基于电力大数据的企业信用评价方法研究

王明胜 石会燕 马万里 康泰峰

（1.国网北京市电力公司 北京市 100000 2.邦道科技有限公司 江苏省无锡市 214000）

现代企业信用[1-5]不仅应用于信贷信用，还广泛应用在生产和经营的质量信用、服务道德信用、信息信用、卫生环保信用等诸多方面。2019年底央行征信系统收录2834.1 万户企业信息,支撑金融机构服务于企业融资贷款等场景中。2019年北京市企业创新信用领跑行动(简称领跑行动)启动，带领更多高精尖企业拓宽融资渠道，规范信用管理，打造企业的信用品牌，让信用为企业带来更多价值。

1 体系架构

1.1 总体架构

总体架构如图1 所示，包括行为层、数据层（内部数据、外部数据）、信用属性层、评价方法层、商业应用层。

1.2 分层介绍

1.2.1 行为层

提炼企业用户用电用能以及与用电信用相关的核心行为，基于企业用户的办电、用电以及缴费等行为，分析企业用户用电信用相关电力大数据。

1.2.2 数据层

根据企业用户行为分析，电力信用大数据覆盖客户基本信息、抄表段信息、用电量信息、缴费信息、违窃用电行为信息、停复电信息、业扩变更信息、营销基础信息, 采集表计信息、日电量信息、用户负荷信息等。

1.2.3 信用属性层

信用5C 分析法[6-9]，包括道德品质(Character)、还款能力 (Capacity)、资本实力(Capital)、担保(Collateral)和经营环境条件(Condition)，是金融机构对客户进行信用风险分析时应用最广泛的专家分析法之一。

借鉴信用5C 分析法，构建企业信用评价指标体系，覆盖企业用电的基本属性、用电缴费、经营能力、发展潜力、电力法规五个方面，共计52 个评价指标，科学评价企业生产经营情况、交费能力、用电趋势、信用评估、星级评定。

1.2.4 评价方法层

用AHP 层次分析法[10-12]进行大数据定性分析，充分挖掘电力数据指标复杂性，从业务逻辑上深入开展每个数据指标的信用解释评估。

客观方法基于数据特征筛选数据，采用决策树、逻辑回归算法以及机器学习等大数据技术开展电力数据重要特征挖掘，计算定量分析的企业征信评分,通过准确性验证最后得到企业征信评估结果。

综合评价方法对主观方法和客观方法得出的信用评价结果进行

1.2.5 商业应用层

包括企业经营状况监测、信贷反欺诈、辅助授信。

企业经营状况监测方面，通过企业经营信用评价，及时发现信用变化，识别经营风险，指导电力公司及时发现电费收缴风险。

信贷反欺诈方面，基于电力公司出具的企业用电行为信用报告，识别企业信用问题，助力银行和贷款机构识别信贷欺诈。

辅助授信方面，电力公司出具的良好用电信用报告，反映出公司良好的经营态势以及诚信的经营行为，可以助力企业获取更高的贷款额度、更优惠的贷款利率等。

3 电力信用评价方法

3.1 主观评价方法

3.1.1 基于层次分析法确定指标权重

图1：总体架构

图2：总体各项一级指标得分情况

图3：各行业平均征信分

基于企业信用评估数字化指标评估体系，应用AHP 层次分析法开展定性分析，通过专家打分法确定相关指标的重要程度，构建专家打分判定矩阵计算得出一级指标和二级指标的权重值。

3.1.2 设置违约失信定性指标

由于违约失信行为发生频率低且征信影响度大,为将违约失信用户与正常用户间的征信评分拉开明显差距，从征信整体评分规则设置“违约失信定性指标系数”，主要包括违约窃电、违约用电、近12 个月欠费或逾期次数，计算得出基础征信分后再乘以违约失信定性指标系数得到征信分。

3.1.3 构建分段函数评价指标信用值

根据数据特征科学对企业用户进行信用评估，分别对指标数据特征采取分段函数映射方法确定指标信用值。

3.2 客观评价方法

3.2.1 核心指标筛选

以客户信用得分为信用好的评估标准，计算该特征对用户信用评价的影响程度——信息价值（IV）。选取具有中等及以上影响程度(IV>0.1)的特征作为定量分析指标。

3.2.2 构建回归分析模型

选取70%样本作为训练样本进行特征训练，对保留的指标构建逻辑回归模型，并对余下30%用户进行验证。

应用基于ROC 曲线分析对选用的逻辑回归模型评估，进行准确性验证得出逻辑回归模型的AUC=99.85%，表明选用的逻辑回归模型具有很强的影响程度。

3.3 主客观方法结合

基于主客观方法各得出一个客户信用，通过加权求和，即可得到综合信用。

4 案例与成效分析

针对北京市公司25 万企业用户，开展企业信用评价。

4.1 总体征信等级分布

所有用户平均得分631 分，总体各项一级指标得分情况如图2所示。

4.2 各行业平均征信分

如图3 所示。

5 结束语

本文研究成果可以有效服务金融机构、企业客户，赋能政府治理，促进供电服务创新。

（1）服务金融机构方面，通过电力信用综合评估应用，助力金融机构贷前防欺诈、贷中辅助授信、贷后监控预警的金融风险监控体系建设，提高授信审批效率，降低还贷风险。

（2）服务企业客户方面，通过电力信用综合评估应用，解决中小微企业信息与金融机构信用不对称，为企业增信赋能解决融资难题。

（3）赋能政府治理方面，通过电力信用综合评估应用，创新供电服务提升客户满意度，优化营商环境，引导培育增强企业信用意识。

（4）供电服务创新方面，通过电力信用综合评估应用，支撑公司客户价值挖掘和识别，实现对高风险用户强化管理，降公司电费回收风控和经营风险。