电力客户缴费行为的动态信用评价实证分析

郭馨泽,徐震亚,刘潇潇

(1.长沙电力职业技术学院，湖南长沙410000；2.国网湖南省电力公司长沙供电分公司，湖南长沙410015；3.国网湖南省电力公司电力科学研究院，湖南长沙410007)

电力客户缴费行为的动态信用评价实证分析

郭馨泽1,徐震亚2,刘潇潇3

(1.长沙电力职业技术学院，湖南长沙410000；2.国网湖南省电力公司长沙供电分公司，湖南长沙410015；3.国网湖南省电力公司电力科学研究院，湖南长沙410007)

针对目前电力客户欠费回收问题，文中研究信用评估指标，并结合目前电力客户缴费数据，提出一种变现动态信用分值度量算法，揭示复杂的缴费行为的实质，有效区分不同缴费类型，进而有效区分不同客户的信用状况。同时通过对湖南省某地市电力客户缴费数据进行挖掘分析，给出动态信用评价方法实证分析，有效验证该信用评估方法的科学性、合理性。

信用评价；电力客户；缴费；动态

目前,欠缴电费回收是长期以来困扰电力公司的难题之一,为了解决该问题,电力公司投入了大量人力物力。如何有效建立电力客户信用评价机制,准确评价客户信用水平,针对信用低客户采取相应措施,从源端消除欠费隐患,具有重要意义。

电力客户信用评价,是指对需要开展信用评价电力客户的履约趋势、偿债能力、信用状况、可信程度等各方面特征,加以综合考虑,最终得到其信用评分的过程。如何公正、及时地对电力客户的信用情况进行评估,采用怎样的测量手段进行信用的度量,这是一个最为根本的问题。电力企业营销系统中有客户缴费的每一笔数据明细,为开展电力客户信用评价提供了良好的数据基础。文中通过采集电力客户缴费行为数据,研究缴费行为和信用评价的关系,并以此为基础,开展基于缴费行为的电力客户动态信用评价实证分析,建立电力客户信用数据库,实现电力客户信用评级定量分析。

1 信用评价研究思路

目前,社会上信用评价主要从社保信息、公安信息、行业性质、政治法律因素、经济因素、教育信息、企业所有制形式、社会文化影响因素、企业经营情况、客户忠诚度等方面着手,通过收集基础数据,提出或运用科学、合理的信用评估算法,对客户信用进行精确划分,从而制定相应的激励或惩罚措施,实现差异化营销服务,在提升公司服务水平的同时,降低企业运营风险。但是在电力客户信用评价过程中,大量外部信息数据较难获取,采用传统社会化信用评价时,基础数据不完善,无法实现精确信用评估。电力企业营销系统中,电力客户缴费数据记录翔实,而这些记录恰好是电力客户缴费行为和意愿的真实反映。通过选取适当的指标,分析客户缴费行为的复杂性和多样性,整理并归纳缴费行为的类别,采用数据挖掘技术,设计出能准确划分不同信用状况对象的评价指标,实现电力客户信用科学评估和精确评级。

在信用评估算法设计思想上首先要求分析电力客户缴费行为数据,找到一种能够客观如实反映客户信用状况的参数；其次,能够揭示客户复杂多样的缴费行为的实质,从而使错综复杂的缴费问题变得简洁与清晰；再次,信用评估算法能够区分电力客户的复杂的缴费行为,具备及时、正确反映客户信用状况的动态变化情况。

由于电费每月都需要结算,因此,电力客户的缴费信息,更新速度快,这为开展信用分析工作提供了最新的信息。只要善于利用与挖掘数据,就能大大减少类似于外出作资信调查这样一些额外的工作量。电费管理中的几类缴费行为如表1所示。

由表1可以看出,基于缴费行为来进行信用评价与2个指标有密切关系:缴费金额和实际缴费时间,其中缴费时间与缴费金额是不可分割的,因此,将复杂多样的缴费行为直接简化为缴费金额和时间2个指标。

通过将表1中缴费时间和缴费金额2个指标建立一元函数关系,便可得出缴费当月的信用分值。需要强调的是,对于电力客户的信用分值,它不是一成不变的,会随着每月缴费情况的不同而不断修正,即信用评估实际上应该是一种动态的评价过程。在文中评价系统信用分值计算中,除了考虑本月缴费情况得出的信用分值,还会考虑历史月信用表现,并通过设置各月信用分的权重,给出最后的综合得分。其中权值的大小,可以简单地用直线关系表示,离考核月越近信用分值的权重也就越大,这恰恰符合信用评估中着重关注近期表现原则。当然也可通过建立二次函数等的曲线关系,这种情况主要适用于对某些特定月份信用分值的重视度高的情况,本文中不予考虑。信用评价维度示例如图1所示。

基于客户缴费行为的信用分析方法是以客户是否及时缴纳电费作为衡量标准,即以电费兑现时刻为准来衡量客户信用状况。本项目的客户信用评价算法采用的是变现动态信息度量算法。通过此算法,可以反映客户不同缴费行为的信用得分差异,揭示复杂的缴费行为的实质,有效区分不同缴费类型,进而有效区分不同客户的信用状况,并同时正确地动态反映客户的信用变化状况,实现客户信用的累积效应计算。如果将信用分值计算过程用流程图表示,可以更为直观,如图2所示。

2 信用等级划分

在对电力客户信用评级时参考国际通用等级划分标准并结合电力行业用电客户特点采用 “三等五级”划分标准确定电力客户欠费信用等级分别为:AA级、A级、BB级、B级和C级共5级,其核心定义如下:

AA级客户核心定义:测评期内签订了预付款合同,按时全额缴纳电费,无拖欠电费现象。

A级客户核心定义:测评期内基本按时全额缴纳电费,拖欠电费现象极少。

BB级客户核心定义:测评期内大部分时间按时全额缴纳电费,拖欠电费现象一般。

B级客户核心定义:测评期内部分按时全额缴纳电费,拖欠电费现象较多。

C级客户核心定义:测评期内基本无法按时全额缴纳电费,拖欠电费现象频繁发生。

根据以上规则制定电力客户信用分值等级标准,见表2。

3 信用评价实证分析

由于不同电压等级的客户其价值、信用、风险存在较大差异,在湖南某地市试点应用时,文中先按照电压等级将客户进行划分,将客户分为居民和一般工商业、非普工业和大客户3个大类。进而通过数据挖掘技术,分析每个客户用电量、电价、用电波动、缴费行为等多方面因素,挖掘不同个体之间的关联关系,从企业视角出发,将具有相同或类似经济行为和价值的客户划分到一个客户群。通过分类模型演算,居民和一般工商业客户分为6类群体；非普工业客户分为6类群体；大客户分为3类群体。本文针对划分的这15类客户群,结合这些客户缴费数据进行实证分析,得出10 kV以下电力客户 (主要是居民和一般工商业客户)信用情况(见表3)。

通过表3可知客户群5信用全部在AA级普通金卡；客户群2和4相对分散,各个等级客户都有但大部分集中在C级,其他群信用表现相对较低。

10～35 kV(含10 kV)电力客户 (主要是非普工业客户)信用情况见表4。

通过表5可知客户群5全部集中在AA级信用较高,客户群1中95.76%集中在AA级整体信用较好,客户群2相对较为分散,但有47.62%的客户集中在A级,38.10%的客户集中在BB级,该群客户总体信用属于中等水平,其他客户群信用表现相对较低。

对35 kV及以上电力客户 (主要是大客户)信用情况见表5。

通过表5可知客户群1中80%的客户信用为AA级10%为A级10%为B级,该群客户总体信用较高；客户群3中的客户信用相对较为分散,但大部分 (64.29%)都为AA级,该群客户信用总体表现良好；客户群2中的客户信用表现也相对较为分散有一般的客户信用等级为AA级,但也有42.86%的客户信用为C级,即该群客户信用存在2个极端。

通过上述分析,就可采用差异化服务的理念,对不同客户群制定相应的应对措施,有效规避欠费风险。并通过这些信用数据量化分析,制定相应规章制度,搭建起电力公司客户信用评价管理体系,实现信用精细化管理的能控和可控。

4 结论

文中分析了影响信用评价的指标因素,在目前大量外部信息数据较难获取的情况下,通过对电力企业营销系统中电力客户缴费数据进行数据挖掘,提出一种变现动态信用分值度量算法,并结合对湖南省某地市电力客户缴费数据进行实证分析,正确地动态反映出客户的信用变化状况,实现客户信用综合评价计算,为电力公司开展客户信用评估,并依据评估结果开展相应营销手段提供了技术手段。

〔1〕周凤生.供电企业客户服务与市场营销 〔J〕.电力需求侧管理,2002,4(6):52-53.

〔2〕王霞,赵平,王高,刘佳.基于顾客满意和顾客忠诚关系的市场细分方法研究 〔J〕.南开管理评论,2005,8(5):26-30.

〔3〕冯璐.基于数据挖掘的供电公司客户关系管理系统研究与开发〔D〕.北京:华北电力大学,2008.

〔4〕李力.信用评级 〔M〕.北京:知识产权出版社,2010.

Em pirical research of dynam ic credit assessment based on electric power customer's payment behavior

Guo xin-ze1,Xu Zhen-ya2,LIU Xiao-xiao3
(1.Changsha Electric Power Technical College,Changsha 410000,China；2.State Grid Hunan Electrical Power Corporation Changsha Power Supply Company,Changsha 410015,China；3.State Grid Hunan Electrical Power Corporation Research Institute,Changsha 410007,China)

This paper proposes a realizable dynamic credit score metric algorithm based on studies of credit assessment indicators and payment data of current electricity customers to reveal the essence of complex payment behavior.It effectively distinguishes different types of payment and the credit profiles of different customers.By analysis of the payment data of one municipal electric power customers in Hunan province,the dynamic creditassessmentmethod proposed above is applied,and it is proved to be scientifically valid.

credit evaluation；electric power customer；payment；dynamic state

F407.61

B

1008-0198(2014)01-0042-03

10.3969/j.issn.1008-0198.2014.01.013

2013-05-13