我国铁路应用大数据技术的思考

2014-02-11代明睿朱克非郑平标

铁道运输与经济 2014年3期

代明睿，朱克非，郑平标

（中国铁道科学研究院运输及经济研究所，北京 100081）

1 概述

继“物联网”与“云计算”之后，“大数据”成为 IT 业又一热门的词汇，大数据是指“无法用现有的软件工具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合。”业界通常用 4个 V ( 即 Volume、Variety、Value、Velocity ) 来概括大数据的特征[1]。Volume 指数据体量巨大，当前典型个人计算机硬盘的容量为 TB 量级，而一些大企业的数据量已经接近 EB 量级。Variety 指数据类型繁多，相对于以往以文本为主的结构化数据，非结构化数据越来越多，包括视频、图片、地理位置信息等，这些多种类的数据对处理能力提出了更高要求。Value 指价值密度低，以图像识别为例，在图像千万级别计的像素中，有意义的识别目标可能通过少量像素体现，如何迅速从海量数据中提取有意义的信息成为大数据应用中亟待解决的难题。Velocity 指处理速度快，根据 IDC ( International Data Corporation ) 市场研究公司的《 2020 年的数字宇宙》报告，预计到 2020 年，全球数据使用量将达到 35.2 ZB，面对海量的数据，传统的数据处理手段已经不能满足需求，如何提高数据处理效率成为大数据应用中亟需解决的问题。

维克托在其著作《大数据时代》指出：“大数据挖掘的核心特点是‘全量数据、相关关系、预测预判’。”[2]大数据技术不仅能够从海量数据中寻找隐藏其间的关系或联系，还能够从更深的层次去认识和挖掘人类社会和科学运行的内在规律，对未来发生的事物进行预测。

在铁路加快转变发展方式的新形势下，为了适应市场化经营要求，构建铁路运输企业的核心竞争力，提升铁路的持续发展能力和盈利能力，应用大数据技术具有极其重要的现实意义。

（1）提高信息集成和组合的效率。我国铁路信息系统在一定程度上具有分散性，由不同的业务部门主管，呈现出条块分割的现象，导致铁路管理信息的碎片化，信息集成优势尚未显现。大数据技术能够将若干个分散数据源中的数据，逻辑地或物理地集成到一个统一的数据集合中，将相互关联的分布式异构数据源信息整合到一起，建立综合的运输信息体系，提高铁路运输信息集成和组合的效率。

（2）建立面向市场的营销体系。基于各种客户、业务信息，制定长远发展战略决策和日常经营管理决策，是中国铁路总公司营运部、铁路运输企业营销中心等各级经营管理部门的主要职能[3]。其中，面对海量数据，能否通过技术手段进行有效挖掘，获取关键信息，为管理决策提供强大的技术支持，是建立以市场为导向的营销体系的重要前提。而大数据技术正是要通过对这些基础数据进行专业化处理，提供快速获取有价值信息的能力。

（3）开展全程物流与供应链管理。一直以来，铁路主要运输煤炭、铁矿石、粮食等大宗货物，此类货物附加值不高而且运价低廉；家用电器、电子产品等高附加值货物则通常由航空、公路等其他运输方式进行运输，铁路在这类高端货物市场上的份额有限。为了提高运输经营效益，铁路必须开展全程物流服务，将运输服务延伸到客户的供应链中，协调铁路内、外资源共同满足客户运输需求[4]。因此，供应链上、下游之间信息的互联互通和物流环节的协同优化尤为重要，利用大数据技术进行信息整合和数据分析，有助于建立统一管理、经营协同、资源整合、信息共享的信息集成平台，实现供应链管理、运输、物流服务一体化，最大限度地发挥数据信息对提高铁路经营效能的作用。

2 铁路应用大数据技术的发展方向

2.1 开展客户关系管理

通过不同途径积累的海量客户数据中隐藏着用户习惯、市场变化、运输趋势等有价值的信息，这些信息是进行客户关系管理和精准营销的关键。如何利用大数据技术以洞察群体消费特征为目标，挖掘客户需求的潜在方向；以洞察个体消费特征为目标，制订有针对性的营销方案和个性化服务项目，是大数据技术在铁路运输中的重要应用方向。

大数据在客户关系管理中应用的重点主要包括客户分析和客户管理 2 个方面。在客户分析中，首先通过对客户在历史客票及货票中保存的乘车时间、乘车区间、发货时间、发货品类、发货量、发货方向等进行分析，获取客户的出行习惯、发货习惯等，同时利用电话、因特网、物联网等进行客户录音、照片、视频、地理位置等数据的搜集，以及相关数据的集中获取，深层次分析客户的忠诚度、满意度，进而分析该客户对铁路的客户价值，预测客户的长期增长潜力，评估客户的流失风险，并且及时进行预警等。在客户管理中，大数据的应用主要侧重于对客户的精准筛选以确保有限营销资源的精准投递，利用对客户进行分析的结果，结合客户在历史上对价格等信息的敏感度，对客户进行分类营销，筛选出核心目标客户，通过主动营销、服务营销、价格营销等不同方式有针对性地准确传递信息，使铁路能够保留最多客户并且降低营销成本。

2.2 加强市场分析和预测

大数据技术可以利用铁路的客票系统、货票系统、货运电子商务平台、运输信息集成平台等信息系统采集海量的原始信息，这些信息可以为市场分析和预测提供有力的支撑。与传统方法侧重于对调查抽样统计数据的分析不同，基于大数据技术的市场分析和预测技术既能够利用上述海量数据，分析客、货运量完整全面的变化过程，深入挖掘运量变化的规律性，进而预测市场的未来走势；还能够利用 GPS、传感器等物联网手段采集获取精细的运输数据，并且通过互联网接入的政治、经济、其他交通方式、气候等影响因素数据，将旅客和货物流量流向的精细化分析与影响因素关联性分析相结合，挖掘各影响因素对铁路运量变化影响的方向和时滞，量化各因素对运量变化的影响。

2.3 提高运输收益管理

收益管理指在准确把握市场需求的基础上，充分合理使用铁路运输资源，设计合适的运输产品，以合适的价格体系销售给合适的客户群体，目的是实现铁路收益最大化。长期以来，铁路进行收益管理的主要难点集中于如何确定市场需求，如何设计合理的运输产品及其价格体系，以及如何确定运输产品的消费群体，大数据技术为解决这些问题提供了可能。

利用大数据技术铁路能够对市场数据建立实时或准实时的采集、监控机制，对客户在运输产品或运输服务方面的需求进行监控。通过深入挖掘现有运输产品的运营数据，以及客户对现有运输产品的反馈数据，收集、评估运输产品的市场运行情况，结合对运力资源数据的分析，设计符合市场需求和铁路实际情况的运输产品。分析铁路历史运输价格变动下的运量变化情况，研究不同客户群体对运输产品价格的敏感性，以此为依据制定运输产品价格策略和价格体系，并且选择合适的客户群体进行市场营销，从而实现铁路市场营销的精准定位、运输产品与市场需求的紧密契合，进而增加铁路收益。

2.4 发展铁路现代物流

与公路、航空、水运物流相比，我国铁路依然处于物流价值链底端，物流经营管理能力不足，尚未建立起现代物流体系。其中，既有缺乏铁路发展现代物流方面的理论指导、策略支持等方面的原因，也有铁路信息采集利用能力有限、物流信息服务难以满足用户需要等方面的原因。

利用大数据技术的信息采集、分析、挖掘能力，将物流信息在铁路内部实现系统化管理，将现有的粗放、零散的铁路物流数据资源加以整合，实现信息共享与物流资源协调管理，建设成可以根据空间地理信息统一协调运作的现代化物流体系，提高铁路物流运作的自动化程度和决策水平。通过向客户提供铁路物流信息、管理与技术服务，达到合理配置铁路运输资源、降低客户物流成本、提高铁路物流服务水平的目的。

3 铁路应用大数据技术的发展策略

3.1 提高从数据到决策的转化效率

随着新一代客票系统、货运电子商务系统等系统的投入使用和铁路物联网的加速建设，铁路信息源数量呈现快速增长，信息的数量及复杂程度迅速扩大，如何从海量数据中提取有效信息已经成为铁路应用大数据技术的战略性发展要求。例如，为了获取某个客户的发货习惯，需要从大量的历史货票数据中抽取能够代表其发货行为的数据进行分析，以便为该客户制定合适的营销策略提供参考，通过有效的分析技术从海量数据中快速获取目标知识是大数据技术的应用价值。

提高从数据到决策的转化效率可以从 2 个方面入手。首先，将运输数据按照应用目标组织成数据资源体系，再按照层次、类别等对数据进行划分，同时注意数据间的关联性，例如，针对客户分析的数据体系与针对市场分析的数据体系既存在各自的数据特点和分析关注点，又由于客户与市场的紧密性而存在一定的关联性。其次，建立可靠、高效的铁路大数据处理模型、算法及分析处理体系，在此基础上，利用与具体业务需求紧密对接的数据挖掘、分析技术完成数据到决策的有效转化。

3.2 打造铁路“数据供应链”

与电子商务、互联网企业应用大数据技术的天然优势不同，作为传统企业，铁路在决策分析的数据中，绝大多数是铁路在历史生产过程中积累的标准化、结构化的运营数据，这部分数据只占铁路运营分析数据的一小部分，其他大部分数据则广泛存在于与铁路运输相关的其他行业、政府部门、互联网网站、社交网络和电子商务等媒介之中。例如，为了进行铁路运量的分析及预测，不仅需要铁路的历史运量数据，还需要国家的整体经济运行数据、行业发展数据、其他交通运输方式运量及其价格数据等，仅依靠铁路系统内部统计数据无法获取分析所需的足够信息。在客户关系管理中，为了构建立体丰富的客户数据库，仅仅依靠铁路掌握的客户信息是不够的，还需要整合行业协会、其他运输领域中涉及的客户相关数据。

如果各种数据不能在铁路内、外部流动，这些数据就难以发挥应有的价值。内、外部数据的交叉复用和可流转性是大数据技术在铁路系统中发挥作用的前提。为此，铁路运输部门应建立完善的大数据管理机制，同时重视外部数据的积累，打造大数据时代的数据供应链，使外部数据成为提高铁路决策水平的“外脑”。

3.3 建立完善的数据安全和客户隐私保障策略

铁路应用大数据技术的安全风险主要体现在 2个方面：首先，大数据技术分析系统本身存在的安全风险，如网络攻击、系统漏洞等；其次，客户的隐私数据面临泄露风险。铁路企业利用大数据技术既能够获取旅客和货主的身份证号码、联系方式等基础信息，又可以获取旅客和货主深层次的运输习惯等信息。因此，在隐私数据加密方面面临重大挑战，如果没有一个清晰的访问控制规则，将面临客户隐私泄露的风险。为了解决上述问题，首先应建立严格的数据存储机制，防止在大数据整合过程中生产、营销等数据信息混合存储；其次应建立严格的数据访问控制规则，并且使用技术手段依据不同权限做好敏感数据的消隐工作，如客户的名字、身份证号、联系方式等信息。