-20 | 2019-10-01 | 国网辽宁省电力有限公司鞍山供电公司 | 基于多属性群决策的用户异常用电及欠费风险评估方法 |
| CN110443458A (zh) * | 2019-07-05 | 2019-11-12 | 深圳壹账通智能科技有限公司 | 风险评估方法、装置、计算机设备和存储介质 |
| CN110533527A (zh) * | 2019-08-29 | 2019-12-03 | 上海云从汇临人工智能科技有限公司 | 一种信贷风险动态评估方法、***、介质和设备 |
| CN110599056A (zh) * | 2019-09-19 | 2019-12-20 | 国网福建省电力有限公司 | 一种电力数据质量管理方法及*** |
| CN110705897A (zh) * | 2019-10-12 | 2020-01-17 | 安徽电梯大叔科技有限公司 | 一种基于技师素质数据模型的技师能力评价***及方法 |
| CN110866804A (zh) * | 2019-11-05 | 2020-03-06 | 国家电网公司华中分部 | 一种电力市场主体信用评价*** |
| CN110910009A (zh) * | 2019-11-20 | 2020-03-24 | 南方电网数字电网研究院有限公司 | 电力用户管理方法、装置、计算机设备和存储介质 |
| CN111127186A (zh) * | 2019-12-10 | 2020-05-08 | 云南电网有限责任公司信息中心 | 一种基于大数据技术的客户信用等级评价体系的使用方法 |
| CN111428982A (zh) * | 2020-03-18 | 2020-07-17 | 国网浙江杭州市临安区供电有限公司 | 一种基于大数据的优质光伏客户评价和筛选方法 |
| CN111612323A (zh) * | 2020-05-15 | 2020-09-01 | 国网河北省电力有限公司电力科学研究院 | 一种基于大数据模型的电力征信评估方法 |
| CN111784503A (zh) * | 2020-06-29 | 2020-10-16 | 北京思特奇信息技术股份有限公司 | 一种通信征信数据的运营变现方法、***和存储介质 |
| CN111899086A (zh) * | 2020-06-15 | 2020-11-06 | 东方微银科技(北京)有限公司 | 一种客户信用分类方法 |
| CN112184484A (zh) * | 2020-09-30 | 2021-01-05 | 深圳供电局有限公司 | 一种电力用户差异化服务方法及*** |
| CN112733110A (zh) * | 2020-11-23 | 2021-04-30 | 融钰四海(武汉)信息科技有限公司 | 企业客户资源智能筛选处理服务平台 |
| CN113052483A (zh) * | 2021-04-08 | 2021-06-29 | 国网江苏省电力有限公司扬州供电分公司 | 基于电力大数据的信用分析方法 |
| CN113095712A (zh) * | 2021-04-25 | 2021-07-09 | 国家电网有限公司 | 企业授信评分获取方法、装置及计算机设备 |
| CN113282922A (zh) * | 2021-06-29 | 2021-08-20 | 北京安天网络安全技术有限公司 | 对移动存储设备进行防护控制的方法、装置、设备及介质 |
| 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*** |
| CN113450004A (zh) * | 2021-07-02 | 2021-09-28 | 国网北京市电力公司 | 电力信用报告生成方法、装置、电子设备及可读存储介质 |
| CN113554268A (zh) * | 2021-06-10 | 2021-10-26 | 合肥工业大学 | 平衡峰谷及淡旺季的用电策略的选择方法及*** |
| CN113570238A (zh) * | 2021-07-26 | 2021-10-29 | 北京浩瀚深度信息技术股份有限公司 | 一种互联网质量指标评估方法以及质量优化方法及*** |
| CN115545880A (zh) * | 2022-09-02 | 2022-12-30 | 睿智合创(北京)科技有限公司 | 一种应用于信贷领域的产品评价方法及*** |
| CN116307875A (zh) * | 2023-03-08 | 2023-06-23 | 重庆伏特猫科技有限公司 | 基于大数据的电力订单管理*** |
| CN116681450A (zh) * | 2023-03-30 | 2023-09-01 | 国网山东省电力公司营销服务中心(计量中心) | 一种支撑智能催费的客户信用评价方法及*** |
| CN118134295A (zh) * | 2024-05-08 | 2024-06-04 | 国网山东省电力公司营销服务中心(计量中心) | 一种需求响应用户信用评价方法、***、存储介质及设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150154698A1 (en) * | 2013-12-03 | 2015-06-04 | Credibility Corp. | Hybridization of Personal and Business Credit and Credibility |
| 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*** |
| CN106504125A (zh) * | 2016-12-27 | 2017-03-15 | 北京中电普华信息技术有限公司 | 一种构建电力客户综合评价体系的方法及装置 |
| CN106780140A (zh) * | 2016-12-15 | 2017-05-31 | 国网浙江省电力公司 | 基于大数据的电力信用评价方法 |
| CN107133822A (zh) * | 2017-04-28 | 2017-09-05 | 国网山东省电力公司泰安供电公司 | 用户信用评价方法及装置 |
-
2018
- 2018-05-21 CN CN201810491297.4A patent/CN108665184A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150154698A1 (en) * | 2013-12-03 | 2015-06-04 | Credibility Corp. | Hybridization of Personal and Business Credit and Credibility |
| 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*** |
| CN106780140A (zh) * | 2016-12-15 | 2017-05-31 | 国网浙江省电力公司 | 基于大数据的电力信用评价方法 |
| CN106504125A (zh) * | 2016-12-27 | 2017-03-15 | 北京中电普华信息技术有限公司 | 一种构建电力客户综合评价体系的方法及装置 |
| CN107133822A (zh) * | 2017-04-28 | 2017-09-05 | 国网山东省电力公司泰安供电公司 | 用户信用评价方法及装置 |
Cited By (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110298573A (zh) * | 2019-06-20 | 2019-10-01 | 国网辽宁省电力有限公司鞍山供电公司 | 基于多属性群决策的用户异常用电及欠费风险评估方法 |
| CN110298573B (zh) * | 2019-06-20 | 2023-04-07 | 国网辽宁省电力有限公司鞍山供电公司 | 基于多属性群决策的用户异常用电及欠费风险评估方法 |
| CN110443458A (zh) * | 2019-07-05 | 2019-11-12 | 深圳壹账通智能科技有限公司 | 风险评估方法、装置、计算机设备和存储介质 |
| CN110533527A (zh) * | 2019-08-29 | 2019-12-03 | 上海云从汇临人工智能科技有限公司 | 一种信贷风险动态评估方法、***、介质和设备 |
| CN110599056A (zh) * | 2019-09-19 | 2019-12-20 | 国网福建省电力有限公司 | 一种电力数据质量管理方法及*** |
| CN110705897A (zh) * | 2019-10-12 | 2020-01-17 | 安徽电梯大叔科技有限公司 | 一种基于技师素质数据模型的技师能力评价***及方法 |
| CN110866804A (zh) * | 2019-11-05 | 2020-03-06 | 国家电网公司华中分部 | 一种电力市场主体信用评价*** |
| CN110910009B (zh) * | 2019-11-20 | 2023-02-24 | 南方电网数字电网研究院有限公司 | 电力用户管理方法、装置、计算机设备和存储介质 |
| CN110910009A (zh) * | 2019-11-20 | 2020-03-24 | 南方电网数字电网研究院有限公司 | 电力用户管理方法、装置、计算机设备和存储介质 |
| CN111127186A (zh) * | 2019-12-10 | 2020-05-08 | 云南电网有限责任公司信息中心 | 一种基于大数据技术的客户信用等级评价体系的使用方法 |
| CN111428982A (zh) * | 2020-03-18 | 2020-07-17 | 国网浙江杭州市临安区供电有限公司 | 一种基于大数据的优质光伏客户评价和筛选方法 |
| CN111612323A (zh) * | 2020-05-15 | 2020-09-01 | 国网河北省电力有限公司电力科学研究院 | 一种基于大数据模型的电力征信评估方法 |
| CN111612323B (zh) * | 2020-05-15 | 2023-03-28 | 国网河北省电力有限公司电力科学研究院 | 一种基于大数据模型的电力征信评估方法 |
| CN111899086A (zh) * | 2020-06-15 | 2020-11-06 | 东方微银科技(北京)有限公司 | 一种客户信用分类方法 |
| CN111784503B (zh) * | 2020-06-29 | 2023-12-05 | 北京思特奇信息技术股份有限公司 | 一种通信征信数据的运营变现方法、***和存储介质 |
| CN111784503A (zh) * | 2020-06-29 | 2020-10-16 | 北京思特奇信息技术股份有限公司 | 一种通信征信数据的运营变现方法、***和存储介质 |
| CN112184484A (zh) * | 2020-09-30 | 2021-01-05 | 深圳供电局有限公司 | 一种电力用户差异化服务方法及*** |
| CN112184484B (zh) * | 2020-09-30 | 2023-07-28 | 深圳供电局有限公司 | 一种电力用户差异化服务方法及*** |
| CN112733110A (zh) * | 2020-11-23 | 2021-04-30 | 融钰四海(武汉)信息科技有限公司 | 企业客户资源智能筛选处理服务平台 |
| CN113052483A (zh) * | 2021-04-08 | 2021-06-29 | 国网江苏省电力有限公司扬州供电分公司 | 基于电力大数据的信用分析方法 |
| CN113095712A (zh) * | 2021-04-25 | 2021-07-09 | 国家电网有限公司 | 企业授信评分获取方法、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*** |
| CN113554268A (zh) * | 2021-06-10 | 2021-10-26 | 合肥工业大学 | 平衡峰谷及淡旺季的用电策略的选择方法及*** |
| CN113554268B (zh) * | 2021-06-10 | 2024-03-15 | 合肥工业大学 | 平衡峰谷及淡旺季的用电策略的选择方法及*** |
| CN113282922A (zh) * | 2021-06-29 | 2021-08-20 | 北京安天网络安全技术有限公司 | 对移动存储设备进行防护控制的方法、装置、设备及介质 |
| CN113450004A (zh) * | 2021-07-02 | 2021-09-28 | 国网北京市电力公司 | 电力信用报告生成方法、装置、电子设备及可读存储介质 |
| CN113570238A (zh) * | 2021-07-26 | 2021-10-29 | 北京浩瀚深度信息技术股份有限公司 | 一种互联网质量指标评估方法以及质量优化方法及*** |
| CN115545880A (zh) * | 2022-09-02 | 2022-12-30 | 睿智合创(北京)科技有限公司 | 一种应用于信贷领域的产品评价方法及*** |
| CN116307875A (zh) * | 2023-03-08 | 2023-06-23 | 重庆伏特猫科技有限公司 | 基于大数据的电力订单管理*** |
| CN116307875B (zh) * | 2023-03-08 | 2023-08-15 | 重庆伏特猫科技有限公司 | 基于大数据的电力订单管理*** |
| CN116681450A (zh) * | 2023-03-30 | 2023-09-01 | 国网山东省电力公司营销服务中心(计量中心) | 一种支撑智能催费的客户信用评价方法及*** |
| CN116681450B (zh) * | 2023-03-30 | 2024-06-21 | 国网山东省电力公司营销服务中心(计量中心) | 一种支撑智能催费的客户信用评价方法及*** |
| CN118134295A (zh) * | 2024-05-08 | 2024-06-04 | 国网山东省电力公司营销服务中心(计量中心) | 一种需求响应用户信用评价方法、***、存储介质及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108665184A (zh) | 一种基于大数据征信的电力客户信誉评估方法 | |
| CN106780140B (zh) | 基于大数据的电力信用评价方法 | |
| CN109063945B (zh) | 一种基于价值评估体系的售电公司360度客户画像构建方法 | |
| CN104321794B (zh) | 一种使用多维评级来确定一实体的未来商业可行性的***和方法 | |
| CN107507038A (zh) | 一种基于stacking和bagging算法的电费敏感用户分析方法 | |
| CN111754116B (zh) | 一种基于标签画像技术的信用评估方法及装置 | |
| CN107133652A (zh) | 基于K‑means聚类算法的用电客户价值评估方法及*** | |
| 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 | |
| CN108280541A (zh) | 基于随机森林和决策树的客户服务策略制定方法、装置 | |
| CN108388955A (zh) | 基于随机森林和逻辑回归的客户服务策略制定方法、装置 | |
| CN107730269A (zh) | 一种基于行为分析的用电客户画像方法 | |
| WO2020125106A1 (zh) | 基于相似度模型的数据处理方法及*** | |
| JPWO2011152087A1 (ja) | 経済活動指標提示システム | |
| CN108629500A (zh) | 一种适用于新电改背景下电力客户综合价值评估方法 | |
| CN108596467B (zh) | 一种适于售电公司的市场运营模拟交易仿真*** | |
| 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 | |
| CN111489254A (zh) | 基于历史信用大数据的信贷风险评估智能引擎*** | |
| CN110427418A (zh) | 一种基于客户能源价值指标体系的客户分析分群方法 | |
| CN116681450B (zh) | 一种支撑智能催费的客户信用评价方法及*** | |
| CN109086977A (zh) | 一种售电公司综合价值评价方法 | |
| CN112116256A (zh) | 一种数据资产管理方法 | |
| Lu et al. | Customer segmentation algorithm based on data mining for electric vehicles | |
| CN114219225A (zh) | 基于多源数据的电网投资效益评估***及评估方法 | |
| CN113450004A (zh) | 电力信用报告生成方法、装置、电子设备及可读存储介质 | |
| CN112258067A (zh) | 基于高斯混合模型聚类算法的低压用户缴费行为分类方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181016 |
|
| RJ01 | Rejection of invention patent application after publication |