一种高压用户风险评估方法与流程

1.本发明涉及数据处理领域，特别涉及一种高压用户风险评估方法。


背景技术：

[0002][0003]
用电数据能够较为客观地反映企业生产经营情况，是衡量企业枯荣与否的重要指标。在数字化改革的今天，急需一种可靠有效的综合评判手段，以便及时提供扶助政策或提前采取预防措施。


技术实现要素：

[0004]
针对现有技术缺少对高压用户的有效风险评估手段的问题，本发明提供了一种高压用户风险评估方法，通过高压用户经营风险指数模型，融合内外部数据，从多个维度量化评估高压用户的生产经营风险，为供电公司电费回收、地方政府预防大规模欠薪，共同建设平安社会提供决策参考。
[0005]
以下是本发明的技术方案。
[0006]
一种高压用户风险评估方法，包括以下步骤：s1：从采集评估所需的相关数据；s2：对相关数据进行预处理；s3：进行数据的多维度量化处理得到若干量化数据；s4：构建高压用户经营风险指数模型，将多维度的量化数据代入，输出风险指数；s5：根据风险指数所在的数值范围确定风险等级，根据风险等级执行对应的预设措施。
[0007]
作为优选，所述从采集评估所需的相关数据，包括：采集户名、户号、地址、用电类别、行业分类、月电量、实收日期、缴费方式、失信被执行人、企业名称、法人以及统一社会信用代码。
[0008]
作为优选，所述对相关数据进行预处理，包括：判断数据格式是否规范、数据内容是否缺失以及关联性数据是否匹配，如出现数据格式不规范、数据内容缺失或关联性数据不匹配，则标记并隔离相关数据。各字段任一数据缺失即定义为数据缺失，如统一社会信用代码数据缺失；业务数据出现明显的常识性错误，即定义为数据不准确，如供电所、户号、户名等与常识不符；各字段任一数据格式不规范即定义为不规范，如月电量数据格式不规范。
[0009]
作为优选，所述进行数据的多维度量化处理得到若干量化数据，包括：建立维度得分表，维度包括了缴费方式维度、缴费时间维度、电量波动维度以及社会征信维度，根据实际数据对照维度得分表计算各维度的得分，得到各维度的量化数据。电费缴纳方式为金融机构银行柜台代收，收费人员为银联的用户极有可能是运用pos机透支信用卡缴纳电费；每月第二笔电费缴纳时间在次月12日及以后的用户的资金链容易断裂，因此需要重点关注；电量环比剧烈下滑，极有可能近期经营可能遇到问题，需予以关注，同时考虑同比情况，排
除部分行业季节性电量突降的影响；若被法院列为失信被执行人/组织，说明用户诚信不佳，其经营风险相对较高。
[0010]
其中，缴费方式维度：得分等于每个月的缴费次数*k得到的总和，其中k的值根据每个月调整，例如6月的次数*10 7月的次数*15
……
11月的次数*35。
[0011]
缴费时间维度：每次缴费超期1天即12日缴费的用户算10分，超期2天即13日缴费的用户算15分，超期3天即14日缴费的用户算20分。
[0012]
电量波动维度：依据电量环比结果，在40％-60％之间计50分，60％-80％之间的计70 分，80％-100％之间的计100分。
[0013]
社会征信维度：应用统一社会信用代码、增值税号、企业名称、企业法人等进行内外网数据匹配，凡匹配成功的被列为失信被执行人的高压用户，均200分。
[0014]
作为优选，所述构建高压用户经营风险指数模型，包括：建立多元线性回归方程y1＝β α1x1 α2x2
……
αnxn，其中y1指风险指数总分，xn指各维度得分，αn为各维度系数，β是指常数。
[0015]
作为优选，所述将多维度的量化数据代入，输出风险指数，包括：将多维度的量化数据代入多元线性回归方程y1＝β α1x1 α2x2
……
αnxn，其中β＝40.0879，缴费方式维度系数α1＝0.8785，缴费时间维度系数α2＝0.6799，电量波动维度系数α3＝0.6171，社会征信维度系数α4＝0.9224。
[0016]
作为优选，所述根据风险指数所在的数值范围确定风险等级，包括：风险指数大于等于300分为特高风险用户；大于等于100分，小于300分的为高风险用户；低于100分的为普通风险用户。
[0017]
本发明的实质性效果包括：全面展现企业生产经营风险，针对特高风险和高风险用户，可以提前采取针对性的扶助或干预措施，开展电费精准催收；电费回收进度加快，在预防企业大规模欠薪、维护社会稳定等方面发挥了积极作用；复制推广性强，可应用于多场景。
附图说明
[0018]
图1是本发明实施例的流程图；图2是本发明实施例的某典型用户不同维度风险分布图。
具体实施方式
[0019]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合实施例，对本技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0020]
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0021]
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地
列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0022]
下面以具体的实施例对本发明的技术方案进行详细说明。实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
[0023]
实施例：一种高压用户风险评估方法，如图1所示，包括以下步骤：s1：从采集评估所需的相关数据；s2：对相关数据进行预处理；s3：进行数据的多维度量化处理得到若干量化数据；s4：构建高压用户经营风险指数模型，将多维度的量化数据代入，输出风险指数；s5：根据风险指数所在的数值范围确定风险等级，根据风险等级执行对应的预设措施。
[0024]
本实施例中，从采集评估所需的相关数据，包括：采集户名、户号、地址、用电类别、行业分类、月电量、实收日期、缴费方式、失信被执行人、企业名称、法人以及统一社会信用代码。
[0025]
本实施例中，对相关数据进行预处理，包括：判断数据格式是否规范、数据内容是否缺失以及关联性数据是否匹配，如出现数据格式不规范、数据内容缺失或关联性数据不匹配，则标记并隔离相关数据。各字段任一数据缺失即定义为数据缺失，如统一社会信用代码数据缺失；业务数据出现明显的常识性错误，即定义为数据不准确，如供电所、户号、户名等与常识不符；各字段任一数据格式不规范即定义为不规范，如月电量数据格式不规范。
[0026]
本实施例中，进行数据的多维度量化处理得到若干量化数据，包括：建立维度得分表，维度包括了缴费方式维度、缴费时间维度、电量波动维度以及社会征信维度，根据实际数据对照维度得分表计算各维度的得分，得到各维度的量化数据。电费缴纳方式为金融机构银行柜台代收，收费人员为银联的用户极有可能是运用pos机透支信用卡缴纳电费；每月第二笔电费缴纳时间在次月12日及以后的用户的资金链容易断裂，因此需要重点关注；电量环比剧烈下滑，极有可能近期经营可能遇到问题，需予以关注，同时考虑同比情况，排除部分行业季节性电量突降的影响；若被法院列为失信被执行人/组织，说明用户诚信不佳，其经营风险相对较高。
[0027]
其中，缴费方式维度：得分等于每个月的缴费次数*k得到的总和，其中k的值根据每个月调整，例如6月的次数*10 7月的次数*15
……
11月的次数*35。
[0028]
缴费时间维度：每次缴费超期1天即12日缴费的用户算10分，超期2天即13日缴费的用户算15分，超期3天即14日缴费的用户算20分。
[0029]
此外，考虑到2021年5月国网恢复收取欠费违约金，更新计分方式为超期1-3天仍按原方式计算。超期4天及之后缴费会产生违约金。只要在监测期内出现违约金，一律记250 分。即最终计分方式为，监测期内未产生违约金的用户，计分方式为(超期1天的次数*10 超期2天的次数*15
……
超期n天的次数*(10 (n-1)*5))。考察期内产生欠费违约金的用户，一律记为250分。
[0030]
电量波动维度：依据电量环比结果，在40％-60％之间计50分，60％-80％之间的计70 分，80％-100％之间的计100分。
[0031]
社会征信维度：应用统一社会信用代码、增值税号、企业名称、企业法人等进行内外网数据匹配，凡匹配成功的被列为失信被执行人的高压用户，均200分。
[0032]
如图2所示，以某典型用户为例，在2020年6月至11月期间，因多次透支缴费，缴费方式维度85分，长期超期缴费，缴费时间维度为180分，电量环比剧烈下降，电量波动维度100分，被列为失信被执行人，社会征信维度共计200分。
[0033]
本实施例中，构建高压用户经营风险指数模型，包括：建立多元线性回归方程y1＝β α1x1 α2x2
……
αnxn，其中y1指风险指数总分，xn指各维度得分，αn为各维度系数，β是指常数。
[0034]
在统计学中，线性回归方程是利用最小二乘函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。大于一个自变量情况的叫做多元回归。
[0035]
社会经济现象的变化往往受到多个因素的影响，一般要进行多元线性回归分析。本项目是对企业的生产经营用电进行分析，引入以下回归模型：y1＝β α1x1 α2x2
……
αnxn，其中y1指风险指数总分，xn指各维度得分，αn为各维度系数，β是指常数。
[0036]
营销部是电费回收的直接执行部门，对用户实际缴费情况较为了解。经实地走访，梳理总结出一份长期多次拖延缴纳电费、近期资金周转困难、近期遭遇经营危机或陷入经济纠纷的用户清单，并标记风险等级，共57户。特高风险用户标记为300分，高风险用户标记为 150分，普通风险用户标记为50分。
[0037]
应用该57户样本数据，推算出多元线性回归方程如下：β＝40.0879，α1＝0.8785，α2＝0.6799，α3＝0.6171，α4＝0.9224。
[0038]
本实施例中，将多维度的量化数据代入，输出风险指数，包括：将多维度的量化数据代入多元线性回归方程y1＝β α1x1 α2x2
……
αnxn，其中β＝40.0879，缴费方式维度系数α1＝0.8785，缴费时间维度系数α2＝0.6799，电量波动维度系数α3＝0.6171，社会征信维度系数α4＝0.9224。
[0039]
本实施例中，根据风险指数所在的数值范围确定风险等级，包括：风险指数大于等于 300分为特高风险用户；大于等于100分，小于300分的为高风险用户；低于100分的为普通风险用户。
[0040]
运用上述算法模型，建立高压用户评价机制。最终从全市6934户高压中查到1465个风险用户，其中最高分为468.5619。设定大于等于300分的为特高风险用户，总计73个；大于等于100分，小于300分的为高风险用户，总计469个；低于100分的为普通风险，总计 923个。
[0041]
本实施例的实质性效果包括：全面展现企业生产经营风险，针对特高风险和高风险用户，可以提前采取针对性的扶助或干预措施，开展电费精准催收；电费回收进度加快，在预防企业大规模欠薪、维护社会稳定等方面发挥了积极作用；复制推广性强，可应用于多场景。
[0042]
通过以上实施方式的描述，所属领域的技术人员可以了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中可以根据需要而将上述功能分配由不同的功能模块完成，即将具体装置的内部结构划分成不同的功能模块，以完成以上
描述的全部或者部分功能。
[0043]
在本技术所提供的实施例中，应该理解到，所揭露的结构和方法，可以通过其它的方式实现。例如，以上所描述的关于结构的实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个结构，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，结构或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0044]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0045]
另外，在本技术实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0046]
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。基于这样的理解，本技术实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本技术各个实施例方法的全部或部分步骤。而前述的存储介质包括：u 盘、移动硬盘、只读存储器(read only memory，rom)、随机存取存储器(random access memory， ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0047]
以上内容，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。