基于客户画像的客户信用评估模型建设

近年来社会经济发展趋缓，电费回收风险的防控难度不断增加，由于缺乏对优劣客户科学、客观的评价方法，对其行为无法提出有效的鼓励或惩罚举措，不利于供电企业权益的维护，电力企业亟需完善针对客户的精准化评价模式及差异化电费催收策略，挖掘优质客户，实现企业精准化、差异化的客户服务。本文基于电力客户标签库，运用数理统计方法及数据挖掘技术构造信用评价模型，通过对客户基础信息、交费行为、用电行为、社会信用信息等大量历史数据进行系统性清洗与分析，挖掘数据中蕴含的行为模式及信用特征，捕捉历史信息和信用表现之间的关系，以一个信用评分来综合评估客户历史行为上的信用表现，以此支撑电力企业风险防控、降本增效的长远战略。

一、建模背景

由于新电改和售电侧市场化的逼近对电力企业的客户服务提出新的要求，如何充分利用各类电力客户数据来洞察客户需求并据此制定精准化评价模式以提供差异化服务、有效识别优质客户、科学防范电费风险，对电力企业提出了严峻挑战。

随着大数据、云计算、物联网、移动互联等新技术的快速发展和日趋成熟，电力客户标签库建设和应用已经具备了充分条件，而电力客户信用与电费风险防范两个相关主题的研究可以作为首要的突破口。在客户信用评价方面可以充分运用大数据挖掘技术手段建立和完善科学合理、门类齐全的电力客户信用评价体系以补充电力客户信用档案，推进电力客户分类信用管理，为企业的长远战略保驾护航。

二、模型建设思路

信用评价模型运用数据挖掘技术，通过对客户基础信息、交费行为、用电行为、社会信用信息等大量历史数据进行系统性清洗与分析，挖掘数据中蕴含的行为模式及信用特征，捕捉历史信息和信用表现的相关性，以信用评分来综合评估客户的信用表现，结合历史信用分进行信用预测。将客户划分为高压、低压非居与低压居民三组，分别计算“客户基础信息、交费行为、用电行为”对应的信用得分，并将总得分进行分段，设置为7个不同的信用等级区间，最终的输出结果是信用等级标签、信用趋势标签（如图1）。

图1 信用评价模型建设思路示意图

三、指标体系

信用是指依附在人与人之间、单位之间、商品交易之间而形成的一种相互信任的生产关系和社会关系，是能够履行诺言而取得的信任，也是过去履行承诺的全面记录。电力客户信用分为客户用电信用和客户社会信用，前者侧重于对客户在电费、用电行为等方面的履约能力与意愿的评价，后者侧重于对客户在政务、商务、社会、司法等四大领域的信用评价，客户社会信用主要从第三方征信系统获取结果（如人行征信、通信系统信用等）。对于高压用电客户，其集团的信用信息在客户社会信用的评价中尤为重要。

客户用电信用是基于客户基础信息、交费信息、用电行为信息等数据，利用业务调研、基层访谈、规则归纳等方法了解营销机制与业务情况，确立客户用电信用评价维度为信息质量、交费行为、用电行为。对高压非居、低压居民、低压非居运用同一指标体系（个别特色指标略有差别）进行数据准备与模型搭建。

由于第三方征信系统的数据获取渠道尚未建立，目前只考虑用电信用数据进行建模。

1、信息质量

信息质量指基于合约精神，要求客户真实、实时地提供相关信息并保证登记信息的准确性、完整性及信息更新的及时性，是对客户在信息提供质量上的信用评价，主要从准确性与完整性两方面评估。

（1）信息准确性

客户信息准确性主要考察联系信息与户名信息的准确性。联系方式、户名等信息的不准确、信息更新不及时易造成客户失联、电费推诿等现象，进而影响日常业务办理甚至电费回收。

（2）信息完整性

客户信息完整性指客户登记的基础信息、附加信息的完整性。

2、交费行为

基于合约精神，客户应该按时足额交纳电费，交费行为主要从交费时间、交费金额、交费渠道三方面评估客户履约情况。

（1）交费时间

交费时间指客户按时交费的时间。交费时间的长短体现了客户的交费意愿和交费信用。

（2）交费金额

交费金额指客户交费的金额，存在足额交费与逾期交费现象。电费交纳金额的大小体现了客户的资产状况与交费能力，逾期交费金额体现了客户的资产状况与交费意愿。

（3）交费渠道

交费渠道指客户交费的渠道。不同的交费渠道中客户交费的稳定性、及时性、交费成本及便捷程度会有不同，选择更优质的交费渠道对客户交费效率和稳定性以及电费回收有着较大保证。

3、用电行为

基于合约精神，客户应该合法、安全用电，不危害供用电安全、不扰乱正常供用电秩序。违约用电、不法窃电会对电力公司、社会造成一定程度的损失和危害。用电行为是另一个重要的信用维度。

（1）违约用电

违约用电是指客户在用电过程中出现的违反供用电合同约定的情况。主要包括高价低接、私自增容、私自启封、私动用电设备、私自向外转用电、私自并网等指标。

（2）窃电

窃电主要指客户在用电过程中出现的窃电和破坏电力设施等违法行为。窃电主要包括擅自接线、绕越计量装置、伪造或开启封印、故意损坏计量装置、使计量装置不准或失效、破坏电力设施等情况。由于窃电涉及违法，是极为恶劣的行为，在信用评分中的权重大，一旦有窃电的行为其信用等级不高于C级。

四、模型搭建

1、模型选择

（1）模型比较

信用评价方法可分为三类：定性分析、定量分析、定性和定量分析相结合。

定性分析以专家评分法为代表，是一种以定性描述定量化的方法。它是根据评价对象列举数个评价项目并制定评价标准，然后聘请代表性专家根据实际业务经验按制定的评价标准进行评分并收集结果。专家评分法的优势是简便、直观性强、计算方法简单、可以考虑无法计算项；缺点是专家的主观判断得出的结论往往无法得到量化的解释。

定量分析以逻辑回归模型为例，优点是通过对各项指标进行筛选，只留下少量的关键指标，剔除了对模型没有显著影响的指标，灵敏度较高、解释性强；缺点则是评估因素和指标较少，无法较全面地反映客户信息。

定性和定量分析相结合以AHP层次分析法最为典型，优点是灵活性较高、考虑的评估因素比较全，可以对影响电力客户信用状况的各种因素进行全面考虑，选取的指标比较全面，从而客户信息得到更全面、准确的反应；缺点是模型中指标的相对重要程度是专家根据业务经验判断出来的，降低了模型的可解释性，在没有得到量化验证的情况下难以确定模型的效果。

综合考虑信用主题背景与电力数据现状，本客户信用主题较宜选用AHP层次分析法作为分析模型。

（2）AHP层次分析法

AHP层次分析法是指将一个复杂多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标（或准则、约束）的若干层次，通过定性指标模糊化方法算出层次单排序（权数）和总排序，以作为目标（多指标）、多方案优化决策的系统方法。它不仅适用于存在不确定性和主观信息的情况，还允许以合乎逻辑的方式运用经验、洞察力和直觉。层次分析法最大的优点是提出了层次本身，它使决策者能够认真地考量指标的相对重要性，使过程感受直观、简单明了。

2、模型构建

层次分析法的基本步骤分为以下四步：

建立层次结构模型。在问题的深入分析基础上将有关的各个因素按照不同属性自上而下地分解成若干层次，当准则过多时（多于9个）应进一步分解出子准则层。对同一层次的一组指标进行两两比较，按其相对重要程度用斯塔相对重要性等级表赋值并形成两两比较判断矩阵：

将客户信用纳入目标层作为决策目标；将信息准确、交费行为、用电行为纳入准则层，将各分项指标分别纳入所属的方案层，构成层次分析结构（如图2）。

图2 模型结构图

（1）构造成对的比较阵，从层次结构模型的第2层开始，对于从属于上一层每个因素的同一层诸因素用成对比较法构造成对比较阵直到最下层。给出信用评价体系中的3个维度（信息质量、交费行为、用电行为）作为准则层的评价尺度，各维度指标作为方案层的评价尺度（如表1）。

取值说明：如果两个指标的重要性在两个评价等级之间，可以取中间分值；如果指标i相对于指标j有一个评分值，则指标j相对于指标i的评分制为其倒数。根据同一层次的指标两两比较来确定指标的相对重要性，如果认为两个指标的影响重要性相当，则取值为1，前者比后者稍微重要则取值为3，前者比后者稍微不重要则取值为1/3，同理，如果认为前者比后者比较重要则取5，十分重要则取7，绝对重要取9。表1 构造成对的比较阵

选取某省各地市各专业岗位上的专家进行问卷调查，由于不同的被调查者对于各指标的重要性理解不同且会出现理解错误或填写错误等情况，最终对各问卷结果进行修正及权重处理后得出最终判断矩阵。

（2）计算权向量并做一致性检验。对于每一个成对比较阵计算最大特征根和对应特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检验。若检验通过，特征向量即为权向量；若不通过，需重新构造成对比较阵。出于人们认识上的差别，矩阵判断可能不具有一致性，可用“随机一致性比值”检查（CR=CI/RI，其中CI表示一致性指标，，RI表示平均随机一致性指标，当CR<=0.10时，层次单排序有效；当CR>=0.10时，说明差别太大，无效）。

（3）将客户划分为高压、低压非居与低压居民三组，对每组客户的各个维度通过AHP层次分析模型及专家法计算各层次与指标权重，通过阈值判断方法确定分数区间，计算求得各维度分数（如图3）。

注：0.1472为指标权重

图3 示例图

3、模型输出

将客户划分为高压、低压非居与低压居民三组，根据评分维度与业务实际细化信用评分指标体系，进而通过AHP层次分析法得出得分判断矩阵，确定各指标权重，最终参考各指标数据分布情况设计分数区间与具体指标权重得出最终的客户信用评分。将客户信用评分按分数分段，依次设置为7个不同的信用等级区间AAAA、AAA、AA、A、B、C、D，将信用等级以标签形式展现。按照各分数段客户人数分布，并结合供电企业实际业务需求来选择各等级区间的分段值。

五、模型优化方向

客户信用评价模型的建设仅从现有的三个维度来评价是有局限性的，因此在后续模型优化中一方面对目前缺失的社会信用分析维度进行补充，将不同来源的社会信用数据通过身份证号或机构代码关联，远期可通过社会统一信用代码进行全关联并使用标准化手段将其转化成与客户用电信用同一尺度的数据信息，综合评价电力客户的信用等级；第二方面针对不同用户分类客户的实际业务需求进行分类考虑，如高压客户对客户信用评价的时效性要求较高，可对其信用评价结果及时更新；第三方面是在业务实践中存在一个用户拥有多套房产的情况，模型优化时需要综合评价其信用等级。

本文刊载于《客户世界》2017年9月刊；本文作者王庆娟、曹慧敏、何荷；本文第一作者单位单位为国网浙江省电力公司电力科学研究院；第二作者单位为广州佰聆数据股份有限公司；

转载请注明来源：基于客户画像的客户信用评估模型建设

本文链接地址：http://www.ccmw.net/article/113409.html