发帖
雷达卡
对于中小微企业，在日常经营的活动中，必然也会有很多相关的动态信息，尤其是相对有一定规模的企业，往往在新闻圈子里有相关信息的体现。本文想和大家分享的是，针对企业画像的风控评估，新闻媒体信息的数据也有着很独特的应用价值。虽然新闻数据不像工商、税务、财务等维度数据那样指标结构比较清晰，但通过合理的数据挖掘方法采集到相关字段，那么新闻信息在企业风险画像方面，会起到非常有效的作用。
1、新闻样例解析
我们首先来看一个新闻信息的实际样例，简单了解下其中重要的参考字段和应用思路，具体如图1所示：
[backcolor=rgba(18, 18, 18, 0.5)]
编辑切换为居中
添加图片注释，不超过 140 字（可选）
图1 新闻数据样例（负面）
由上图示例可以直观了解到，从事件的性质来讲，这是一条负面信息，具体属于企业“资本财务”的细化维度，直接在“同比减少”的关键字上可以体现出事件好坏的客观属性。如果从银行、政府、投资等机构角度来评估该企业综合风险的话，这条新闻媒体信息自然是一项风险数据，说明企业当前或历史的经营状况存在一定负面情况，类似样例的事件内容是非常具有参考性的。
接下来我们再来看一个正面新闻信息样例，如图2所示。
[backcolor=rgba(18, 18, 18, 0.5)]
编辑切换为居中
添加图片注释，不超过 140 字（可选）
图2 新闻数据样例（正面）
类似图1的分析思路，对于企业来讲，这是一条正面信息，在“设立”等字眼上可以体现出企业在“业务发展”维度的能力，这对企业的特征画像描述也是非常有价值的。此外，还有一类中性的新闻信息，从文本难以直接判断信息的好坏程度。对于新闻信息“正面”、“负面”、“中性”的分类，加工逻辑是在新闻文本信息的基础上，通过关键词搜索进行判断，各类属性的关键词举例如下：
（1）正面：同比增长、签订、举行、预增、投建、收购、落地、发明专利等；
（2）负面：同比下降、违法、减持、亏损、召回、质押、辞职、下降等；
（3）中性：投入使用、上市交易、担保、维持、拟成立、解除质押等。
此外，新闻信息的获取渠道是非常多的，对于三方数据提供方来讲，具体也要根据企业所属的行业类型进行适当区分，以前边样例企业来讲，新闻来源可以包括新浪网、凤凰网、搜狐网、中财网、腾讯网、华讯财经、南方财富、网易新闻等。
对于一家企业的日常经营活动，信息量是非常大的。在实际场景中，若获取企业在某段时间窗有价值的新闻信息数据后，具体是通过主体名称、发布日期、事件性质、风险类别等方面进行加工处理，从而可以得到具体的新闻数据标签，这样就能较方便地实现企业舆情信息的客户画像。在信贷领域中，对金融机构来说，这在企业评估的风控体系中是非常需要的。
结合以上图1、2的新闻样例，我们列出数据机构方针对一条具体的新闻信息数据，经过数据挖掘得到的主要字段有哪些，如图3所示。
[backcolor=rgba(18, 18, 18, 0.5)]
编辑切换为居中
添加图片注释，不超过 140 字（可选）
图3 新闻数据特征
2、新闻数据应用
熟悉了企业新闻信息数据的类型之后，接下来我们重点介绍下新闻数据的应用，具体通过可视化图表来进行说明，这也是企业风险画像描述的主要特点。假设我们获取了某企业的新闻数据，并且通过前边介绍的数据解析逻辑得到相关字段（图3），那么针对企业的舆情信息，我们可以有一个整体描述，例如：
企业在观察期内，共有互联网新闻信息7309条，其中负面信息1839条，正面信息4494条，中性信息976条。在负面信息中，资本财务类106条、产品运营类218条、团队人力类61条、技术知产类19条等。根据具体类型与数值分布，进一步可以通过图表直观展现，如图4所示。
[backcolor=rgba(18, 18, 18, 0.5)]
编辑切换为居中
添加图片注释，不超过 140 字（可选）
图4 企业新闻信息分布
由于每条新闻数据都会有字段“发布时间”，因此可以结合事件级别（正面、负面、中性），加工得到以时间维度进行细化的特征标签，这在风控策略规则的加工，以及数据建模变量的筛选等方面，具有很好的应用之处，现举部分字段样例如图5所示。
[backcolor=rgba(18, 18, 18, 0.5)]
编辑切换为居中
添加图片注释，不超过 140 字（可选）
图5 新闻信息特征字段
根据以上字段，通过求和、同维占比、异维占比、差分、差比等统计学方式，可以进一步扩大特征变量池，这在实际场景应用中是非常有帮助的。当得到一定数量且符合业务需求的特征字段后，无论是策略规则字段，还是模型特征变量，都可以结合具体情况进行选择。例如，特征“近6个月负面新闻信息的数量”，在信贷产品的风控策略模块中，可以通过设定某个阈值构造成一条风控流程的准入规则：“近6个月负面新闻信息的数量>10时，拒绝”，这种加工思路与应用方式在其他数据维度上也是很常见的。当然，每个规则的加工都需要通过实际数据表现分析决定的。同时，根据某个时间窗的统计数据，可以采用可视化图表来直观体现，如图6所示。
[backcolor=rgba(18, 18, 18, 0.5)]
编辑切换为居中
添加图片注释，不超过 140 字（可选）
图6 时间维度信息分布
此外，由于新闻信息的获取可以来源不同的渠道平台，这样可以通过对平台类型的区分，来汇总出相关类型数据，这对企业画像的细节描述与风险评估会有更好的参考性，可视化样例如图7所示。
[backcolor=rgba(18, 18, 18, 0.5)]
编辑切换为居中
添加图片注释，不超过 140 字（可选）
图7 平台维度信息分布
综合以上内容，大家基本熟悉了企业新闻媒体数据的挖掘方法与应用思路，无论是特征字段指指标，还是可视化图表分布，在企业信贷大数据风控体系中，都会对风控效果的提升都会有较好的应用价值。最后，我们结合本文内容再简单总结下企业新闻数据的应用过程：
（1）根据获取的新闻文本数据，采用标签形式挖掘相关字段，例如企业名称、发布日期、事件属性、风险类别等；
（2）重点结合发布日期、风险类别等特征，加工数量、占比、差分等统计学维度的特征变量池；
（3）通过对特征变量的区分度、稳定度等分析，选择效果较好特征作为策略规则、模型变量等字段；
（4）采用合适的可视化图表，将部分具有业务分析意义的字段分布进行展示，以应用在企业画像分析报告。
为大家进一步熟悉本文关于企业新闻媒体信息数据的应用，我们准备了一份比较规范的企业互联网新闻数据征信报告，供各位小伙伴参考学习，详情请大家移步至知识星球查看相关内容。
[backcolor=rgba(18, 18, 18, 0.5)]
编辑切换为居中
添加图片注释，不超过 140 字（可选）
[backcolor=rgba(18, 18, 18, 0.5)]
编辑切换为居中
添加图片注释，不超过 140 字（可选）
[backcolor=rgba(18, 18, 18, 0.5)]
编辑切换为居中
添加图片注释，不超过 140 字（可选）
...
~原创文章
京公网安备 11010802022788号
