Page 18 - 电力与能源2021年第八期

3 8 4 田英杰, 等: 电力大数据用于企业征信的适用性探讨和商业模式分析

探索, 譬如与金融行业、 制造业、 工商法机构的联 式。随着电力数据服务的推行和普及, 对于服务
合探索以构建数据生态新价值。 的调用量也会逐渐呈现上升趋势, 阶梯式收费的
( 4 ) 数据服务产品化模式。数据服务产品化 方式在一定程度上弥补了高频使用者在订阅模式
的核心在于对自有数据的创新开发。例如电信运 下付费少的不足, 也更加灵活。数据付费的收费
营商曾构建平台以手机位置数据等面向旅游行业 模式也并非一成不变, 随着数据服务面向的企业
客户提供服务。数据服务产品化的难点在于保证 和行业增加, 更多元灵活的付费模式可以满足不
数据产品创新的独特性, 当前市场上的数据探索 同客户对于服务调用的付费需求。
创新丰富多样, 如何保持数据产品的独特性值得 3.4 典型产品
进一步探索。 结合电力数据自身的特点和数据服务产品化
3.2 商业服务对象 的商业模式, 本文初步设计了 3 类可以针对不同
在电力大数据面向企业征信的场景下, 除传 应用场景和价值目标的标签类数据服务产品。
统的金融机构: 银行、 保险、 证券、 信托外, 政府监 3.4.1 用电量评级服务
管部门和征信部门等也是未来电力数据服务的重 根据企业名称, 提供企业行业分类等基础信
要客户。“ 克强指数” 通过对于耗电量、 铁路货运 息及其用电信息, 如月度、 季度等周期性的用电
量和贷款发放量 3 个指标作为经济状况的考察, 量, 该用电量在所处行业用电规模的等级等。通
是对电力数据面向政府部门形成有效价值的最好 过企业在同类行业中的用电规模定位, 快速得到
证明。同时, 在国家大数据政策鼓励创新、 积极探 企业在行业内生产经营规模, 同时可以比较分析
索新兴商业模式的背景下, 除通信、 电力数据外, 同行业内用电异常客户, 将用电量规模显著低于
水、 气、 物流等行业的数据创新应用也呈现萌芽的 行业内正常水平 的客户作为高度异常客户筛选
趋势, 数据间的互联互通与融合, 也会形成数据提 出, 可以用于发现空壳企业等风险实体。
供者之间良好的交易生态。 3.4.2 用电异常捕捉
3.3 盈利模式 根据企业名称, 查询企业用电数据信息, 并进
盈利模式定义了数据增值变现落地中的收支 行横向( 同类型企业) 以及纵向( 不同年度) 比较,
来源和收支方式。 分析企业运行情况, 包括对企业在正常运营阶段
( 1 ) 收支来源。在支出环节, 需要投入的核心 出现用电量异常的情况进行筛查、 根据企业同期
环节主要在数据产品的内部开发与外部运营上。 与近期不同时间维度下的用电量波动情况, 识别
内部开发侧重在数据的挖掘、 服务模型的构建以 异常客户等。
及相应的服务平台的系统构建成本。外部运营 ( 1 ) 年度同期电量对比。从企业长期的用电
上, 为了数据增值变现的落地应用, 对于已经形成 情况分析, 一般企业在不同年度的同期用电量具
的数据服务产品, 需要结合当前的市场环境投入 有相似性和周期性。基于企业所在用电规模和用
相应的运营成本, 以保证产品在市场中的有效投 电评级, 若企业在当期用电量显著低于上一年同
放和长期稳定的运营。 期水平, 同时与同评级客户的用电量存在明显差
( 2 ) 收费模式。数据服务在当前市场主流的 异, 则需要作为高度异常客户监测并同步调整企
收费方式以按量收费为主。例如中国人民银行个 业评级情况。
人征信查询服务, 面向银行按使用量进行收费。 ( 2 ) 年度近期电量对比。从短期的用电情况
电力数据服务在收费模式上, 可结合互联网业务 分析, 认为企业在没有季节性或周期性因素的影
的形态, 采用更灵活的模式。订阅付费模式采用 响下, 企业的用电量一般近似平稳。如遇显著的
了固定的收费方式, 在此模式下并不对数据服务 季节性或周期性影响, 用电量的浮动区间也具备
的使用量加以限制, 该模式下更有利于增强服务 一定的规律性, 对企业当期用电量低于近期该评
使用者的粘性, 提升数据服务的应用覆盖面, 但面 级下企业的最低水平, 则需要作为存在潜在经营
向业务量较大的场景中, 该模式对于运营成本也 性风险的企业持续监测, 并结合企业实际经营情
提出了更高的要求。同时, 因数据服务使用者的 况更新企业的评级。
角色和业务规模不同, 可以采用阶梯式收费的方 ( 3 ) 所在群体比较分析。在一定时间周期内,