一种铁路货运业务预警方法
【技术领域】
[0001]本发明涉及大数据技术领域，特别涉及一种铁路货运业务预警方法。
【背景技术】
[0002]近二十年来，在向市场迈进和参与竞争的过程中，铁路货运初步建立了自身的营销工作体系，但由于受到各方面的制约，铁路货运市场营销工作还存在着无法确切掌握客户的流失情况、无法及时发现货运量的异常波动、无法及时了解哪些营销渠道的绩效在不断下降、无法保障货物按时到达等诸多问题，与当前及今后铁路企业分开改革、客货分线运输、运能逐步释放、铁路货运逐步由内部生产型向外部营销型转变的内在形势和货运市场需求多样化、个性化、物流化的外在形势极不相称。
[0003]另一方面，随着铁路货运货票系统、货调系统、现车系统等业务系统的升级应用、铁路货运电子商务货运业务办理全流程平台以及运输生产集成平台的建立，铁路部门积累了大量的客户信息和生产运输信息，这些信息的积累使得铁路货运部门能够基于大数据技术来为各类营销行为提供依据，及时对营销过程中存在的问题进行预警，以便及时制定相应的解决方案。
[0004]目前，常用的预警方法主要有以下几种:指数预警、统计预警、专家预警等。其中，针对指数预警，人为因素较多，数据不足也给这一方法带来较大的限制；统计预警缺乏较强的理论依据，不能测算警情变动强度等；专家预警受制于专家的经验和主观判断，指标化比较困难。
【发明内容】
[0005]有鉴于此，本申请提供一种铁路货运业务预警方法，以解决铁路货运预警由于人为因素较多，数据不足等原因造成的预警不准确的问题。
[0006]为解决上述技术问题，本申请的技术方案是这样实现的:
[0007]—种铁路货运业务预警方法，其特征在于，该方法包括:
[0008]获取铁路货运数据，按预设规则将所述铁路货运数据进行预处理后作为铁路货运业务预警分析数据，并进行存储；
[0009]使用存储的第一预设时间内的铁路货运业务预警分析数据，按照预设打分规则确定所述预设打分规则对应个数个货运指标的得分值，以及各货运指标的综合得分值；
[0010]根据各货运指标的得分值，以及综合得分值使用预设聚类算法，确定Q类客户类另IJ，以及铁路货运业务预警分析数据对应的各客户所属的客户类别，并存储；
[0011]针对任一客户，该预警设备若确定在第一预设时间内所属客户类别，与存储的该客户在第二预设时间内所属客户类别不同，则将该客户，以及该客户在第一预设时间，以及第二预设时间所属客户类别进行预警显示。
[0012]由上面的技术方案可知，本申请中通过对大量铁路货运业务数据的处理、分析，以确定在不同时间段客户所属的客户类若变化时，预警显示该客户在不同时间段所属类别，以使实施者能够确定该客户在不同时间段的货运情况。该技术方案能够在降低人为因素影响的情况下准确进行铁路货运业务预警。
【附图说明】
[0013]图1为本申请实施例中星型模型示意图；
[0014]图2为本申请实施例中铁路货运业务预警流程示意图；
[0015]图3为本申请实施例中进一步确定一客户是否为流失客户流程示意图；
[0016]图4为本申请实施例中规则集示意图。
【具体实施方式】
[0017]为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图并举实施例，对本发明的技术方案进行详细说明。
[0018]本申请实施例中提供一种铁路货运业务预警方法，应用于进行铁路货运业务预警的设备上，下文为了描述方便，称为预警设备，该预警设备可以为一台设备，也可以为多台设备。
[0019]预警设备可以从铁路货运电商平台、运输集成等平台中获取铁路货运业务数据。
[0020]预警设备获取的铁路货运业务数据可能有结构化、半结构化和非结构化铁路货运数据；如果存在半结构化和非结构化数据，需复制一份，一份用于以半结构化或非结构化的方式存储；一份转化为结构化铁路货运数据用于进行预处理，以获得铁路货运业务预警分析数据。
[0021]该预警设备针对结构化的铁路货运数据进行的与处理包括:将数据中的缺省值，或空白值的进行填补；对冗余值进行删除、数据压缩等；如果从各平台获取的数据的格式不一致，还可以转换为统一数据格式，以便进行业务预警。
[0022]在具体实现时，可以利用MapReduce编程、ETL技术、元数据抽取等方式提取非结构化数据的属性标签，并以〈属性，属性值 > 的方式对其进行标识。数据的预处理可以分为手工处理和自动处理两种方式，例如:删除重复数据、删除离群数据、数据压缩等数据预处理过程可以通过编写专门的应用程序的方式实现自动处理，而新增数据字段、填补空白值等数据预处理过程则需采取手工处理的方式进行等。
[0023]为了后续使用铁路货运业务预警分析数据方便，还可以根据数据仓库的方式处理铁路货运业务预警分析数据，并进行存储。
[0024]该预警设备将业务上强相关，数据上弱相关的铁路货运业务预警分析数据建立数据之间的关联关系；并确定各货运指标对应的数据值，按照预设的规则将各货运指标值存储到对应的事实表中和玮度表中；所述货运指标包括铁路货运业务数据对应的基础货运指标，以及根据铁路货运业务数据计算的统计量对应的货运指标。
[0025]在具体是现实，铁路货运业务预警分析数据的基础货运指标包括:提报时间、需求吨数、货票完成车数、审定吨数、货调完成车数、需求车数、货调完成吨数、审定车数、货票完成车数、运输里程、货运金额等；
[0026]基于基础货运指标计算的统计量，以进一步获得的货运指标，即衍生数据，包括:货运同比增长率、货运环比增长率、客户信誉度、提报吨数满足率、提报车数满足率、客户贡献度、货运事故数、运达时限、货运收入环比增长、准时交货率、客户反馈信息等。
[0027]下面以具体实施例详细说明本申请实施例中的事实表和玮度表包括的具体内容。
[0028]事实表，即运输需求表，具体包括:需求受理号、提报日期、发局、到局、发货单位名称、收货单位名称、品类、车种、需求车数等。
[0029]维度表，可以根据实际需要确定建立多少个玮度表，这里以建立五个玮度表为例，具体如下:
[0030]企业维度表，包括:提报企业代码、提报企业名称、地址、经济性质、经营范围等；
[0031]路局维度表，包括:路局代码、路局全称、路局简称等；
[0032]车种维度表，包括:车种代码、车种全称、车种简称等；
[0033]时间维度表，包括:日期、年、季度、月、日等；
[0034]品类维度表，包括:品类代码、品类简称、拼音码等。
[0035]参见图1，图1为本申请实施例中星型模型示意图。图1中以一个事实表(运输需求表)和五个玮度表(企业维度表、路局维度表、车种维度表、时间维度表、品类维度表)为例。
[0036]使用数据仓库系统与分布式系统基础架构(Hadoop)系统进行存储并管理相关数据。
[0037]结构化数据利用数据仓库进行存储，半结构化数据利用Hive+HDFS的方式进行存储，非结构化数据利用Hbase+HDFS的方式进行存储，数据仓库与Hadoop系统之间应用Sqoop工具实现连接互通以及数据交换。
[0038]铁路货运的非结构化数据主要包括:文档文件、电子邮件、日志文件、点击流数据等；半结构化数据主要包括:图像、语音、视频等，这些数据类型在结构上与关系型数据不同，但仍可以借鉴关系型数据的处理方法。
[0039]下面结合附图，详细说明本申请实施例中进行铁路货运业务预警过程。
[0040]参见图2，图2为本申请实施例中铁路货运业务预警流程示意图。具体步骤为:[0041 ] 步骤201，预警设备使用存储的第一预设时间内的铁路货运业务预警分析数据，按照预设打分规则确定所述预设打分规则对应个数个货运指标的得分值，以及各货运指标的综合得分值。
[0042]当所述预设打分规则采用基于铁路货运客户行为价值的细分综合评价模型(KGFM)打分方法时，KGFM打分方法时，KGFM打分方法对应的货运指标个数为4 ;4个货运指标可以为:K表示铁路货运客户最近一次购买距分析时间点的时间间隔与客户平均货运时间间隔的比值；G表示选取时间节点内，较上一同期节点的货运增长量；F指代提报次数;M指代货运总金额。
[0043]若已存储上述4个货运指标对应的值，则直接使用，若不存在，则使用存储的基础货运指标进行计算，获得上述4个货运指标。
[0044]上述4个货运指标仅是一种举例，具体实现时，实施者可以根据预设打分规则确定实际需要选择哪些货运指标，选择几个货运指标。
[0045]所述对应个数货指标的综合得分值，根据4个指标对客户进行货运行为的细分以及客户流失的影响程度确定各货运指标的权重值，以及各货运指标的归一化值加权求和获得。
[0046]在使用KGFM打分方法时，KGFM综合得分值KGFM = iK’ +tG’ +jF’ +pM’，其中，K’表示Κ对应的货运指标的归一化值，G’表示G对应的货运指标的归一化值，F’表示F对应的货运指标的归一化值，Μ’表示Μ对应的货运指标的归一化值；1、t、j、ρ分别为4个货运指标的权重值。
[0047]步骤202，该预警设备根据各货运指标的得分值，以及综合得分值使用预设聚类算法，确定Q类客户类别，以及铁路货运业务预警分析数据对应的各客户所属的客户类别，并存储。
[004