王明勝 石會(huì)燕 馬萬里 康泰峰

（1.國網(wǎng)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(xiàn)代企業(yè)信用[1-5]不僅應(yīng)用于信貸信用，還廣泛應(yīng)用在生產(chǎn)和經(jīng)營的質(zhì)量信用、服務(wù)道德信用、信息信用、衛(wèi)生環(huán)保信用等諸多方面。2019年底央行征信系統(tǒng)收錄2834.1 萬戶企業(yè)信息,支撐金融機(jī)構(gòu)服務(wù)于企業(yè)融資貸款等場(chǎng)景中。2019年北京市企業(yè)創(chuàng)新信用領(lǐng)跑行動(dòng)(簡(jiǎn)稱領(lǐng)跑行動(dòng))啟動(dòng)，帶領(lǐng)更多高精尖企業(yè)拓寬融資渠道，規(guī)范信用管理，打造企業(yè)的信用品牌，讓信用為企業(yè)帶來更多價(jià)值。

1 體系架構(gòu)

1.1 總體架構(gòu)

總體架構(gòu)如圖1 所示，包括行為層、數(shù)據(jù)層（內(nèi)部數(shù)據(jù)、外部數(shù)據(jù)）、信用屬性層、評(píng)價(jià)方法層、商業(yè)應(yīng)用層。

1.2 分層介紹

1.2.1 行為層

提煉企業(yè)用戶用電用能以及與用電信用相關(guān)的核心行為，基于企業(yè)用戶的辦電、用電以及繳費(fèi)等行為，分析企業(yè)用戶用電信用相關(guān)電力大數(shù)據(jù)。

1.2.2 數(shù)據(jù)層

根據(jù)企業(yè)用戶行為分析，電力信用大數(shù)據(jù)覆蓋客戶基本信息、抄表段信息、用電量信息、繳費(fèi)信息、違竊用電行為信息、停復(fù)電信息、業(yè)擴(kuò)變更信息、營銷基礎(chǔ)信息, 采集表計(jì)信息、日電量信息、用戶負(fù)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(zhì)(Character)、還款能力 (Capacity)、資本實(shí)力(Capital)、擔(dān)保(Collateral)和經(jīng)營環(huán)境條件(Condition)，是金融機(jī)構(gòu)對(duì)客戶進(jìn)行信用風(fēng)險(xiǎn)分析時(shí)應(yīng)用最廣泛的專家分析法之一。

借鑒信用5C 分析法，構(gòu)建企業(yè)信用評(píng)價(jià)指標(biāo)體系，覆蓋企業(yè)用電的基本屬性、用電繳費(fèi)、經(jīng)營能力、發(fā)展?jié)摿?、電力法?guī)五個(gè)方面，共計(jì)52 個(gè)評(píng)價(jià)指標(biāo)，科學(xué)評(píng)價(jià)企業(yè)生產(chǎn)經(jīng)營情況、交費(fèi)能力、用電趨勢(shì)、信用評(píng)估、星級(jí)評(píng)定。

1.2.4 評(píng)價(jià)方法層

用AHP 層次分析法[10-12]進(jìn)行大數(shù)據(jù)定性分析，充分挖掘電力數(shù)據(jù)指標(biāo)復(fù)雜性，從業(yè)務(wù)邏輯上深入開展每個(gè)數(shù)據(jù)指標(biāo)的信用解釋評(píng)估。

客觀方法基于數(shù)據(jù)特征篩選數(shù)據(jù)，采用決策樹、邏輯回歸算法以及機(jī)器學(xué)習(xí)等大數(shù)據(jù)技術(shù)開展電力數(shù)據(jù)重要特征挖掘，計(jì)算定量分析的企業(yè)征信評(píng)分,通過準(zhǔn)確性驗(yàn)證最后得到企業(yè)征信評(píng)估結(jié)果。

綜合評(píng)價(jià)方法對(duì)主觀方法和客觀方法得出的信用評(píng)價(jià)結(jié)果進(jìn)行

1.2.5 商業(yè)應(yīng)用層

包括企業(yè)經(jīng)營狀況監(jiān)測(cè)、信貸反欺詐、輔助授信。

企業(yè)經(jīng)營狀況監(jiān)測(cè)方面，通過企業(yè)經(jīng)營信用評(píng)價(jià)，及時(shí)發(fā)現(xiàn)信用變化，識(shí)別經(jīng)營風(fēng)險(xiǎn)，指導(dǎo)電力公司及時(shí)發(fā)現(xiàn)電費(fèi)收繳風(fēng)險(xiǎn)。

信貸反欺詐方面，基于電力公司出具的企業(yè)用電行為信用報(bào)告，識(shí)別企業(yè)信用問題，助力銀行和貸款機(jī)構(gòu)識(shí)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(bào)告，反映出公司良好的經(jīng)營態(tài)勢(shì)以及誠信的經(jīng)營行為，可以助力企業(yè)獲取更高的貸款額度、更優(yōu)惠的貸款利率等。

3 電力信用評(píng)價(jià)方法

3.1 主觀評(píng)價(jià)方法

3.1.1 基于層次分析法確定指標(biāo)權(quán)重

圖1：總體架構(gòu)

圖2：總體各項(xiàng)一級(jí)指標(biāo)得分情況

圖3：各行業(yè)平均征信分

基于企業(yè)信用評(píng)估數(shù)字化指標(biāo)評(píng)估體系，應(yīng)用AHP 層次分析法開展定性分析，通過專家打分法確定相關(guān)指標(biāo)的重要程度，構(gòu)建專家打分判定矩陣計(jì)算得出一級(jí)指標(biāo)和二級(jí)指標(biāo)的權(quán)重值。

3.1.2 設(shè)置違約失信定性指標(biāo)

由于違約失信行為發(fā)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(píng)分拉開明顯差距，從征信整體評(píng)分規(guī)則設(shè)置“違約失信定性指標(biāo)系數(shù)”，主要包括違約竊電、違約用電、近12 個(gè)月欠費(fèi)或逾期次數(shù)，計(jì)算得出基礎(chǔ)征信分后再乘以違約失信定性指標(biāo)系數(shù)得到征信分。

3.1.3 構(gòu)建分段函數(shù)評(píng)價(jià)指標(biāo)信用值

根據(jù)數(shù)據(jù)特征科學(xué)對(duì)企業(yè)用戶進(jìn)行信用評(píng)估，分別對(duì)指標(biāo)數(shù)據(jù)特征采取分段函數(shù)映射方法確定指標(biāo)信用值。

3.2 客觀評(píng)價(jià)方法

3.2.1 核心指標(biāo)篩選

以客戶信用得分為信用好的評(píng)估標(biāo)準(zhǔn)，計(jì)算該特征對(duì)用戶信用評(píng)價(jià)的影響程度——信息價(jià)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(biāo)。

3.2.2 構(gòu)建回歸分析模型

選取70%樣本作為訓(xùn)練樣本進(jìn)行特征訓(xùn)練，對(duì)保留的指標(biāo)構(gòu)建邏輯回歸模型，并對(duì)余下30%用戶進(jìn)行驗(yàn)證。

應(yīng)用基于ROC 曲線分析對(duì)選用的邏輯回歸模型評(píng)估，進(jìn)行準(zhǔn)確性驗(yàn)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(qiáng)的影響程度。

3.3 主客觀方法結(jié)合

基于主客觀方法各得出一個(gè)客戶信用，通過加權(quán)求和，即可得到綜合信用。

4 案例與成效分析

針對(duì)北京市公司25 萬企業(yè)用戶，開展企業(yè)信用評(píng)價(jià)。

4.1 總體征信等級(jí)分布

所有用戶平均得分631 分，總體各項(xiàng)一級(jí)指標(biāo)得分情況如圖2所示。

4.2 各行業(yè)平均征信分

如圖3 所示。

5 結(jié)束語

本文研究成果可以有效服務(wù)金融機(jī)構(gòu)、企業(yè)客戶，賦能政府治理，促進(jìn)供電服務(wù)創(chuàng)新。

（1）服務(wù)金融機(jī)構(gòu)方面，通過電力信用綜合評(píng)估應(yīng)用，助力金融機(jī)構(gòu)貸前防欺詐、貸中輔助授信、貸后監(jiān)控預(yù)警的金融風(fēng)險(xiǎn)監(jiān)控體系建設(shè)，提高授信審批效率，降低還貸風(fēng)險(xiǎn)。

（2）服務(wù)企業(yè)客戶方面，通過電力信用綜合評(píng)估應(yīng)用，解決中小微企業(yè)信息與金融機(jī)構(gòu)信用不對(duì)稱，為企業(yè)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(píng)估應(yīng)用，創(chuàng)新供電服務(wù)提升客戶滿意度，優(yōu)化營商環(huán)境，引導(dǎo)培育增強(qiáng)企業(yè)信用意識(shí)。

（4）供電服務(wù)創(chuàng)新方面，通過電力信用綜合評(píng)估應(yīng)用，支撐公司客戶價(jià)值挖掘和識(shí)別，實(shí)現(xiàn)對(duì)高風(fēng)險(xiǎn)用戶強(qiáng)化管理，降公司電費(fèi)回收風(fēng)控和經(jīng)營風(fēng)險(xiǎn)。