基于電力大數據的企業信用評價方法研究

王明勝 石會燕 馬萬里 康泰峰

（1.國網北京市電力公司 北京市 100000 2.邦道科技有限公司 江蘇省無錫市 214000）

現代企業信用[1-5]不僅應用于信貸信用，還廣泛應用在生產和經營的質量信用、服務道德信用、信息信用、衛生環保信用等諸多方面。2019年底央行征信系統收錄2834.1 萬戶企業信息,支撐金融機構服務于企業融資貸款等場景中。2019年北京市企業創新信用領跑行動(簡稱領跑行動)啟動，帶領更多高精尖企業拓寬融資渠道，規范信用管理，打造企業的信用品牌，讓信用為企業帶來更多價值。

1 體系架構

1.1 總體架構

總體架構如圖1 所示，包括行為層、數據層（內部數據、外部數據）、信用屬性層、評價方法層、商業應用層。

1.2 分層介紹

1.2.1 行為層

提煉企業用戶用電用能以及與用電信用相關的核心行為，基于企業用戶的辦電、用電以及繳費等行為，分析企業用戶用電信用相關電力大數據。

1.2.2 數據層

根據企業用戶行為分析，電力信用大數據覆蓋客戶基本信息、抄表段信息、用電量信息、繳費信息、違竊用電行為信息、停復電信息、業擴變更信息、營銷基礎信息, 采集表計信息、日電量信息、用戶負荷信息等。

1.2.3 信用屬性層

信用5C 分析法[6-9]，包括道德品質(Character)、還款能力 (Capacity)、資本實力(Capital)、擔保(Collateral)和經營環境條件(Condition)，是金融機構對客戶進行信用風險分析時應用最廣泛的專家分析法之一。

借鑒信用5C 分析法，構建企業信用評價指標體系，覆蓋企業用電的基本屬性、用電繳費、經營能力、發展潛力、電力法規五個方面，共計52 個評價指標，科學評價企業生產經營情況、交費能力、用電趨勢、信用評估、星級評定。

1.2.4 評價方法層

用AHP 層次分析法[10-12]進行大數據定性分析，充分挖掘電力數據指標復雜性，從業務邏輯上深入開展每個數據指標的信用解釋評估。

客觀方法基于數據特征篩選數據，采用決策樹、邏輯回歸算法以及機器學習等大數據技術開展電力數據重要特征挖掘，計算定量分析的企業征信評分,通過準確性驗證最后得到企業征信評估結果。

綜合評價方法對主觀方法和客觀方法得出的信用評價結果進行

1.2.5 商業應用層

包括企業經營狀況監測、信貸反欺詐、輔助授信。

企業經營狀況監測方面，通過企業經營信用評價，及時發現信用變化，識別經營風險，指導電力公司及時發現電費收繳風險。

信貸反欺詐方面，基于電力公司出具的企業用電行為信用報告，識別企業信用問題，助力銀行和貸款機構識別信貸欺詐。

輔助授信方面，電力公司出具的良好用電信用報告，反映出公司良好的經營態勢以及誠信的經營行為，可以助力企業獲取更高的貸款額度、更優惠的貸款利率等。

3 電力信用評價方法

3.1 主觀評價方法

3.1.1 基于層次分析法確定指標權重

圖1：總體架構

圖2：總體各項一級指標得分情況

圖3：各行業平均征信分

基于企業信用評估數字化指標評估體系，應用AHP 層次分析法開展定性分析，通過專家打分法確定相關指標的重要程度，構建專家打分判定矩陣計算得出一級指標和二級指標的權重值。

3.1.2 設置違約失信定性指標

由于違約失信行為發生頻率低且征信影響度大,為將違約失信用戶與正常用戶間的征信評分拉開明顯差距，從征信整體評分規則設置“違約失信定性指標系數”，主要包括違約竊電、違約用電、近12 個月欠費或逾期次數，計算得出基礎征信分后再乘以違約失信定性指標系數得到征信分。

3.1.3 構建分段函數評價指標信用值

根據數據特征科學對企業用戶進行信用評估，分別對指標數據特征采取分段函數映射方法確定指標信用值。

3.2 客觀評價方法

3.2.1 核心指標篩選

以客戶信用得分為信用好的評估標準，計算該特征對用戶信用評價的影響程度——信息價值（IV）。選取具有中等及以上影響程度(IV>0.1)的特征作為定量分析指標。

3.2.2 構建回歸分析模型

選取70%樣本作為訓練樣本進行特征訓練，對保留的指標構建邏輯回歸模型，并對余下30%用戶進行驗證。

應用基于ROC 曲線分析對選用的邏輯回歸模型評估，進行準確性驗證得出邏輯回歸模型的AUC=99.85%，表明選用的邏輯回歸模型具有很強的影響程度。

3.3 主客觀方法結合

基于主客觀方法各得出一個客戶信用，通過加權求和，即可得到綜合信用。

4 案例與成效分析

針對北京市公司25 萬企業用戶，開展企業信用評價。

4.1 總體征信等級分布

所有用戶平均得分631 分，總體各項一級指標得分情況如圖2所示。

4.2 各行業平均征信分

如圖3 所示。

5 結束語

本文研究成果可以有效服務金融機構、企業客戶，賦能政府治理，促進供電服務創新。

（1）服務金融機構方面，通過電力信用綜合評估應用，助力金融機構貸前防欺詐、貸中輔助授信、貸后監控預警的金融風險監控體系建設，提高授信審批效率，降低還貸風險。

（2）服務企業客戶方面，通過電力信用綜合評估應用，解決中小微企業信息與金融機構信用不對稱，為企業增信賦能解決融資難題。

（3）賦能政府治理方面，通過電力信用綜合評估應用，創新供電服務提升客戶滿意度，優化營商環境，引導培育增強企業信用意識。

（4）供電服務創新方面，通過電力信用綜合評估應用，支撐公司客戶價值挖掘和識別，實現對高風險用戶強化管理，降公司電費回收風控和經營風險。