西安局集團公司貨運站智能營銷決策 系統設計與開發

付曉鳳，范新龍，劉立寧

(1. 西安鐵路職業技術學院 交通運輸學院，陜西 西安 710014；2. 西安鐵路職業技術學院 電子信息學院， 陜西 西安 710014；3.中國鐵路西安局集團有限公司 貨運部，陜西 西安 710054)

中國鐵路西安局集團有限公司(以下簡稱“西安局集團公司”)現有貨運營業里程5 425 km，覆蓋陜西省全境，有160多個辦理貨運業務的車站，包括貨運專辦站、兼辦站、僅辦理專用線業務的車站，有的歸貨運中心站管理，有的歸車務段管轄。各站獨立經營，資源和業務比較分散，管理和運營效率較低，直接影響了西安局集團公司的整體效益和發展。為在激烈的市場競爭中取得優勢，必須加強市場營銷管理工作，充分發揮基層站段的作用。貨運站智能營銷決策系統的設計開發與運用，給貨運站工作提供與市場對接的技術和方法，給西安局集團公司帶來了發展新機遇。

1 西安局集團公司貨運營銷系統現狀及存在問題

20世紀90年代末，陜西省高速公路迅猛發展，給鐵路貨運市場帶來了沖擊。為了提高市場競爭力，西安局集團公司逐步開展貨運營銷工作，建立市場營銷機制，完善營銷管理系統。西安局集團公司現有貨運站營銷管理相關系統主要有貨運計劃管理系統(FMOS)、95306電子商務系統、運貨五、18點系統、貨運票據電子化系統、保價運輸管理系統、貨運站安全監控與管理系統、貨運辦公管理系統、中長期合同履行兌現預警系統、集裝箱管理系統、貨調系統等近30個系統，實現了貨運生產管理、客戶網上提報運輸要求等基本服務功能，形成了海量的信息源。這些系統沒有經過整體規劃設計，各系統獨立設計、獨自運營，造成各系統的數據統計口徑不一，協同聯動能力不強，信息查詢及傳遞繁瑣，降低了工作效率。同時，由于缺乏上下游客戶的生產、銷售等資料，不能最大限度挖掘客戶資源、實時監測客戶運輸需求，市場反應較為遲緩。調研顯示西安局集團公司貨運營銷管理系統主要存在以下問題。

（1）側重運輸生產管理，缺乏對客戶市場調查分析，客戶服務功能較少。現有的營銷管理系統所提供的客戶服務僅限于網上需求提報、運費查詢等，運輸產品定制、服務推送等功能欠缺，與客戶互動較少。

（2）由于各系統建設時間不一，數據結構不一致，無法提供貨運工作需求的統一、完整信息，信息交換與共享程度較低。例如，站段無法與互聯網交換外部相關信息，難以實現與其他物流企業的信息交流，影響了多式聯運及全程物流業務的開展。

（3）營銷管理及決策功能不完善，難以實現“一對一”的營銷策略，不利于應對瞬息萬變的運輸市場。現有營銷管理系統大多僅匯總了生產數據，分析功能欠缺，企業只能憑經驗決策。例如，中長期合同兌現預警系統雖然具有大宗貨物合同兌現分析及預警功能，但缺乏對客戶的深層分析，以及對零散客戶的管理分析，無法提供精準、有效的營銷及運輸決策方案。

面對激烈的市場競爭，迫切需要具有智能化的決策分析系統來提供精準、滿意的服務。設計開發“西安局集團公司貨運站智能營銷決策系統”，以實現各系統的信息整合、重構，并利用數據挖掘等智能技術，建立統一、綜合的智能決策、營銷管理與服務平臺，提高市場競爭力。

2 西安局集團公司貨運站智能營銷決策系統構架

2.1 構建目標

西安局集團公司貨運站智能營銷決策系統以客戶為主導，以市場需求為導向，以貨運站為服務單元，依托西安局集團公司、車務段或貨運中心，充分整合貨運站服務范圍內的各種信息，優化資源，及時調整運營方案，靈活、精確地為客戶匹配運輸產品或物流服務[1-2]，提高西安局集團公司貨運服務質量和運營效率。西安局集團公司貨運站智能營銷決策系統運用GIS、大數據、北斗導航等技術，采用數據融合、智能決策理論和推理方法[3-6]，打通西安局集團公司內部各車站、車間、車站與客戶及相關企業的信息壁壘，進行信息整合與共享，實現貨運市場分析、需求預測與預警、客戶管理、資源整合、智能營銷決策等功能，為貨運站的精準營銷提供技術支撐。西安局集團公司貨運站智能營銷決策系統構建目標如圖1所示。

圖1 系統構建目標Fig.1 System construction objectives

2.2 關鍵技術及方法

2.2.1 大數據精準營銷技術

大數據技術可以從海量無規則的數據中利用數據挖掘等技術，挖掘分析數據的內涵意義，找出其中隱藏的規律，并能將數據分類整合后提供給用戶，幫助用戶進行準確判斷和決策。

大數據提供各種分析算法及模型，常用的有回歸法、聚類分析法、神經網絡、智能推理、優化算法、深度學習算法等[6]，可進行運量預測和分析，并結合市場環境及社會發展特點，及時將企業的生產銷售狀況及預警信息反饋，使貨運站認識到不足，及時控制風險，調整運輸方案，提高服務質量。可根據客戶行為特征，挖掘價值用戶，還可根據已經建立的客戶信息庫，及時追蹤客戶動態，與客戶進行交流，明確客戶的生產、銷售、運輸需求特征，有針對性地進行營銷與運營等方案的設計，合理推送運輸產品及物流服務，實現精準營銷[7]，提高客戶的滿意度和忠誠度。

2.2.2 市場營銷智能決策方法

傳統的決策支持系統(DSS)是以模型庫、數據庫為基礎的，以定量分析為主的決策支持系統。利用智能技術解決市場營銷問題的市場營銷智能決策系統(MIDSS)，可以彌補傳統DSS在數據分析和挖掘方面的不足，融合了專家系統的知識庫，運用數據倉庫(DW)、聯機分析處理(OLAP)、數據挖掘(DM)、智能推理、決策技術、電子商務(EC)等技術，揭開隱藏在數據后面的規律，實現風險監控，有效地支持企業的營銷決策[8]。

西安局集團公司貨運站智能營銷決策系統依托貨運站相關的鐵路現有數據和歷史數據，利用大數據平臺和MIDSS方法，挖掘車站內外部信息，為決策者提供科學、完整的決策信息，有效提高西安局集團公司的市場競爭力。

按照MIDSS的研究方法[4]，確定研究思路及體系結構。MIDSS的體系構架如圖2所示，即對于相關信息，進行信息提取、處理，逐步實現選擇、編輯、分析等功能，建立數據倉庫，進行分析決策，實現對信息的高效訪問、查詢、分析、利用功能。

圖2 MIDSS的體系構架Fig.2 Architecture of MIDSS

（1）信息提取。對貨運站內、外部相關的各種原始信息進行分類提取、初步加工。系統對于傳統的結構型數據采用SQL技術抽取，對于半結構性數據采用ETL技術進行抽取、轉換，網頁信息用網絡爬蟲進行抽取，并用Hadoop技術對信息進行預處理。由于各種數據結構不同，需要先把抽取的跨平臺、跨網絡、跨程序的異構數據轉換為一種系統易于識別的XML標準通用格式文檔，形成“數據島嶼”，即信息交換中間平臺，借助Web Service接口進行信息的交換、共享、分析和傳輸。通過定制規則定時提取數據到系統數據庫共享平臺，根據不同業務需求，設定不同同步時間，對于實時數據可以設置每天固定時間獲取，長周期數據可間隔指定時間獲取，網頁數據隨時抓取[6]。

（2）信息存儲。經過提取層的加工、處理、凈化，按不同的主題重組后，存放在數據倉庫中，以便進行數據挖掘和分析。大數據由數據倉庫、MPP、Hadoop構成多種混搭結構，高性能數據加工及綜合分析由Oracle 12c數據倉庫完成，儲存跨領域的數據；采用大規模并行分析數據庫MPP深度分析管理長周期歷史數據；海量非結構化數據主要存儲于分布式處理系統Hadoop，以便進行批量處理及挖掘分析。通過全文檢索引擎Elastic Search 快速創建全文 檢索[7-8]。

（3） 信息分析。運用大數據、OLAP的分區及并行分析、數據挖掘、決策分析多種技術，對提取的信息進行多維分析，獲得對決策有用的價值。例如，運用模糊聚類法、神經網絡、聚類分析法、貝葉斯分類技術，可以對客戶進行動態或趨勢分析，采用決策樹、優化算法、遺傳算法、智能推理等方法進行營銷決策[8]。

（4）信息展示。運用可視化技術、檢索工具等，將大數據統計分析的結果以圖表、GIS電子地圖、文件形式進行實時的、聯動的可視化展示，并可進行動態的分析(如鉆取、切片和旋轉/縮放等)。采用報表生成技術和B/S架構，通過瀏覽器為用戶展示分析后的結果，并對展示的信息進行再分析和利用。

2.3 設置與運用

分別在西安局集團公司鐵路內網和互聯網設置應用系統，并可設立移動APP、微信公眾號，為客戶及外部營銷人員提供運用接口，實現與現有鐵路信息系統的數據共享。系統應用服務器主要發布接口程序和Web應用程序，為各用戶提供響應需求，外部應用服務器利用中國國家鐵路集團有限公司的網絡安全平臺訪問鐵路內網，為移動APP提供相關數據。采用基于Web的B/S (Browser/Server)結構，無需安裝客戶端，瀏覽器通過Web Server數據庫進行數據交換，用戶只需通過瀏覽器就可以進行操作訪問。B/S系統構架如圖3所示。系統分為客戶端和服務器端，應用程序放在Web服務器和APP等應用服務器上，知識庫、模型庫、數據庫等放在數據庫服務器上。

西安局集團公司貨運站智能營銷決策系統適應于管內各車站的貨運營銷管理，還可用在貨運中心站、車務段、鐵路局集團公司對站段的營銷管理與決策分析，尤其是信息及物流資源的整合與優化。

3 系統功能實現與開發

3.1 系統功能模塊

通過對貨運站范圍內大宗貨源、零散貨源及工商企業、競爭企業的生產及物流狀況、運輸需求進行調查分析，在充分滿足用戶需求的前提下，本著生產緊密圍繞市場，服務緊貼客戶的原則，以快速反應、精準服務為宗旨，設定系統的功能模塊。系統實現的功能模塊如圖4所示。

圖4 系統實現的功能模塊Fig.4 Function module of the system

（1）客戶管理。通過鐵路電子商務管理系統或車站管理等系統導入客戶信息，在現有大客戶的基礎上，增加對零散客戶和潛在客戶的分類管理，分別建立客戶檔案。深入挖掘分析不同客戶的市場價值，實現鐵路運輸企業與客戶的定位匹配、能力匹配、價值匹配，便于開展靶向服務。完善貨運站客戶服務和管理機制，提高服務水平。①客戶信息采集、挖掘。采集車站已有的大宗客戶、零散客戶信息，挖掘潛在客戶信息。②客戶信息分析。將客戶按品類別、忠誠度、運輸周期、價值等進行細分，并按年度、月度、日歷需求、產品流向、往來物流企業、裝車及落空原因等進行分析。③信息查詢。為客戶提供相關車站及站內資源、營業范圍、運輸能力及限制、運輸產品、運價、物流軌跡等查詢。建立客服智能知識庫，將客戶關心的常見問題、法律法規等，整理出來進行智能服務、查詢。④反饋評價。設計評價體系和標準，供客戶打分評價，設置網絡留言或投訴電話表達意見或投訴。

（2）運輸市場分析。對車站吸引范圍進行貨源調查，并對同行市場進行分析。①市場調查。設計調查問卷、調查計劃，進行深入的市場調查，并對調查數據進行統計分析。②繪制供需市場分布圖。通過對廠礦、企業的調查，繪制可視化的供需市場分布圖，在圖上分別用不同符號標注已有客戶和潛在客戶的位置，以供車站確定貨源范圍和營銷對象；在圖上分層標注西安局集團公司各貨運站位置及營業范圍、運輸限制、資源分布、周邊物流公司分布、交通線路等信息，以便客戶查詢并確定辦理站[3]。③運量預測。采用回歸分析、模糊矩陣等模型，預測不同時間段的品類別運量和總運量，以便合理安排運輸運力[6]。④其他相關信息分析。分析競爭企業的運價、運輸產品、相關政策和運輸環境，為營銷決策提供借鑒。

（3）預警分析。設置各種情況的閾值參數，確定預警指標及算法庫、預警級別標準以及預警方式，當預警項目指標超過閾值時，系統會提供預警信號。并建立預警日志，對各種預警信息進行記錄，集中展示，并可以分類按條件搜索、導出等。①市場行情預警。監測車站附近各工商企業的庫存、生產、銷售、物流狀況，對異常變化分別進行預警。②運輸服務預警。對車站的各種運輸能力、集裝用具等資源不足以及停限裝限制等預警。③客戶狀況預警。對客戶運量異常變化、落空、客戶忠誠度大幅降低、客戶評價較差以及投訴建議等預警。④價格異常預警。對鐵路或其他運輸方式運價變化異常可能對車站運輸產生影響的情況預警。

（4）營銷管理。對市場營銷狀況進行分析管理。①營銷計劃管理。對制定的營銷計劃進行分類管理。②營銷資源管理。對各類營銷人力資源、物力資源、財務資源等，建立資源庫，進行分類管理。③效果評價。建立營銷評價指標體系，對營銷結果進行分析評估，為提高營銷水平和效率提供依據。

（5）營銷決策。運用智能決策分析技術[8-9]，進行需求分析與市場預測，實現對批零快運產品、重點物資、特貨、國際聯運產品、聯運物流方案，以及運價調整、營銷渠道、促銷方案及其組合的決策分析。

通過建立各種營銷決策知識庫和模型庫，根據決策者的需求，選擇模型，進行推理決策，展示決策結果，并根據客戶需求，實時推送運輸產品組合、物流服務方案、價格評估范圍等決策信息。

3.2 系統實現與開發

西安局集團公司貨運站智能營銷決策系統以大數據平臺為支撐，運用專家系統的各種知識、統計分析模型、智能推理，采用人機交互方式實現貨運站智能營銷決策。

（1）實現流程。根據用戶的主題或需求，實現信息提取、分析與決策(數據挖掘、OLAP分析、數據倉庫、模型庫及知識庫的構建與管理)，人機交互(為營銷管理者及客戶提供與系統交互的接口，營銷管理者選擇算法模型和信息進行分析決策，并將結果以圖形、報表等形式展現給用戶)。基于大數據的系統實現流程如圖5所示。分析決策功能是智能決策系統的核心，由數據倉庫、知識庫、模型庫、OLAP、數據挖掘系統組成[6]。系統信息由數據庫提供，信息的存儲由數據倉庫實現，OLAP聯機分析處理技術可對數據倉庫的信息進行數據多維分析，數據的挖掘和決策分析由模型庫實現，通過知識庫對知識進行定性管理與分析。模型庫和知識庫的構建是大數據挖掘和分析決策的關鍵，開發技術是系統實現的保障。

圖5 基于大數據的系統實現流程Fig.5 System implementation flow based on big data

（2）模型庫構建與設計。根據大數據挖掘分析及決策的需要選擇合理的算法模型，并構建模型庫，供營銷決策者選用。模型庫由用戶平臺和管理庫平臺組成。用戶平臺以層次菜單形式表示，引導用戶選用模型。管理平臺包括模型字典管理和模型維護管理模塊。字典庫根據字典信息對模型進行訪問查詢，以關系數據庫形式存放。模型維護庫由維護模塊和生成模塊構成，模型維護庫根據字典信息進行修改維護；還可根據需要，構造新的算法模型，通過模型生成模塊，導入模型庫。算法模型通常有回歸分析法、聚類分析法、關聯法則、神經網絡、遺傳算法、決策樹等，可導入模型庫。在系統設計中，選用模型庫中的聚類分析k-means模型將客戶按忠誠度、價值大小等細分為多個客戶子集，建立客戶數據庫進行分析；用關聯規則挖掘潛在價值客戶，進行產品定位、設定營銷方案；用決策樹分析法可選擇最優運輸方案、營銷組合；用時間序列模型(多元回歸模型、矩陣模型等)預測品類別運量及發展趨勢；用判別分析模型進行市場分析及預警；用因子分析模型分析政策、環境等因素對貨運站周邊運輸市場的影響，據此確定營銷策略[6]。

（3）營銷知識庫的構建與設計。營銷知識庫系統由各類營銷知識組成的知識庫及知識管理系統構成。知識庫存放事實類和規則類知識，分別存放于事實庫與規則庫中。事實庫存放錄入的初始數據和中間推理結果，規則庫存放專家總結、推理出來的各種數據，以表格形式存儲于事實庫和規則庫中。知識的推理、查詢、導出，通過智能推理機制實現，即根據營銷決策者或用戶的需求設定問題，利用知識庫中的知識，采用特定的推理方法，通過搜索引擎，導出問題的答案，從而實現營銷決策[9]。

知識管理系統由管理模塊和維護模塊組成，管理模塊負責對知識的導入、查詢、擴充與發布等功能，維護模塊負責對知識庫的一致性、冗余性、兼容性等的檢查、修改等功能。

（4）系統開發技術。遵循開放性、實用性、簡潔直觀性、安全性的原則進行開發設計。①系統采用B/S架構，用Java編程語言進行開發，建立基于eclipse及插件的RCP(富客戶平臺)作為主開發平臺，各模塊作為互不影響的獨立插件，在需要加入新模塊或新功能時，不影響已有的模塊系統。②分別采用SQL、ETL、網頁云爬蟲技術提取信息，存放于XML的數據共享集成平臺，按照時間、空間等多個維度建立基于不同主題(產品、客戶、企業等)的星型結構數據倉庫集合存儲各類數據，采用OLAP10g聯機處理技術、各種分析模型、智能推理技術進行分析決策。③運用R語言的可視化展示與數據分析技術進行分析展示，運用Elastic Search全文檢索組件技術進行搜索查詢。④采用防火墻、權限認證等多重安全保障技術[10]。

4 結束語

西安局集團公司貨運站智能營銷決策系統完善了貨運站營銷分析與智能決策功能，有利于實現客戶與鐵路基層單位的密切聯系，為客戶提供更多選擇車站物流服務項目及資源的平臺及建言獻策的途徑；有助于鐵路基層站段實時調整運營方案，控制風險，優化運輸資源，積極為客戶定制“一對一”的營銷服務策略，有效改善服務質量，提高市場占有率和運輸效率，實現互利雙贏。貨運站智能營銷決策系統還需在以下方面逐步完善：一是模型算法庫、知識庫內容欠全面，預警指標和客戶評價指標體系有待進一步完善；二是系統功能模塊需根據實際需要進行細化；三是需通過大量的走訪調查，獲取各貨運站貨源分布及客戶企業生產、物流情況的完整資料，進而繪制基于GIS和北斗導航系統的西安局集團公司各貨運站供需市場分布圖。