一种基于大数据技术的客户信用等级评价体系的使用方法技术

本发明专利技术公开了一种基于大数据技术的客户信用等级评价体系的使用方法，具体涉及电力行业客户信用等级评价领域，包括应用层、模型支撑层、基础软件层和基础设施层，所述基础设施层包括数据库服务器和应用服务器，所述具体使用步骤如下：信用评价体系建立、数据集成、数据整理及校验、内外部数据关联、模型计算、模型验证和发布信用评价结果。本发明专利技术通过采用AHP分析法建立信用事件细则评分标准，按失信程度划分分值比例，形成更为系统化和层次性的评分体系结构，以解决现有信用评价体系缺乏对失信程度计算以及数据处理缺陷问题。

A method of using customer credit rating system based on big data technology

【技术实现步骤摘要】
一种基于大数据技术的客户信用等级评价体系的使用方法
本专利技术涉及电力行业客户信用等级评价
，更具体地说，本专利技术涉及一种基于大数据技术的客户信用等级评价体系的使用方法。
技术介绍
电力企业服务的客户群体具有普遍性、稳定性、多样性的特点，随着电力体制改革的深化，全面掌握客户信用情况，对更好的进行差异化服务和风险管控具有重要意义。现行客户信用评价采用信用事件分值和信用因子的方式通过数据库存储过程进行计算，主要算法为：∑112[(∑1n信用事件分值t×时间权重t)×信用因子]+性质因子。其中t＝1……12。由现行客户信用评价算法公式可以看出同一失信事件分值只受到时间权重影响，不受失信程度的影响，使得信用评价体系缺乏层次。比如欠费停电失信事件，在相同时间周期内，不管欠费停电发生多少次，1次和5次，对信用评价分数计算的影响度相同，造成信用评价结果同分居多，对客户的信用评价细致程度不足，风险预估存在一刀切现象。同时信用评价采用数据库存储过程计算方式，整体计算效率低，造成评价的周期长，实时性不高、缺乏数据和效果校验。
技术实现思路
为了克服现有技术的上述缺陷，本专利技术的实施例提供一种基于大数据技术的客户信用等级评价体系的使用方法，本专利技术所要解决的技术问题是：建立直观、细致的风险评估的客户信用等级评价体系。为实现上述目的，本专利技术提供如下技术方案：一种基于大数据技术的客户信用等级评价体系的使用方法，包括应用层、模型支撑层、基础软件层和基础设施层；所述基础设施层包括数据库服务器和应用服务器；所述具体使用步骤如下：步骤一、信用评价体系建立：在应用层利用AHP分析法建立客户信用评价等级的结构体系；步骤二、数据集成：在基础设施层对客户档案以及用电履约行为和客户在征信机构中的信用行为情况进行动态收集；步骤三、数据整理及校验：在基础软件层对收集数据在计算建模之前按照要求对数据质量进行核查治理；步骤四、内外部数据关联：由于不同系统收集到的信息标准不同，根据对应规则，进行相互关联，以避免模型计算时出现遗漏和失误；步骤五、模型计算：利用步骤一种建立的客户信用评价等级的结构体系在模型支撑成构建计算模型，利用建模结果运用在分布式大数据集群上并行计算，这个过程需要多次迭代，最终产生模型输出；步骤六、模型验证：将样本客户按时间维度分为观察期与预测期，利用K-S检验模型效果；步骤七、发布信用评价结果：对模型计算结果，也就是客户的信用评价等级发布。在一个优选地实施方式中，所述步骤一中首先把客户分为居民客户和非居民客户，分别对两类客户划分信用类型为基本信用、用电缴费信用、特殊事件信用多维度指标作为模型自变量。在一个优选地实施方式中，所述步骤二中动态收集包括收集客户档案以及用电履约行为数据抽取收集。在一个优选地实施方式中，所述步骤二中数据的校验采用Grubbs方式进行，并构建函数进行估算，再构建函数计算统计量，其中将Grubbs检验费的临界值表所得的g(a，n)和gi，如果gi于于g(a，n)则认定为异常，把异常值置为缺失处理。在一个优选地实施方式中，所述包括异常值在内的缺失数据采用拉格朗日插值法对缺失值进行插补。在一个优选地实施方式中，所述步骤四中需建立多维度的内外部数据关联规则。在一个优选地实施方式中，所述步骤五中计算前先对数据进行规范化处理，将其处理成适当的格式，将不具有正态分布的数据变换成具有正态分布的数据，或者将非平稳序列转换成平稳序列，以及归一化变换，将数值差别很大的数据按照比例进行缩放，使之融入一个特定的区域。在一个优选地实施方式中，所述步骤五中需分别对居民基本信用分数、非居民基本信用分数、用电缴费信用分数和特殊事件信用分数制定不同的得分公式。在一个优选地实施方式中，所述步骤七中发布的信用评价结果以客户信用等级的方式推送给其他系统。本专利技术的技术效果和优点：1、本专利技术通过采用AHP分析法建立信用事件细则评分标准，按失信程度划分分值比例，形成更为系统化和层次性的评分体系结构，以解决现有信用评价体系缺乏对失信程度计算以及数据处理缺陷问题；2、本专利技术通过采用大数据的分布计算和数据处理，使用大数据处理计算数据并对计算结果和模型进行持续校验和优化，保证信用评价的执行效率和结果质量。附图说明图1为本专利技术的整体工作流程示意图。图2为本专利技术的模块结构示意图。附图标记为：1应用层、2模型支撑层、3基础软件层、4基础设施层、41数据库服务器、42应用服务器。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。本专利技术提供了一种基于大数据技术的客户信用等级评价体系的使用方法，包括应用层1、模型支撑层2、基础软件层3和基础设施层4；所述基础设施层4包括数据库服务器41和应用服务器42，所述数据库服务器41对大数据集群进行数据整理和集中存储，所述应用服务器42可对数据库服务器41中大数据进行筛选可应用；所述具体使用步骤如下：步骤一、信用评价体系建立：在应用层1利用AHP分析法建立客户信用评价等级的结构体系，首先把客户分为居民客户和非居民客户，分别对两类客户划分信用类型为基本信用、用电缴费信用、特殊事件信用多维度指标作为模型自变量，基本信用和缴费信用包括手机信息、有效证件信息、拆迁规划、临时用电、当期欠费金额、累计欠费期数、违约金累加日、缴费方式，特殊事件信息作为区分能力太强的变量，或缺失率很大的变量以扣减指标形式在存在，包括违法经营、企业破产、资产转移、官方媒体负面报道，并制定评价体系层次图表，如下：步骤二、数据集成：在基础设施层4对客户档案以及用电履约行为和客户在征信机构中的信用行为情况进行动态收集，其中收集客户档案以及用电履约行为数据通过电力营销系统、95598应急系统、计量自动化系统、电力客服数据综合分析应用系统自动抽取收集，社会征信系统手动维护；步骤三、数据整理及校验：在基础软件层3对收集数据在计算建模之前按照要求对数据质量进行核查治理，系统构建之初，进行第一次全量的数据初始化，通过集成管理功能读取配置信息，并提供手工调用和自动调用功能，记录相关执行日志，而后每月进行模型更新之前对变更数据执行增量集成。利用Grubbs检验，将自变量数据排序并计算平均值，利用平均值和标准差获得估算量再计算统计量将Grubbs检验费的临界值表所得的g(a，n)和gi，如果gi于于g(a，n)则认定为异常，把异常值置为缺失处理；对缺失数据(包括异常的缺失处理)采用拉格朗日插值法对缺失值进行插补；步骤四、内外部数据关联：由于不同系统收本文档来自技高网...

【技术保护点】
1.一种基于大数据技术的客户信用等级评价体系的使用方法，其特征在于：包括应用层(1)、模型支撑层(2)、基础软件层(3)和基础设施层(4)；/n所述基础设施层(4)包括数据库服务器(41)和应用服务器(42)；/n所述具体使用步骤如下：/n步骤一、信用评价体系建立：在应用层(1)利用AHP分析法建立客户信用评价等级的结构体系；/n步骤二、数据集成：在基础设施层(4)对客户档案以及用电履约行为和客户在征信机构中的信用行为情况进行动态收集；/n步骤三、数据整理及校验：在基础软件层(3)对收集数据在计算建模之前按照要求对数据质量进行核查治理；/n步骤四、内外部数据关联：由于不同系统收集到的信息标准不同，根据对应规则，进行相互关联，以避免模型计算时出现遗漏和失误；/n步骤五、模型计算：利用步骤一种建立的客户信用评价等级的结构体系在模型支撑成构建计算模型，利用建模结果运用在分布式大数据集群上并行计算，这个过程需要多次迭代，最终产生模型输出；/n步骤六、模型验证：将样本客户按时间维度分为观察期与预测期，利用K-S检验模型效果；/n步骤七、发布信用评价结果：对模型计算结果，也就是客户的信用评价等级发布。/n...

【技术特征摘要】
1.一种基于大数据技术的客户信用等级评价体系的使用方法，其特征在于：包括应用层(1)、模型支撑层(2)、基础软件层(3)和基础设施层(4)；
所述基础设施层(4)包括数据库服务器(41)和应用服务器(42)；
所述具体使用步骤如下：
步骤一、信用评价体系建立：在应用层(1)利用AHP分析法建立客户信用评价等级的结构体系；
步骤二、数据集成：在基础设施层(4)对客户档案以及用电履约行为和客户在征信机构中的信用行为情况进行动态收集；
步骤三、数据整理及校验：在基础软件层(3)对收集数据在计算建模之前按照要求对数据质量进行核查治理；
步骤四、内外部数据关联：由于不同系统收集到的信息标准不同，根据对应规则，进行相互关联，以避免模型计算时出现遗漏和失误；
步骤五、模型计算：利用步骤一种建立的客户信用评价等级的结构体系在模型支撑成构建计算模型，利用建模结果运用在分布式大数据集群上并行计算，这个过程需要多次迭代，最终产生模型输出；
步骤六、模型验证：将样本客户按时间维度分为观察期与预测期，利用K-S检验模型效果；
步骤七、发布信用评价结果：对模型计算结果，也就是客户的信用评价等级发布。


2.根据权利要求1所述的一种基于大数据技术的客户信用等级评价体系的使用方法，其特征在于：所述步骤一中首先把客户分为居民客户和非居民客户，分别对两类客户划分信用类型为基本信用、用电缴费信用、特殊事件信用多维度指标作为模型自变量。


3.根据权利要求1所述的一种基于大数据技术的客户信用等级评价体系的使用方法，其特征在于：所述步骤二中动态收集包括收集...

【专利技术属性】
技术研发人员：保富，黄祖源，张梅，
申请(专利权)人：云南电网有限责任公司信息中心，
类型：发明
国别省市：云南;53