王新钟

(神华新准铁路有限责任公司，内蒙古鄂尔多斯 017000)

1 铁路大数据应用发展现状

1.1 铁路大数据发展顶层规划

铁路在运输生产和经营活动中，产生和积累了海量的旅客出行、货运物流、安全监测、工程建设等数据。这些数据的应用，对于促进国家综合交通运输体系规划和发展、满足人民群众和行业企业对交通运输信息日益增长的需求、服务国家“走出去”和“一带一路”战略实施具有重要的价值。

开展大数据应用，加快推动铁路数据资源开放共享和开发利用，实现数据规模、质量和应用水平同步提升，发掘和释放数据资源的潜在价值，有利于推动铁路供给侧改革，激发深化铁路改革的动力和活力，提升铁路管理水平和服务质量，增强安全风险防控能力，实现铁路运营和管理的精准性、高效性、预见性；有利于培育新的业态和经济增长点，进一步拓展铁路业务空间，提升业务价值；有利于促进智能铁路建设，满足国民经济对铁路发展的要求。大力推进铁路大数据应用，已经成为新时期铁路发展的重要手段和途径。

2017年6月30日，中国铁路总公司印发《铁路大数据应用实施方案》，进一步明确国内铁路大数据发展的思路和脉络，也为货运铁路企业充分利用大数据技术，开展本企业及关联企业数据资产管理和基于大数据的智能化应用指明方向。

1.2 铁路大数据应用现状

1.2.1 大数据应用基础建设

开展大数据标准规范建设，建立铁路大数据资源目录，确定大数据资源分类、数据内容和数据规格。建立内部数据共享标准、制定共享数据目录，形成数据内部数据采集、交换、共享和使用规范。

1） 2017年，研究制定铁路大数据标准规范体系框架，启动各领域数据资源梳理工作。

2）2018年，梳理铁路各领域数据资源，确定数据内容、采集方式、初步建立数据资源目录和数据共享目录，明确了铁路内部数据共享及与政府部门、外部企业以及国外铁路企业等数据共享的技术标准、技术规范和实现方式。

3）2019年，启动各专业数据标准制定工作，基本形成了铁路大数据标准体系框架，铁路大数据采集能力、分析能力、应用能力得到提升。

1.2.2 大数据管理制度建设

通过严密的管理制度，强化数据采集、数据质量、数据管理、数据运维、数据提供、数据使用和数据安全工作，建立数据分级分类管理机制，保障大数据应用工作有序、规范开展。

1）2017年，全面启动铁路大数据管理相关办法的制定。制定铁路大数据管理办法，建立数据共享和交换制度，建立大数据应用评价考核制度，建立大数据应用项目管理机制。

2） 2018年，铁路大数据管理体系基本形成，并试点推广。

3）2019年，铁路大数据应用过程中，全面推行大数据系列管理办法。

1.2.3 各专业大数据应用建设

分别在运输调度大数据、客运大数据、货运大数据、精准客服大数据、设备状态大数据、价格分析大数据、安全风险管理大数据、建设管理大数据、经营开发大数据、铁路警务大数据、审计大数据、人力资源大数据、财务大数据等专业领域不断深化大数据应用，整合铁路运输各领域大数据资源，基于生产作业信息、业务管理信息、设备状态信息、地理空间信息、环境信息以及相关行业信息，以自感知、自诊断、自学习、自决策为重点，深化大数据分析挖掘和智能化应用，为调度指挥、客货运输、营销决策和安全管理等提供技术支撑，全面提升中国铁路智能化水平。

2 货运铁路大数据技术体系

2.1 铁路大数据技术参考架构

参考各行业大数据技术架构，结合铁路大数据的特点和实际，从构成上看，铁路大数据技术参考架构是由一系列在不同概念层级上的逻辑构件组成的。铁路大数据技术参考架构分为5个部分，18个构件。参考架构如图1所示。

第一个部分：铁路大数据源。包括调度、经营、客运、货运、客服、安全、建设及各专业数据源。

第二个部分：大数据处理技术域。包括开源基础组件、流媒体处理分析工具、数据库和大数据整合工具。

第三个部分：大数据整合技术域。包括文本分析、大数据发现、大数据质量、主数据管理、信息政策管理、数据仓库和数据集市、大数据分析和报告。

图1 铁路大数据技术参考架构Fig.1 Technology reference architecture of railway big data

第四个部分：大数据管理技术域。包括大数据标准和规范、大数据安全和隐私、大数据全生命周期管理。

第五个部分：信息基础设施，铁路私有云计算平台。

2.2 货运铁路大数据平台总体方案

货运铁路大数据平台统一为各业务应用系统提供基础数据、共享数据和大数据分析服务，主要由基础数据管理、数据集成、数据共享、大数据存储与分析组成。货运铁路大数据平台总体方案如图2所示。

图2 货运铁路大数据平台总体方案Fig.2 Overall scheme of big data platform of freight railway

货运铁路大数据平台按照集团公司（总公司）、子分公司两级部署。其中子分公司级大数据存储与分析功能，可以根据集团公司生产运营需要及信息化发展实际情况，研究后确定进行针对性建设和部署。

数据源包括：业务系统、外部数据、物联网数据、互联网数据等。通过中间数据平台的加工和处理，为上层的铁路业务应用，如：市场营销、运输生产、智能决策、运输安全、外部服务提供数据支撑和理论支持。

3 货运铁路企业数据资产管理实践

3.1 数据资产管理框架模型和大数据管理成熟度模型

数据资产管理框架模型：包含顶层设计、数据管理环境、数据管理域、数据管理过程4部分。如图3所示。

图3 货运铁路企业数据管理框架模型Fig.3 Data management framework model for freight railway enterprises

顶层设计：包含数据相关的战略规划、组织构建和架构设计，是数据资产管理具体实施的重要基础。

数据管理环境：包含内外部环境和关联因素，是数据资产管理实施的重要保障。

数据管理域：包含数据管理体系和数据价值体系，是数据资产管理实施的具体对象。

数据管理过程：包含统筹和规划、构建和运行、监控和评价、改进与优化，是数据资产管理实施的具体方法。

结合货运铁路特点及企业开展大数据的相关工作实际，构建货运铁路企业大数据管理成熟度模型，该模型设立4个领域的11个数据资产管理成熟度指标，如图4所示。

图4 货运铁路企业大数据管理成熟度模型Fig.4 Big data management maturity model for freight railway enterprises

3.2 货运铁路企业数据资产构成

实现货运铁路企业数据资产有效管理，需要建立“四个清单”，分别包括：信息系统资产目录清单；构成每个信息系统硬件资产清单；构成每个信息系统软件资产清单；每个信息系统产生的数据资源清单，以达到全方位的统计。

货运铁路企业数据资产大致分为3种类型：第一种，铁路运输生产内部数据。包括：铁路货运服务数据、安全监控数据、运输组织数据、工程建设数据、基础设施运维数据、企业经营管理数据、企业支持类数据等。第二种，铁路运输生产供应链数据。包括：地质勘探信息、运维备品备件信息、运输装备制造信息、物资材料信息、人才信息等。第三种，铁路运输生产社会相关数据。包括：货源地、集疏运车站港口信息、社会货运量数据、主要运输品类数据、网络舆情信息、铁路沿线气象地灾信息、地方消防警务治安信息、宏观经济指标等。

货运铁路企业数据资产总体构成，如图5所示。

3.3 货运铁路企业数据资产管理规范体系

为了保障货运铁路企业数据资产管理活动顺利实施和推进，需要建立1套覆盖数据采集、数据管理、数据使用、数据开放、数据共享等整个生产运营过程的数据管理规范，从制度上保障货运铁路企业数据资产管理工作有据、可行、可控。梳理归纳货运铁路企业数据资产管理规范体系架构，如图6所示。

4 铁路行业企业数据资产管理发展趋势和挑战

困扰铁路行业（垂直行业）企业数据资产化的关键问题主要包括：数据确权困难、数据估值困难和数据交易市场尚未成熟。

1）数据确权困难

图5 货运铁路企业数据资产总体构成图Fig.5 Overall composition of data assets of freight railway enterprises

图6 数据资产管理规范体系架构Fig.6 Architecture of management standard system of data assets

明确数据权属是数据资产化的前提，但目前在数据权利主体以及权力分配上存在诸多争议。数据权不同于传统物权。物权的重要特征之一是对物的直接支配，有的数据产生之初由建设单位、设计单位或者设备商支配，有的产生之初便被数据收集人支配；在数据处理阶段被各类数据主体所支配。

2）数据估值困难

垂直行业数据资产价值决定因素主要包括：质量、应用和风险3个维度。质量是决定数据资产价值的基础，合理评估数据的质量水平，才能对数据的应用价值进行准确预测；应用是数据资产形成价值的方式，数据与行业应用场景结合才能贡献经济价值；风险则是指法律和道德等方面存在的限制。评估数据资产的价值需要考虑多方面因素，数据的质量水平、不同的行业应用场景和特定的法律道德限制均对数据资产价值有所影响。

3）数据交易市场尚未成熟

由于数据权属和数据估值的限制，以及数据交易政策和监管的缺失等因素，目前国内的数据交易市场，尤其是垂直行业在发展过程中，依然面临诸多困难，阻碍数据资产化的进程。主要体现在两点：一是市场缺乏信任机制。二是缺乏良性互动的数据交易生态体系。数据交易中所涉及的采集、传输、汇聚活动日益频繁，相应的个人隐私、商业机密等一系列安全问题也日益突出，亟需建立包括监管机构和社会组织等多方参与的，法律法规和技术标准多要素协同的，覆盖数据生产流通全过程和数据全生命周期管理的数据交易生态体系。

5 结束语

结合国内铁路大数据的顶层规划和应用现状，创新性的提出符合货运生产实际的铁路大数据技术参考架构和大数据平台总体方案，详细阐述了企业数据资产管理过程中诸多方面和维度的应用实践，包括数据资产管理模型框架、成熟度模型、数据资产构成、管理规范体系等，最后总结了数据资产管理应用落地过程中面临的问题和挑战。后续工作中，仍需要不断摸索数据资产管理过程的路径和方法，及时总结经验并形成标准和规范，从而指导企业数据资产管理的后续工作，推动铁路行业，尤其是货运铁路领域大数据应用水平和智能化水平的不断提升。