客户信用数据挖掘论文范文

1数据分析要求

首先要确保数据来源的宽度，及时、准确地从社会获取尽可能多的外部信息，并建立起稳定的常态交互机制，提供源源不断的新鲜“原料”，否则相关的模型建立将会非常困难。这些可以通过与社会其它单位协作，资源共用、数据共享加以实现。其次要重视数据的“挖掘加工能力”。在模型的创建过程中，确定各个变量之间的逻辑关系、对结果的影响权重，实现对客户信用风险的智能研判，保证预判结果的准确性。

2利用数据挖掘技术建立客户信用评价模型的实现方法

数据挖掘技术是通过分析大量数据，从中寻找其规律的技术，主要有数据准备、规律寻找和规律表示3个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集；规律寻找是用某种方法将数据集所含的规律找出来；规律表示是尽可能以用户可理解的方式将找出的规律表示出来。数据挖掘的任务有关联分析、聚类分析、分类分析等。（1）数据挖掘方法。根据客户信用价值评价指标模型要求，在进行综合评价前，应先确定指标体系中各个指标的评价值，可采用数据挖掘技术中聚类方法加以分析。聚类分析是将个体或对象分类，使得同一类中对象之间的相似性比与其他类的对象的相似性更强。目的在于使类间对象的同质性最大化和类与类间对象的异质性最大化。通过对聚类算法的分析,针对电力客户信用分类的特征,提出了电力客户信用评价算法.得到了不同客户群的聚类中心以及客户的隶属度矩阵,为客户群的特征分析提供了量化依据，从而得到满意的客户聚类及分类结果。（2）数据挖掘算法。首先可采用K-means聚类算法对电力客户样本进行分类,利用该算法,给定客户分类个数k,按照样本间距离最近的原则,将n个电力客户划分到k个分类中去。k个聚类中心代表了聚类的结果；进而采用层次分析法将一个复杂的评价系统,按其内在的逻辑关系,以及评价指标为代表构成一个有序的层次结构,然后针对每一层的指标,运用专家或管理人员的专业知识、经验、信息和价值观,对同一层次或同一域的指标进行两两比较对比,并按规定的标度值构造比较判别矩阵。从而确定指标权重；最后根据聚类以后得出的各个类的中心点，计算得出的k类电力客户的信用得分,可以判断其所属的信用等级。

3数据挖掘技术在电力客户信用管理中的应用效果和意义

通过对数据的挖掘分析得出客户信用的评级，将可以把客户分为由高到低的六个等级：AA、A、BB、B、CC、C。在对客户进行评级后应定期检测指标变化，并动态修定客户等级。对于指标的修定频率，高等级客户（AA，A）半年，依次递减，直到每个月修定一次，如遇特殊情况还可进行特殊介入处理。通过电力客户信用评估结果实现对客户群体的划分，针对不同的客户信用群体，制定合理的电费收缴策略，为有效防范电费欠费风险，控制不良账款的生成提供指导和帮助。基于数据挖掘技术的电力企业客户信用管理评价体系的建立和完善，可有效激发电力客户诚实守信、依法用电的积极性，遏制违约用电、拖欠电费等不良现象的蔓延。也将为全社会信用体系的构建起到良好的示范作用。

作者：秦峰单位：国网江苏省电力公司常州供电公司