王宁 王澍 张江 陶鹏

摘   要：国网大数据中心泛在电力物联网建设对电网金融数据分析的范围、模式和方法提出了更高要求。面向大数据样本研究，如何将大样本相比于小样本的独有特征体现在分类模型中值得深入探索。以供应链的金融数据的分布特征为出发点，研究了影响信用风险分类模型的主要因素，进而概括出信用数据的分布特征，并探讨了进一步的解决策略。通过电网供应链金融大数据分布特征的分析，旨在研究出电网全业务数据后隐含的信息，以此来为信用风险模型的构建提供了前提条件。

关键词：泛在电力物联网;供应链金融;信用风险;国网大数据;全业务数据中心;离群点;多维

中图分类号：F276.3      文献标志码：A      文章编号：1673-291X（2019）35-0131-02

引言

大数据（Big Data，BD）是经济发展到一定阶段的产物，是时代的烙印。尤其是数字时代的今天，它促使具有多重媒介的电网业务数据出现大幅上涨。国际数据公司IDC（International Data Corporation）在《2018—2019年产业发展研究报告》中指出，2018年全球超大规模数据中心为430个，较2017年增长11%;全球业务市场整体规模达到6 253.1亿元人民币，较2017年增长23.6%。大数据的到来在很大程度上改变了电网业务的发展，通过研究电网业务数据来侧面反映出用户行为规律，从而进一步挖掘潜在的商业价值以及社会效益，也创造了更多具有价值的信息。Gantz等描述了包含体积（Volume）、变化（Variety）、速度（Velocity）、准确性（Ve-racity）和价值（Value）五个方面内容构成的大数据5V理论。其在阐述5V理论时指出数据的准确性及价值对于大数据而言是非常重要的，如果没有数据分析出存储、管理等方面的内容的话，它将不会产生更多价值。……