一种大数据的电费风险模型构建方法

摘要

一种大数据的电费风险模型构建方法,涉及一种风险管控方法。目前，电费的催缴是按统一频率和统一方式进行；一方面存在催缴次数、频率过多问题，另一方面存在缴费不能完成目标的问题。本发明包括以下步骤：一）数据准备、二）指标体系构建、三）相关性分析、四）模型构建、五）模型输出、六）电费风险差异处理。本技术方案聚焦高风险用户，提升催费的针对性。针对低风险用户，可以适当减少提醒、通知环节，降低催费频率，优先推广电子账单；重点针对高风险用户开展催收工作，提升催费的频率；有效地优化并集中资源，提高催收的成功率。

主权项

一种大数据的电费风险模型构建方法，其特征在于包括以下步骤：一）数据准备：1）数据获取：根据国网内部的营销系统数据、用电采集系统数据，收集客户基础信息、交费信息、违约信息、违法信息、用电趋势信息；根据外部系统数据，收集外部信用信息、行业前景信息评价、生产经营信息数据；2）数据检验：对获取的数据进行检验，包括：A、用户ID的是唯一性，检验每个 ID 变量是否仅出现一次，若出现多次，则核查原因并调整数据；B、范围和取值：检验每个变量是否为一个定义清晰、具有已知的或预期取值范围的字段，当数据为连续变量时，其值在设定预期范围内，当数据为名义变量时，其为维表中的值；C、缺失值：检验每个字段是否存在缺失值及其来源是否完整，若出现缺失值，则分析缺失值出现的原因，并根据原因，对缺失值进行处理；D、异常值：检验数据是否偏离数据集的观测值，当偏离数据集的观测值时认为该数据为异常值，检验异常值出现的原因，并相应的处理异常值；3）数据处理：数据处理包括对缺失值、离群值、异常值的记录进行清洗以相关衍生变量的生成；二）指标体系构建：以用电客户数据为样本；分析有欠费记录客户的各维度数据信息，提取诸多与欠费风险可能相关的变量；变量包括：产生违约金次数、平均回款时长、月末缴费次数、逾期交费率、是否存在连续逾期、逾期时长、业务变更次数、应收电费金额是否平稳；三）相关性分析：对变量，包括原始变量和衍生变量，进行相关性分析，衡量变量间的相关性；当相关系数大于设定值时，认为两个变量高度相关，则删除其中一变量；对单变量进行分析，包括解释变量和被解释变量之间的关联分析和卡方分析；四）模型构建：根据变量产生违约金次数、平均回款时长、月末缴费次数、逾期交费率、是否存在连续逾期、逾期时长、业务变更次数、应收电费金额是否平稳，对高压客户、低压非居客户、居民客户进行对应的电费风险建模，并根据模型计算电费风险发生的概率；五）模型输出：1）用电客户风险等级分类：根据构建的模型计算电费风险发生的概率，根据客户欠费状态，将用电客户风险等级划分为潜在风险和事实风险两类：A、潜在风险：在模型运算时已结清电费，同时依据电费风险评估模型输出的用电客户评估结果，分为潜在高风险、潜在中风险和潜在低风险三个等级；B）事实风险：模型运算时尚未结清或仍有垫付记录，依据电费风险评估模型输出的风险等级，分为事实高风险、事实中风险和事实低风险三个等级；2）用电客户风险趋势分析：记录各个考察时期的风险变动方向，以全面地动态反映客户的交费状况：六）电费风险差异处理：根据模型输出结果，提前采取差异化的电费回收策略和预防措施，缩短电费回收周期，控制经营风险，针对低风险用户，减少提醒、通知环节，降低催费频率，优先推广电子账单；对高风险用户开展催收工作，提升催费的频率。