[发明专利]一种基于用电大数据的客户信用评价及贷款潜力分析方法

权利要求书

1.一种基于用电大数据的客户信用评价及贷款潜力分析方法，其特征在于，包括：

构建区域客户潜力挖掘的评估维度；

建立区域潜力客户挖掘每个评估维度的细分指标；

通过筛选数据确定建模对象；

通过采用K-means算法进行分析，根据分析结果形成潜力客户名单。

2.根据权利要求1所述的基于用电大数据的客户信用评价及贷款潜力分析方法，其特征在于，构建区域客户潜力挖掘的评估维度：

企业基础实力、企业增长潜力及企业用电诚信。

3.根据权利要求2所述的基于用电大数据的客户信用评价及贷款潜力分析方法，其特征在于，建立区域潜力客户挖掘每个评估维度的细分指标，包括：

企业基础实力维度由用电量和日负荷率两个指标来表示：

企业增长潜力维度由用电增长率和高压增容次数来表征：

企业用电诚信维度由电费缴纳比率及违法用电行为来体现：

违法用电行为由对象企业在特定时间段违法用电行为的发生次数表示。

4.根据权利要求1-3任一所述的基于用电大数据的客户信用评价及贷款潜力分析方法，其特征在于，通过筛选数据确定建模对象时包括以下因素：用电量、用电支出占总成本支出的比例、企业存续时间。

5.根据权利要求4所述的基于用电大数据的客户信用评价及贷款潜力分析方法，其特征在于，通过采用K-means算法进行分析，根据分析结果形成潜力客户名单包括：

数据导入，根据所选择的分析变量，将经过处理的挖掘数据组合形成的一个记录表；

细分变量，筛选用于细分的变量并用因子分析方法对变量组进行降维处理，形成有代表性的变量；

选择基于K-means算法的聚类分析方法对细分变量进行挖掘；

数据挖掘，根据所选择的细分变量和分析方法进行数据挖掘并显示结果；

结果描述，分析细分结果并对细分出的不同类型客户进行描述。

6.根据权利要求5所述的基于用电大数据的客户信用评价及贷款潜力分析方法，其特征在于，基于K-means算法的聚类分析方法对细分变量进行挖掘包括：

(1)从数据中随机挑选k个样本点作为原始的簇中心；

(2)计算余下的样本与簇中心的距离，并把各样本标记为距离k个簇中心最近的类别；

(3)重新计算各簇中样本点的均值，并以均值作为新的k个簇中心；

(4)不断重复第(2)和(3)步，直到簇中心的变化趋于稳定，形成最终的k个簇。

7.根据权利要求6所述的基于用电大数据的客户信用评价及贷款潜力分析方法，其特征在于，对细分出的不同类型客户进行描述包括：

根据实力、潜力以及信用三个维度，划分为高、中、低三个程度，基于分析结果对客户进行分类，形成详细客户分类。