货运智慧营销平台应用研究

唐伟忠，廖志林

（中国铁路兰州局集团有限公司 信息技术所，兰州 730000）

随着国民经济的快速发展，传统的铁路货物运输模式已不能适应当前经济发展的需要。要想在日趋激烈的市场竞争中占有一席之地，不仅需要先进的管理思想和观念，还应采用先进的技术和管理手段，以满足日益增长的货物运输需求[1-2]。经过10多年的发展，铁路货运信息化的主体框架已基本建成，尤其是货运电子商务、“前店后厂”、实货制、敞开受理、零散货物快运、批量货物快运等模式的深度推进，对铁路信息化提出了更高要求。但与社会化物流企业相比，铁路货运信息化在运营管理、电子商务、智能化运输和现代物流等方面还存在一定差距[3]。

面对愈演愈烈货运市场竞争，建立一个以货运经营指标体系为基础，将分布在各个信息系统中的孤立业务信息整合起来，形成全面、完整、真实的铁路运输信息链，通过分析、预测、任务跟踪、市场调查等模块组成的货运智慧营销平台，不仅能提高日常的工作效率，提升铁路货运的市场占有率，为货运营销决策提供可依据的参考数据，也可为运输组织、调度指挥、经营管理和营销服务提供更加有力的支撑和保障。

1 智慧平台特点

1.1 基于面向服务架构设计

多种操作平台及异构数据库，需要跨多个系统采集相关业务数据进行数据集成与协同工作。基于面向服务的架构理念，采用分布式、跨平台的企业级JavaEE平台，将平台明确划分为数据访问层、业务逻辑层和表示层，在逻辑上相互独立。其3层结构支持灵活的硬件系统和应用部署，且具有易扩展、易维护、安全性高等特点。总体设计为B/S、C/S混合模式，各功能模块间采用基于Java NIO Socket/JMS双通道技术体系的消息触发模式实现数据共享与联动机制。客户端基于富客户机平台（RCP，Rich Client Platform），技术构建基于微内核、插件式应用程序界面，根据不同岗位、不同需求对各功能模块进行随意组装，解决了跨系统使用不够便捷的问题。

1.2 数据可视化

将数据库中每一个数据项作为单个图元元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，可以从不同的维度观察数据，能以更直观的方式看到数据及其结构关系，从而对数据进行更深入的观察和分析。

1.3 数据源多样化

数据源的多样化便于对既有各种数据进行有效整合。（1）支持 Oracle，DB2，SQLServer，MySQL，SqlServer，Informix等数据源。支持ODBC数据源，支持JNDI数据源，支持共享应用服务器数据源。（2）接口支持JavaApi，Hibernate数据源，支持WebService、SOA等标准的数据。（3）支持文本数据，支持将Excel，txt文件，XML文件等文件型的数据直接作为数据源，也支持内置数据集。

1.4 操作便捷化

（1）自定义图表，实现非IT人员可以进行即时分析，只需要根据业务选择相应的数据，即可以进行分析数据，更快速入手，更方便的使用。（2）提供了OLAP多维分析操作，对已有的表样切换维度进行任意维度自由分析、数据钻取分析、排序、过滤等。（3）对维度直接通过分组以及层级设置进行数据多层钻取，查看数据的详细值，深入了解影响结果的根源因素。（4）不用增加筛选条件，实现分析模板各个控件的联动查询。（5）实现使用时图标行列自由转换。

1.5 分析智能化

（1）面向最终分析人员，通过优化的算法提供所有影响因素，并且智能判断重点因素。（2）对没有建立关联关系的数据关联起来作为整体进行查看和分析，只需根据用户的语义，提供关联设置，并将数据关联，即可得到所需数据。（3）对多种来源的数据利用调度系统智能自动整合，无需额外操作，用户无需关注数据的来源。（4）对一些常用指标进行跟踪、排名，通过模板智能分析变动幅度，实现流失客户预警等功能，做到有数据就有结果[4-5]。

2 功能设计

以大数据辅助决策、精准营销和数据可视化为目标，采用商业智能（BI）、数据挖掘和企业应用集成等技术手段，深度整合铁路货运相关铁路局、站两级信息资源，如货票系统、十八点统计系统、货运调度系统、货运精密统计系统和收入精收系统等[6]，构建面向列式存储的多维数据仓库，应用多种数据挖掘手段对历史数据进行定量分析，发现规律，预测未来发展趋势，为企业及时调整营销策略、实现精准化营销提供有力支撑。系统架构设计，如图1所示。

图1 系统架构

2.1 效益分析子系统

为铁路局集团公司（简称：铁路局）营销项目及货物运输产品从不同运输方式、不同品类、不同物流去向等运价水平及效率指标[7]，包括吨收入率、吨公里收入率、车收入率、静载重以及针对当年执行承运制清算增加的5项支出率、每吨盈余率、每吨利润率等效率效益指标进行分析，谋求实现效益最大途径，为各级管理者提供决策分析工具[8-9]，效益分析，如图2所示。

图2 效益分析

2.2 市场行情子系统

获取除铁路运输以外的相关信息，为营销战略的制定提供数据参考。（1）通过驻企人员采集管内铁路重点企业的公路运输量、公路运输价格、铁路运输量、产品生产量、产品价格和产品库存等数据，通过分析铁路占比变化、铁路产运系数变化、公路运输价格变化等信息，分析企业在铁路物流存在问题从而为企业制定物流方案，促进企业提高铁路物流占比，进而提高铁路市场份额。（2）爬虫技术获取互联网共享数据，分析铁路产运系统变化，为精准营销寻找方向。（3）通过在相关网站每日抓取行情资讯信息，为营销人员提供市场资讯信息，市场行情分析，如图3所示。

图3 市场行情分析

2.3 重点企业监控子系统

对客户信息系统化收集，建立完善的客户信息库，对客户信息更新过程中做到随时记录和管理分析，系统化客户的工作过程，细化客户的需求点，为制定一企一册个性化物流方案供支撑，从而提高客户的满意度和依存度，维护客户关系。（1）细化客户信息，包括行业类型、客户经理、地图维度、所在省、所在地市、客户类型（新建客户、既有客户、潜在客户、问题客户、其它客户）、客户等级（一级、二级、…）、主要物流去向、主要产品、客户产量规模、客户物流总量规模、特殊物流需求、原材料品名、原材料来源等10余项主要信息，为细化客户需求奠定基础。（2）通过对企业生产数据及铁路运输数据的整合，分析企业公路运量、铁路运量、运输距离、历史记录（单日、月度、年度）、货物发送频率（与上次发货间隔时间）等信息，淡旺季趋势、流向分布，掌握重点客户物流消费行为。（3）按客户评价办法对客户进行自动评级，重点企业监控情况，如图4所示。

图4 重点企业监控情况

2.4 任务跟踪子系统

对各级经营单位的货物发送量及运输收入量大经营指标每日进行预算进度动态排名，达到鞭策后进的目的。实现超预算额度、超前预算幅度、倒排日均装车数、日均发送吨、日均运输收入等指标，倒排指标与去年倒排指标对比，为实现各级经营单位边算边干、边干边算成为常态，准确掌握任务目标，做出战略决策[10]。任务跟踪状态，如图5所示。

图5 任务跟踪状态

2.5 市场调查子系统

为铁路局研究货运营销决策、制定货运政策提供数据支撑，为研究铁路局年度运输指标、制定铁路局月度运输技术方案提供依据，按营销管理级别，通过安排专人手工录入的方式采集铁路货源调查基础信息，分旬、月、季、半年、年等时间段预测汇总货源调查需求情况。主要包括：时间（旬、月、季、半年、年）、地级市、站段、货运中心、发货人、发站、品类、品名、去向（含18个铁路局）、到站、发送量、日均车、总计等项点。

2.6 数据查询子系统

为全面掌握营销信息，满足日常营销需要，建立中国国家铁路集团有限公司（简称：国铁集团）数据查询子系统：（1）实现主要指标月度、任意阶段及累计排名；（2）实现近30天国铁集团指标及铁路局指标变化趋势对比；（3）实现国铁集团每日订车及装车查询分析及需求车兑现率统计；（4）是实现对全路指标预算进度排名查询。

2.7 生产及安全子系统

从货运生产角度嵌入目前在使用的相关系统，实现对货运生产的过程监控，从而为提高货运日常统计工作效率，盯空货运生产的物流环节和货运服务质量提供数据支持。包括调度命令查询、车辆分布动态查询、十八点查询、分界口查询、移交车分布、计量设应用动态监控、货车追踪、安全监测设备集中监控、危险货物运输监控等。生产及安全分析，如图6所示。

图6 生产及安全分析

2.8 预警预报子系统

通过对每日请车与实际装车的关系研究铁路供给与市场铁路需求对比，分供给与需求相对平衡、供给不足、需求不足、供给严重不足、需求严重不足等不同警戒线进行预警；对每个车站、每个营业部、每个货运中心、每个客户超历史记录（分最高和最低）进行预警预报；分客户级别对连续几日未装车情况进行预警预报；根据车站日常装车情况对装车情况进行预警预报；涨幅较大、较低车站预警预报；根据历史发运季节指数预警预报；流失及新增客户预警；流失及新增品名预警等，提高营销预见性研判分析能力。

3 结束语

货运智慧营销平台采用商业智能（BI）、数据挖掘和企业应用集成等技术手段，将铁路货运关键数据（货票、精密统计、十八点统计、运货五等）进行深度整合，构建面向列式存储的多维大数据仓库，通过多种数据挖掘手段对历史数据进行定量分析，实现了铁路货运信息系统间数据共享不力、跨岗位使用困难、综合利用率较低等问题，为铁路货运部门发现潜在规律，预测模拟未来发展趋势，及时调整营销策略、实现精准化营销等提供有力支撑。

目前，货运智慧营销平台已于2018年1月取得了国家版权局颁发的软件著作权证书，已在兰州铁路局货运处、各货运中心全面投入应用，对货运营销、决策的支撑作用愈加明显。为货运精准化营销提供了科技支撑，促进运输组织、调度指挥、经营管理和营销服务水平的进一步提升。