大数据时代——生活、工作与思维的大变革2014.pptVIP

（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。 （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。 （三）铁路应用大数据技术的发展策略 （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。 （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）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。 结束语 应用大数据技术进行数据采集、分析，挖掘出有价值的信息，是铁路将数据转化为竞争力的必然选择，对于优化和推动铁路信息化发展，构建铁路市场营销体系，提高铁路运输服务质量，提升铁路核心竞争力具有重要意义。 谢谢！请批评指正！ * 来自《大数据时代》P008； *：可参考2008年9月4日《自然》推出的名为“大数据”的专刊。 * * 范式 * 85%的数据属于广泛存在于社交网络、物联网、电子商务等之中的非结构化数据 * * 大数据技术：图像、音频、视频、非结构化、社交关系数据处理技术商； 现有IT系统改造商：大数据咨询公司、集成商、ER