一种基于电力大数据的贷款客户风控方法及系统与流程

1.本发明属于电力市场技术领域，尤其涉及一种基于电力大数据的贷款客户风控方法及系统。


背景技术：

2.金融机构存在贷前空壳公司欺诈骗贷、贷后企业生产经营情况无法监测、突发性经营危机信息掌握不及时，导致商业银行存在“存量贷款客户管理难”的问题。电力数据具有实时性、准确性、客观性的特点和很强的溢出效应，用电情况与企业的生产经营情况息息相关，一般来说，用电量可以客观反映企业的生产情况，交费行为和特征可以一定程度反映企业的经营情况，一直以来商业银行都期望把电力数据作为贷款的重要判据。智能电表实时采集客户用电数据并汇集到全省统一的数据库，在线实时的电力数据，可以时刻感知企业的生产经营状态，每天评价企业的生产状况，通过前后对比就能知道企业的生产经营正常与否、潜力大小、诚信水平。
3.因此，需要开发出一款针对现有中小企业电力数据使用状态的控制监管方法及系统，就成为本领域技术人不断研发的目标。


技术实现要素：

4.针对上述现有技术中存在的不足之处，本发明提供了一种基于电力大数据的贷款客户风控方法及系统。其目的是为了实现提高电力信用的公信力和品牌价值，实现电力数据的多元化增值服务，为银行提供存量贷款客户基于电能使用信息的监测及预警服务，辅助银行第一时间识别高风险企业，及提高贷后风险防范能力的发明目的。
5.本发明为实现上述目的所采用的技术方案是：一种基于电力大数据的贷款客户风控系统，包括：电力数据采集监控模块、电量波动预警模块、用电行为分析模块以及风险预警服务模块；其中，所述电量波动预警模块的一端连接电力数据采集监控模块，另一端连接用户界面；所述风险预警服务模块分别连接电量波动预警模块、用电行为分析模块以及指定的存量贷款客户档案信息模块。
6.进一步的，所述电力数据采集监控模块，包括客户基本信息、增减容信息、中标信息、违窃信息、阀值管理、企业档案申请、运维信息以及客服信息等模块；由各维度电力运行基础数据组成，通过数据库连接方式组建关键指标数据，应用于预警分析；所述电量波动预警模块，包括日电量波动预警、日零电量波动预警、月电量波动预警以及月零电量波动预警模块；所述电量波动预警模块的一端连接电力数据采集监控模块，动态获取的关键数据，进行异常匹配从日电量波动、日零电量波动、月电量波动及月零电量波动方向识别风险阀值；所述电量波动预警模块的另一端连接用户界面，实时将预警推送至用户；所述用电行为分析模块，包括行业用电量对比分析、电量趋势分析、缴费时长分析模块；所述用电行为分析模块用于接收电力数据采集监控模块、电量波动预警模块的结果
数据，对一段时间内的数据进行再分析处理，将分析的结果导出用户端的分析报表，输出到风险预警服务模块；所述风险预警服务模块连接电量波动预警模块、用电行为分析模块，将分析结果数据再处理，比对金融机构设置的风险预警阀值，生成风险预警服务结果，并将风险预警服务结果信息发送到指定的负责人。
7.进一步的，所述键指标数据包括：组建客户基本信息、增减容信息、中标信息、违窃信息、阀值管理、企业档案申请、运维信息以及客服信息。
8.一种基于电力大数据的贷款客户风控方法，包括以下步骤：步骤1.搭建存量贷款客户风控系统，实现电力服务的一体化管理平台；步骤2.通过存量贷款客户风控系统建立用户档案，采集电力运行数据，动态获取监控企业的用电行为数据；步骤3.通过存量贷款客户风控系统进行风险预警；步骤4.通过存量贷款客户风控系统进行用电行为分析。
9.进一步的，所述搭建存量贷款客户风控系统，实现电力服务的一体化管理平台，指实现承载电力供应商、电源企业、诚信用电企业、银行多方用户业务交互的电力数据采集监控、电量波动预警、用电行为分析、风险预警服务的一体化管理平台；实现风险的识别和控制、贷后预警服务；同时通过客户行业用电情况、上下游产业用电情况、主体经营人交费信息情况进行综合分析，实时监控企业用电行为轨迹，对企业电费、电量进行实时风控预警。
10.进一步的，所述企业的用电行为数据包括：供应用电量、用电趋势、用电行为等数据、欠缴电费、违约用电信息、增减容信息、中标信息、运维信息、客服信息，将用户的电力运行数据接入系统。
11.进一步的，所述通过存量贷款客户风控系统进行风险预警，指通过存量贷款客户风控系统进行实时在线监控电力运行状态，采集接入存量客户的电力数据经过风险防控预警数据模型识别风险用户，实时风控预警；包括：通过客户累计的电力运行状态数据，多维统计，报表分析贷款客户的用电量、用电趋势、用电行为数据，综合分析贷款客户经营情况和发展趋势，识别用电异常企业，及时为金融机构进行预警提示。
12.进一步的，所述风险防控预警数据模型包括：分析模型、点击分析模型、属性分析模型以及基于存量贷款企业客户的历史业务数据和用电数据情况，构建的企业经营情况分析模型；所述风险防控预警数据模型的构建包括以下步骤：在构建模型阶段首先进行样本收集，选取客户的用电量、欠费数据、缴费数据分别构建时序特征；其次，对样本数据做清洗过滤及超限数值检查处理，构造对应的电量规律性、电量波动性、缴费及时性特征；再根据数据基本规律，使用预测算法arima、线性回归、随机森林完成构建企业经营情况分析模型；通过使用已有大数据模型，有效分析企业客户用电连续性、波动性以及缴费及时性，及时判断企业生产能力、用电稳定性以及企业经营支付能力和企业发展趋势。
13.进一步的，所述通过存量贷款客户风控系统进行用电行为分析，包括以下分析指
标：预警等级分为一级、二级、三级，一级预警为电量波动率超过90%，二级预警为电量波动率超过70%，三级预警为电量波动率超过50%；月电量行业占比=客户当月用电量
÷
当月行业总用电量
×
100%；电量稳定性为过去一年内（用户每日用电量
‑
用户每日用电量均值）
²
之和
÷
365
×
100%；电量趋势健康程度=历史1年内电量波动低于20%的天数
÷
365
×
100%；电量波动=(本期用电量
‑
上年月均用电量)/上年月均用电量
×
100%，上一年月均电量=上年电量之和/用电月数，企业用户电量为总电量；用电量同比=（本期用电量－同期用电量）
÷
同期用电量
×
100%；用电量环比=（本期用电量－上期用电量）
÷
上期用电量
×
100%；日均电量占比=客户日用电量
÷
客户整月电量
×
100%；日均电量占比=客户同期日均用电量
÷
客户整月电量
×
100%；电费缴纳时长稳定性为过去3年内（用户每月缴费时长
‑
用户过去3年平均缴费时长）
²
之和
÷
36
×
100%；电费缴纳积极程度=历史3年内及时缴纳或提前缴纳电费的月数
÷
36
×
100%；行业同比缴费时长为过去3年内（客户每月电费缴纳时长
‑
同行业平均每月缴费时长）
²
之和
÷
36
×
100%；缴费及时率：实际缴费时长=当期电费结清日期
‑
当期电费发行日期（当天结清为1），约定缴费时长=发行月最后一天日期－发行日期，缴费及时率=（1
‑
实际缴费时长/约定缴费时长）*100%，企业用户取所有用户的平均值。
14.一种计算机存储介质，所述计算机存储介质上存有计算机程序，所述计算机程序被处理器执行时实现所述的一种基于电力大数据的贷款客户风控方法的步骤。
15.本发明具有以下有益效果及优点：本发明提高了电力信用的公信力和品牌价值，平台采用成熟的it成果，结合电力营销经验和实践成果，在国内相应领域内具有领先的技术水平。在着力挖掘数据价值打造新业态模式，实现了电力数据的多元化增值服务，实现金融高质量服务实体经济、深化金融改革、防范金融风险，为银行提供的存量贷款客户基于电能使用信息的监测及预警服务，可以辅助银行第一时间识别高风险企业，为贷后管理决策、风险管控提供量化依据，提高贷后风险防范能力。
附图说明
16.本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1是本发明整体架构和流程简图。
具体实施方式
17.为了能够更清楚地理解本发明的上述目的、特征和优点，下面将结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本技术的实
施例及实施例中的特征可以相互组合。
18.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
19.下面参照图1描述本发明一些实施例的技术方案。
20.实施例1本发明是一种基于电力大数据的贷款客户风控方法，包括如下步骤：步骤1.搭建存量贷款客户风控系统，实现电力服务的一体化管理平台。
21.具体指实现承载电力供应商、电源企业、诚信用电企业、银行等多方用户业务交互的电力数据采集监控、电量波动预警、用电行为分析、风险预警等服务的一体化管理平台。实现风险的识别和控制、贷后预警服务。同时通过客户行业用电情况、上下游产业用电情况、主体经营人交费信息情况进行综合分析，实时监控企业用电行为轨迹，对企业电费、电量进行实时风控预警。
22.步骤2.通过存量贷款客户风控系统建立用户档案，采集电力运行数据，动态获取监控企业的用电行为数据。
23.其中，所述企业的用电行为数据包括供应用电量、用电趋势、用电行为等数据、欠缴电费、违约用电信息、增减容信息、中标信息、运维信息、客服信息，将用户的电力运行数据接入系统。
24.利用报装信息、用电量、用电负荷和违约用电窃电等用电行为数据、销户/过户、用电缴费数据等，研发风控模型；利用电力数据的及时、真实性特点，缓解金融机构对中小微企业风控难、放贷难，中小微企业融资难、融资贵的问题。
25.步骤3.通过存量贷款客户风控系统进行风险预警。
26.通过存量贷款客户风控系统进行实时在线监控电力运行状态，采集接入存量客户的电力数据经过风险防控预警数据模型识别风险用户，实时风控预警。
27.具体是通过客户累计的电力运行状态数据，多维统计，报表分析贷款客户的用电量、用电趋势、用电行为等数据，综合分析贷款客户经营情况和发展趋势，识别用电异常企业，及时为金融机构进行预警提示。准确判定企业生产状态，可为企业融资增信、政府调控经济提供助力，可为银行提供反欺诈、监测、风险预警、生产经营情况分析等服务。
28.优选地，所述风险防控预警数据模型包括分析模型、点击分析模型、属性分析模型以及基于存量贷款企业客户的历史业务数据和用电数据情况，自行构建的企业经营情况分析模型。
29.所述风险防控预警数据模型的构建包括以下步骤：在构建模型阶段首先进行样本收集，选取客户的用电量、欠费数据、缴费数据分别构建时序特征。
30.其次，对样本数据做清洗过滤及超限数值检查处理，构造对应的电量规律性、电量波动性、缴费及时性等特征。
31.再根据数据基本规律，使用预测算法arima、线性回归、随机森林等现有方法完成构建企业经营情况分析模型。通过使用已有大数据模型，有效分析企业客户用电连续性、波动性以及缴费及时性，及时判断企业生产能力、用电稳定性以及企业经营支付能力和企业
发展趋势。
32.步骤4.通过存量贷款客户风控系统进行用电行为分析。
33.具体包括以下分析指标：预警等级分为一级、二级、三级，一级预警为电量波动率超过90%，二级预警为电量波动率超过70%，三级预警为电量波动率超过50%。
34.月电量行业占比=客户当月用电量
÷
当月行业总用电量
×
100%。
35.电量稳定性为过去一年内（用户每日用电量
‑
用户每日用电量均值）
²
之和
÷
365
×
100%。
36.电量趋势健康程度=历史1年内电量波动低于20%的天数
÷
365
×
100%。
37.电量波动=(本期用电量
‑
上年月均用电量)/上年月均用电量
×
100%，上一年月均电量=上年电量之和/用电月数，企业用户电量为总电量。
38.用电量同比=（本期用电量－同期用电量）
÷
同期用电量
×
100%。
39.用电量环比=（本期用电量－上期用电量）
÷
上期用电量
×
100%。
40.日均电量占比=客户日用电量
÷
客户整月电量
×
100%。
41.日均电量占比=客户同期日均用电量
÷
客户整月电量
×
100%。
42.电费缴纳时长稳定性为过去3年内（用户每月缴费时长
‑
用户过去3年平均缴费时长）
²
之和
÷
36
×
100%。
43.电费缴纳积极程度=历史3年内及时缴纳或提前缴纳电费的月数
÷
36
×
100%。
44.行业同比缴费时长为过去3年内（客户每月电费缴纳时长
‑
同行业平均每月缴费时长）
²
之和
÷
36
×
100%。
45.缴费及时率：实际缴费时长=当期电费结清日期
‑
当期电费发行日期（当天结清为1），约定缴费时长=发行月最后一天日期－发行日期，缴费及时率=（1
‑
实际缴费时长/约定缴费时长）*100%，企业用户取所有用户的平均值。
46.本发明通过智能电力大数据，准确判定企业生产状态，可为企业融资增信、政府调控经济提供助力，可为银行提供贷前反欺诈、贷后监测、风险预警、生产经营情况分析等服务。结合市场需求，开展电力大数据产品模型设计、算法设计、功能设计和分析策略设计，投放数据产品，为金融机构提供精准的风控支持，降低银行呆账风险，提升国有资本安全性。应用了营销客户基础档案、电量数据、电费数据、电价数据、行业分类、计量点关系、基础档案关系等数据。通过数据清理汇总形成预警数据和统计分析数据，实现贷前风险的识别和控制。贷后预警服务。同时通过客户行业用电情况、上下游产业用电情况、主体经营人交费信息情况进行综合分析，实时监控企业用电行为轨迹，对企业电费、电量进行实时风控预警。
47.实施例2本发明又提供了一种基于电力大数据的贷款客户风控系统，如图1所示，图1是本发明的整体架构和流程简图。
48.本发明系统包括：电力数据采集监控模块、电量波动预警模块、用电行为分析模块以及风险预警服务模块。其中，所述电量波动预警模块的一端连接电力数据采集监控模块，另一端连接用户界面。所述风险预警服务模块分别连接电量波动预警模块、用电行为分析模块以及存量贷
款客户档案信息模块。
49.所述电力数据采集监控模块，包括客户基本信息、增减容信息、中标信息、违窃信息、阀值管理、企业档案申请、运维信息以及客服信息模块；由各维度电力运行基础数据组成，通过数据库连接方式组建客户基本信息、增减容信息、中标信息、违窃信息、阀值管理、企业档案申请、运维信息、客服信息等关键指标数据，应用于预警分析。
50.所述电量波动预警模块，包括日电量波动预警、日零电量波动预警、月电量波动预警以及月零电量波动预警模块；所述电量波动预警模块的一端连接电力数据采集监控模块，动态获取的关键数据，进行异常匹配从日电量波动、日零电量波动、月电量波动、月零电量波动等方向识别风险阀值；所述电量波动预警模块的另一端连接用户界面，实时将预警推送至用户。
51.所述用电行为分析模块，包括行业用电量对比分析、电量趋势分析、缴费时长分析模块；所述用电行为分析模块用于接收电力数据采集监控模块、电量波动预警模块的结果数据，对数据进行再分析处理，将分析的结果导出用户端的分析报表，输出到风险预警服务模块。
52.所述风险预警服务模块连接电量波动预警模块、用电行为分析模块，将分析结果数据再处理，比对金融机构设置的风险预警阀值，生成风险预警服务结果，并将风险预警服务结果信息发送到指定的负责人。
53.所述存量贷款客户风控系统的风险预警服务，旨在辅助银行第一时间识别高风险企业，为贷后管理决策、风险管控提供量化依据，提高贷后风险防范能力。
54.实施例3基于同一发明构思，本发明实施例还提供了一种计算机存储介质，所述计算机存储介质上存有计算机程序，所述计算机程序被处理器执行时实现实施例1或2所述的一种基于电力大数据的贷款客户风控方法的步骤。
55.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd
‑
rom、光学存储器等）上实施的计算机程序产品的形式。
56.本技术是参照根据本技术实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
57.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
58.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
59.最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。