付晓凤，范新龙，刘立宁

(1. 西安铁路职业技术学院 交通运输学院，陕西 西安 710014；2. 西安铁路职业技术学院 电子信息学院， 陕西 西安 710014；3.中国铁路西安局集团有限公司 货运部，陕西 西安 710054)

中国铁路西安局集团有限公司(以下简称“西安局集团公司”)现有货运营业里程5 425 km，覆盖陕西省全境，有160多个办理货运业务的车站，包括货运专办站、兼办站、仅办理专用线业务的车站，有的归货运中心站管理，有的归车务段管辖。各站独立经营，资源和业务比较分散，管理和运营效率较低，直接影响了西安局集团公司的整体效益和发展。为在激烈的市场竞争中取得优势，必须加强市场营销管理工作，充分发挥基层站段的作用。货运站智能营销决策系统的设计开发与运用，给货运站工作提供与市场对接的技术和方法，给西安局集团公司带来了发展新机遇。

1 西安局集团公司货运营销系统现状及存在问题

20世纪90年代末，陕西省高速公路迅猛发展，给铁路货运市场带来了冲击。为了提高市场竞争力，西安局集团公司逐步开展货运营销工作，建立市场营销机制，完善营销管理系统。西安局集团公司现有货运站营销管理相关系统主要有货运计划管理系统(FMOS)、95306电子商务系统、运货五、18点系统、货运票据电子化系统、保价运输管理系统、货运站安全监控与管理系统、货运办公管理系统、中长期合同履行兑现预警系统、集装箱管理系统、货调系统等近30个系统，实现了货运生产管理、客户网上提报运输要求等基本服务功能，形成了海量的信息源。这些系统没有经过整体规划设计，各系统独立设计、独自运营，造成各系统的数据统计口径不一，协同联动能力不强，信息查询及传递繁琐，降低了工作效率。同时，由于缺乏上下游客户的生产、销售等资料，不能最大限度挖掘客户资源、实时监测客户运输需求，市场反应较为迟缓。调研显示西安局集团公司货运营销管理系统主要存在以下问题。

（1）侧重运输生产管理，缺乏对客户市场调查分析，客户服务功能较少。现有的营销管理系统所提供的客户服务仅限于网上需求提报、运费查询等，运输产品定制、服务推送等功能欠缺，与客户互动较少。

（2）由于各系统建设时间不一，数据结构不一致，无法提供货运工作需求的统一、完整信息，信息交换与共享程度较低。例如，站段无法与互联网交换外部相关信息，难以实现与其他物流企业的信息交流，影响了多式联运及全程物流业务的开展。

（3）营销管理及决策功能不完善，难以实现“一对一”的营销策略，不利于应对瞬息万变的运输市场。现有营销管理系统大多仅汇总了生产数据，分析功能欠缺，企业只能凭经验决策。例如，中长期合同兑现预警系统虽然具有大宗货物合同兑现分析及预警功能，但缺乏对客户的深层分析，以及对零散客户的管理分析，无法提供精准、有效的营销及运输决策方案。

面对激烈的市场竞争，迫切需要具有智能化的决策分析系统来提供精准、满意的服务。设计开发“西安局集团公司货运站智能营销决策系统”，以实现各系统的信息整合、重构，并利用数据挖掘等智能技术，建立统一、综合的智能决策、营销管理与服务平台，提高市场竞争力。

2 西安局集团公司货运站智能营销决策系统构架

2.1 构建目标

西安局集团公司货运站智能营销决策系统以客户为主导，以市场需求为导向，以货运站为服务单元，依托西安局集团公司、车务段或货运中心，充分整合货运站服务范围内的各种信息，优化资源，及时调整运营方案，灵活、精确地为客户匹配运输产品或物流服务[1-2]，提高西安局集团公司货运服务质量和运营效率。西安局集团公司货运站智能营销决策系统运用GIS、大数据、北斗导航等技术，采用数据融合、智能决策理论和推理方法[3-6]，打通西安局集团公司内部各车站、车间、车站与客户及相关企业的信息壁垒，进行信息整合与共享，实现货运市场分析、需求预测与预警、客户管理、资源整合、智能营销决策等功能，为货运站的精准营销提供技术支撑。西安局集团公司货运站智能营销决策系统构建目标如图1所示。

图1 系统构建目标Fig.1 System construction objectives

2.2 关键技术及方法

2.2.1 大数据精准营销技术

大数据技术可以从海量无规则的数据中利用数据挖掘等技术，挖掘分析数据的内涵意义，找出其中隐藏的规律，并能将数据分类整合后提供给用户，帮助用户进行准确判断和决策。

大数据提供各种分析算法及模型，常用的有回归法、聚类分析法、神经网络、智能推理、优化算法、深度学习算法等[6]，可进行运量预测和分析，并结合市场环境及社会发展特点，及时将企业的生产销售状况及预警信息反馈，使货运站认识到不足，及时控制风险，调整运输方案，提高服务质量。可根据客户行为特征，挖掘价值用户，还可根据已经建立的客户信息库，及时追踪客户动态，与客户进行交流，明确客户的生产、销售、运输需求特征，有针对性地进行营销与运营等方案的设计，合理推送运输产品及物流服务，实现精准营销[7]，提高客户的满意度和忠诚度。

2.2.2 市场营销智能决策方法

传统的决策支持系统(DSS)是以模型库、数据库为基础的，以定量分析为主的决策支持系统。利用智能技术解决市场营销问题的市场营销智能决策系统(MIDSS)，可以弥补传统DSS在数据分析和挖掘方面的不足，融合了专家系统的知识库，运用数据仓库(DW)、联机分析处理(OLAP)、数据挖掘(DM)、智能推理、决策技术、电子商务(EC)等技术，揭开隐藏在数据后面的规律，实现风险监控，有效地支持企业的营销决策[8]。

西安局集团公司货运站智能营销决策系统依托货运站相关的铁路现有数据和历史数据，利用大数据平台和MIDSS方法，挖掘车站内外部信息，为决策者提供科学、完整的决策信息，有效提高西安局集团公司的市场竞争力。

按照MIDSS的研究方法[4]，确定研究思路及体系结构。MIDSS的体系构架如图2所示，即对于相关信息，进行信息提取、处理，逐步实现选择、编辑、分析等功能，建立数据仓库，进行分析决策，实现对信息的高效访问、查询、分析、利用功能。

图2 MIDSS的体系构架Fig.2 Architecture of MIDSS

（1）信息提取。对货运站内、外部相关的各种原始信息进行分类提取、初步加工。系统对于传统的结构型数据采用SQL技术抽取，对于半结构性数据采用ETL技术进行抽取、转换，网页信息用网络爬虫进行抽取，并用Hadoop技术对信息进行预处理。由于各种数据结构不同，需要先把抽取的跨平台、跨网络、跨程序的异构数据转换为一种系统易于识别的XML标准通用格式文档，形成“数据岛屿”，即信息交换中间平台，借助Web Service接口进行信息的交换、共享、分析和传输。通过定制规则定时提取数据到系统数据库共享平台，根据不同业务需求，设定不同同步时间，对于实时数据可以设置每天固定时间获取，长周期数据可间隔指定时间获取，网页数据随时抓取[6]。

（2）信息存储。经过提取层的加工、处理、净化，按不同的主题重组后，存放在数据仓库中，以便进行数据挖掘和分析。大数据由数据仓库、MPP、Hadoop构成多种混搭结构，高性能数据加工及综合分析由Oracle 12c数据仓库完成，储存跨领域的数据；采用大规模并行分析数据库MPP深度分析管理长周期历史数据；海量非结构化数据主要存储于分布式处理系统Hadoop，以便进行批量处理及挖掘分析。通过全文检索引擎Elastic Search 快速创建全文 检索[7-8]。

（3） 信息分析。运用大数据、OLAP的分区及并行分析、数据挖掘、决策分析多种技术，对提取的信息进行多维分析，获得对决策有用的价值。例如，运用模糊聚类法、神经网络、聚类分析法、贝叶斯分类技术，可以对客户进行动态或趋势分析，采用决策树、优化算法、遗传算法、智能推理等方法进行营销决策[8]。

（4）信息展示。运用可视化技术、检索工具等，将大数据统计分析的结果以图表、GIS电子地图、文件形式进行实时的、联动的可视化展示，并可进行动态的分析(如钻取、切片和旋转/缩放等)。采用报表生成技术和B/S架构，通过浏览器为用户展示分析后的结果，并对展示的信息进行再分析和利用。

2.3 设置与运用

分别在西安局集团公司铁路内网和互联网设置应用系统，并可设立移动APP、微信公众号，为客户及外部营销人员提供运用接口，实现与现有铁路信息系统的数据共享。系统应用服务器主要发布接口程序和Web应用程序，为各用户提供响应需求，外部应用服务器利用中国国家铁路集团有限公司的网络安全平台访问铁路内网，为移动APP提供相关数据。采用基于Web的B/S (Browser/Server)结构，无需安装客户端，浏览器通过Web Server数据库进行数据交换，用户只需通过浏览器就可以进行操作访问。B/S系统构架如图3所示。系统分为客户端和服务器端，应用程序放在Web服务器和APP等应用服务器上，知识库、模型库、数据库等放在数据库服务器上。

西安局集团公司货运站智能营销决策系统适应于管内各车站的货运营销管理，还可用在货运中心站、车务段、铁路局集团公司对站段的营销管理与决策分析，尤其是信息及物流资源的整合与优化。

3 系统功能实现与开发

3.1 系统功能模块

通过对货运站范围内大宗货源、零散货源及工商企业、竞争企业的生产及物流状况、运输需求进行调查分析，在充分满足用户需求的前提下，本着生产紧密围绕市场，服务紧贴客户的原则，以快速反应、精准服务为宗旨，设定系统的功能模块。系统实现的功能模块如图4所示。

图4 系统实现的功能模块Fig.4 Function module of the system

（1）客户管理。通过铁路电子商务管理系统或车站管理等系统导入客户信息，在现有大客户的基础上，增加对零散客户和潜在客户的分类管理，分别建立客户档案。深入挖掘分析不同客户的市场价值，实现铁路运输企业与客户的定位匹配、能力匹配、价值匹配，便于开展靶向服务。完善货运站客户服务和管理机制，提高服务水平。①客户信息采集、挖掘。采集车站已有的大宗客户、零散客户信息，挖掘潜在客户信息。②客户信息分析。将客户按品类别、忠诚度、运输周期、价值等进行细分，并按年度、月度、日历需求、产品流向、往来物流企业、装车及落空原因等进行分析。③信息查询。为客户提供相关车站及站内资源、营业范围、运输能力及限制、运输产品、运价、物流轨迹等查询。建立客服智能知识库，将客户关心的常见问题、法律法规等，整理出来进行智能服务、查询。④反馈评价。设计评价体系和标准，供客户打分评价，设置网络留言或投诉电话表达意见或投诉。

（2）运输市场分析。对车站吸引范围进行货源调查，并对同行市场进行分析。①市场调查。设计调查问卷、调查计划，进行深入的市场调查，并对调查数据进行统计分析。②绘制供需市场分布图。通过对厂矿、企业的调查，绘制可视化的供需市场分布图，在图上分别用不同符号标注已有客户和潜在客户的位置，以供车站确定货源范围和营销对象；在图上分层标注西安局集团公司各货运站位置及营业范围、运输限制、资源分布、周边物流公司分布、交通线路等信息，以便客户查询并确定办理站[3]。③运量预测。采用回归分析、模糊矩阵等模型，预测不同时间段的品类别运量和总运量，以便合理安排运输运力[6]。④其他相关信息分析。分析竞争企业的运价、运输产品、相关政策和运输环境，为营销决策提供借鉴。

（3）预警分析。设置各种情况的阈值参数，确定预警指标及算法库、预警级别标准以及预警方式，当预警项目指标超过阈值时，系统会提供预警信号。并建立预警日志，对各种预警信息进行记录，集中展示，并可以分类按条件搜索、导出等。①市场行情预警。监测车站附近各工商企业的库存、生产、销售、物流状况，对异常变化分别进行预警。②运输服务预警。对车站的各种运输能力、集装用具等资源不足以及停限装限制等预警。③客户状况预警。对客户运量异常变化、落空、客户忠诚度大幅降低、客户评价较差以及投诉建议等预警。④价格异常预警。对铁路或其他运输方式运价变化异常可能对车站运输产生影响的情况预警。

（4）营销管理。对市场营销状况进行分析管理。①营销计划管理。对制定的营销计划进行分类管理。②营销资源管理。对各类营销人力资源、物力资源、财务资源等，建立资源库，进行分类管理。③效果评价。建立营销评价指标体系，对营销结果进行分析评估，为提高营销水平和效率提供依据。

（5）营销决策。运用智能决策分析技术[8-9]，进行需求分析与市场预测，实现对批零快运产品、重点物资、特货、国际联运产品、联运物流方案，以及运价调整、营销渠道、促销方案及其组合的决策分析。

通过建立各种营销决策知识库和模型库，根据决策者的需求，选择模型，进行推理决策，展示决策结果，并根据客户需求，实时推送运输产品组合、物流服务方案、价格评估范围等决策信息。

3.2 系统实现与开发

西安局集团公司货运站智能营销决策系统以大数据平台为支撑，运用专家系统的各种知识、统计分析模型、智能推理，采用人机交互方式实现货运站智能营销决策。

（1）实现流程。根据用户的主题或需求，实现信息提取、分析与决策(数据挖掘、OLAP分析、数据仓库、模型库及知识库的构建与管理)，人机交互(为营销管理者及客户提供与系统交互的接口，营销管理者选择算法模型和信息进行分析决策，并将结果以图形、报表等形式展现给用户)。基于大数据的系统实现流程如图5所示。分析决策功能是智能决策系统的核心，由数据仓库、知识库、模型库、OLAP、数据挖掘系统组成[6]。系统信息由数据库提供，信息的存储由数据仓库实现，OLAP联机分析处理技术可对数据仓库的信息进行数据多维分析，数据的挖掘和决策分析由模型库实现，通过知识库对知识进行定性管理与分析。模型库和知识库的构建是大数据挖掘和分析决策的关键，开发技术是系统实现的保障。

图5 基于大数据的系统实现流程Fig.5 System implementation flow based on big data

（2）模型库构建与设计。根据大数据挖掘分析及决策的需要选择合理的算法模型，并构建模型库，供营销决策者选用。模型库由用户平台和管理库平台组成。用户平台以层次菜单形式表示，引导用户选用模型。管理平台包括模型字典管理和模型维护管理模块。字典库根据字典信息对模型进行访问查询，以关系数据库形式存放。模型维护库由维护模块和生成模块构成，模型维护库根据字典信息进行修改维护；还可根据需要，构造新的算法模型，通过模型生成模块，导入模型库。算法模型通常有回归分析法、聚类分析法、关联法则、神经网络、遗传算法、决策树等，可导入模型库。在系统设计中，选用模型库中的聚类分析k-means模型将客户按忠诚度、价值大小等细分为多个客户子集，建立客户数据库进行分析；用关联规则挖掘潜在价值客户，进行产品定位、设定营销方案；用决策树分析法可选择最优运输方案、营销组合；用时间序列模型(多元回归模型、矩阵模型等)预测品类别运量及发展趋势；用判别分析模型进行市场分析及预警；用因子分析模型分析政策、环境等因素对货运站周边运输市场的影响，据此确定营销策略[6]。

（3）营销知识库的构建与设计。营销知识库系统由各类营销知识组成的知识库及知识管理系统构成。知识库存放事实类和规则类知识，分别存放于事实库与规则库中。事实库存放录入的初始数据和中间推理结果，规则库存放专家总结、推理出来的各种数据，以表格形式存储于事实库和规则库中。知识的推理、查询、导出，通过智能推理机制实现，即根据营销决策者或用户的需求设定问题，利用知识库中的知识，采用特定的推理方法，通过搜索引擎，导出问题的答案，从而实现营销决策[9]。

知识管理系统由管理模块和维护模块组成，管理模块负责对知识的导入、查询、扩充与发布等功能，维护模块负责对知识库的一致性、冗余性、兼容性等的检查、修改等功能。

（4）系统开发技术。遵循开放性、实用性、简洁直观性、安全性的原则进行开发设计。①系统采用B/S架构，用Java编程语言进行开发，建立基于eclipse及插件的RCP(富客户平台)作为主开发平台，各模块作为互不影响的独立插件，在需要加入新模块或新功能时，不影响已有的模块系统。②分别采用SQL、ETL、网页云爬虫技术提取信息，存放于XML的数据共享集成平台，按照时间、空间等多个维度建立基于不同主题(产品、客户、企业等)的星型结构数据仓库集合存储各类数据，采用OLAP10g联机处理技术、各种分析模型、智能推理技术进行分析决策。③运用R语言的可视化展示与数据分析技术进行分析展示，运用Elastic Search全文检索组件技术进行搜索查询。④采用防火墙、权限认证等多重安全保障技术[10]。

4 结束语

西安局集团公司货运站智能营销决策系统完善了货运站营销分析与智能决策功能，有利于实现客户与铁路基层单位的密切联系，为客户提供更多选择车站物流服务项目及资源的平台及建言献策的途径；有助于铁路基层站段实时调整运营方案，控制风险，优化运输资源，积极为客户定制“一对一”的营销服务策略，有效改善服务质量，提高市场占有率和运输效率，实现互利双赢。货运站智能营销决策系统还需在以下方面逐步完善：一是模型算法库、知识库内容欠全面，预警指标和客户评价指标体系有待进一步完善；二是系统功能模块需根据实际需要进行细化；三是需通过大量的走访调查，获取各货运站货源分布及客户企业生产、物流情况的完整资料，进而绘制基于GIS和北斗导航系统的西安局集团公司各货运站供需市场分布图。