[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

说明书

本发明提供了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。本发明通过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。本发明能够有效地对企业的贷款风险评估提供有力的数据支撑，能够有效地克服算法本身对初始值的敏感和易陷入局部最优解的问题。

技术领域

本发明涉及电力领域，具体涉及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。

背景技术

企业生产经营状态往往与用电数据息息相关，在很大程度能够直接反映企业的财务运营状况。因此，借助电力大数据，选取恰当的指标并构建区域潜力客户挖掘模型，对所属区域内的生产经营企业进行分析，能够有效对用电客户的信用及贷款潜力进行分析进而挖掘区域内潜在优质客户资源，为银行拓展高品质客户提供渠道，也为借贷双方搭建了沟通的桥梁。其中，区域潜力用户是指在所辖区域具备一定资产基础、运营相对平稳、有较大的发展潜力且有一定市场前景和信用度的用电企业客户。因此，基于电力视角，本次建模所要分析挖掘的潜力客户为存续时间三年及三年以上，用电量较大且呈较为明显的增长趋势，存在增容意愿，电费缴纳及时，无违法违规用电行为的中小微企业。

K-Means算法以效果较好、思想简单的优点，在各行各业中得到了广泛的应用。因此，采用K-Means算法对区域潜力客户的用电数据进行分析挖掘。然而，现有技术中对于客户价值和潜力评价的维度大都过于单一，缺乏全面性和一定的适用性。并且，不同行业、不同企业对客户价值衡量标准存在差异，导致了衡量标准的可解释性被限制在某个特定范围。

发明内容

为解决现有技术存在的问题，本发明提供了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。为实现本发明的目的，本发明的技术方案如下。

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。

优选的，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。

优选的，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。

优选的，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。

优选的，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；