数字风控模型数据

依托国家浙江电力公司准确、实时的电力大数据构建企业用电标签，可反映企业生产经营状况，为金融行业客户提供贷前、贷中、贷后的全面高效的风险管理服务，帮助银行分析客户的生产经营风险，制定风险管理策略，提高风险管理效率，并且可以通过灵活化组合模式辅助金融机构开展风险评估。1.数据清洗：对数据集进行清洗，包括去除异常数据、处理缺失值。
2.算法模型：本数据产品构建了企业数字风控模型，该模型根据企业基本信息、企业电量信息、企业电费信息、企业交费行为、企业用电容量五个维度的分析结果来评价分析企业生产经营情况，进行风险评估，具体计算指标计算逻辑规则如下：1.企业名称2.统一社会信用代码3.统计年月:指标统计时间4.合同容量5.运行容量6.开户距今天数7.有效开户数8.用电时长是否大于12个月9.用电时长是否大于24个月10.省份代码11.高耗能行业分类:高耗能行业划分（碳化硅、钢铁、炭素、铁合金等）12.用电客户类别:客户用电类别（普通工业、大工业用电、商业用电、非工业等）13.客户电表数:户号对应的表计数量14.电压等级:电压等级（交流10kV、交流380V、交流220V等）15.最近一次电费结算类型16.最近一次交费渠道17.近12个月应收电费小于300元的月份数:近12个月应收电费小于300元的月份数（按照企业统计）18.近12个月应收电费大于等于300元的月份数:近12个月应收电费大于等于300元的月份数（按照企业统计）19.近12个月应收电费最小值20.近12个月应收电费最大值21.近3个月应收电费平均值22.近6个月应收电费平23.近9个月应收电费平均值24.近12个月应收电费平均值25.近24个月应收电费平均值26.近3个月应收电费行业水平:企业近3个月应收电费平均值/该企业所处行业近3月应收电费平均值27.近6个月应收电费行业水平:企业近6个月应收电费平均值/该企业所处行业近6月应收电费平均值28.近9个月应收电费行业水平:企业近9个月应收电费平均值/该企业所处行业近9月应收电费平均值29.近12个月应收电费行业水平:企业近12个月应收电费平均值/该企业所处行业近12月应收电费平均值30.近24个月应收电费行业水平:企业近24个月应收电费平均值/该企业所处行业近24月应收电费平均值31.近3个月应收电费波动情况:近3个月应收电费同比32.近6个月应收电费波动情况:近6个月应收电费同比33.近9个月应收电费波动情况:近9个月应收电费同比34.近12个月应收电费波动情况:近12个月应收电费同比35.近24个月应收电费波动情况:近24个月应收电费同比36.近3个月应收电费增长趋势:近3个月应收电费环比等共计180个指标的加工逻辑。

搜集汇总

背景与挑战

背景概述

该数据集是电力行业的企业数据，包含180个指标，用于构建企业数字风控模型，支持金融行业的风险管理服务。数据规模为500条，每月更新。