交通物流运输大数据应用背景
新中国成立70多年来，中国交通运输总体上经历了从“瓶颈制约”到“初步缓解”，再到“基本适应”经济社会发展需求的奋斗历程，与世界一流水平的差距快速缩小，部分领域已经实现超越，一个走向现代化的综合交通运输体系正展现在世界面前。
经过多年改革发展，多节点、全覆盖的综合交通运输网络初步形成，“五纵五横”综合运输大通道基本贯通，一大批综合客运、货运枢纽站场（物流园区）投入运营，运输装备发展不断升级，运输服务水平显著提升，科技创新和应用实现重大突破，交通运输市场体系、管理体制和法规体系不断完善。
但尽管现代的交通物流运输行业取得了一系列瞩目成果，但背后也存在一系列大数据应用问题：
系统分散，大多是数据孤岛，分布在各个交通物流运输的业务系统中，难以进行整合分析。
传统的实时监控系统、运输管理系统、项目实施系统、项目运维等系统开发出来的报表相对单一，灵活性差、可交互性低，难以进行深入分析以回答更深层次的业务问题。
交通物流运输领域无时无刻都在产生大量的数据，并且数据的增长速度越来越快，包括实时监控系统、运输管理系统、项目实施系统、项目运维系统等等，这些数据到底是价值还是垃圾取决于我们是否能够真正挖掘出其隐藏在数据中的潜能。
交通物流运输大数据技术应用架构
基于交通物流运输行业目前面临的信息化建设现状，帆软FineBI提供的一站式大数据分析产品及解决方案可以帮助用户快速搭建大数据分析平台，敏捷制作专属分析报告，并为用户提供灵活的交互式分析操作，在业务协作过程中快速释放数据价值。
从源数据对接——>数据抽取转换——>数据仓库——>数据集市——>整合分析——>自助分析，通过制定严格的数据规范定义，建立和保障完善的数据质量权责体系，完整的FineBI交通物流运输行业大数据技术应用架构如下图所示：
源数据方面，打通运输管理系统、仓储管理系统、人力资源系统、财务系统和其他第三方相关数据，消除数据信息孤岛，然后进行数据抽取、数据转换、数据加载的数据质量管理，之后进行ODS（规整-面向垂直数仓）、DWD（明细-面向业务过程）、DWS（汇总-面向分析主题）、ADS（组合面向使用场景）的数据整合写入数据仓库，并且输出到数据集市中进行数据建模，按照经营决策、运营分析、财务分析、成本分析、客户分析、仓库监控、运输监控、人员分析等进行整合分析，通过FineBI实现基础科目的数据可视化展示，以及各类灵活场景的数据探索式自助分析。
交通物流行业典型FineBI应用场景
1.公共交通管理大数据平台
a.问题背景
近些年对国家公共交通管理的数据信息化建设非常重视，特别是一些交通大屏监控看板的应用。此前在面对这类数据大屏监控的可视化展示需求时，一般会由外包项目方通过代码等形式进行开发，然后经过美工不断优化调整，最终再交付到相关部门进行评审和上线。
通过这种方式，虽然一些很细节的样式需求也能够不断进行代码调优，但是带来的问题就是大屏看板从需求收集到开始开发，再到最终上线的周期太长了，一般来说一个大屏前前后后至少要半个多月时间才能开发完成，不能及时响应业务展现需求。
b.问题解决分析思路
通过FineBI的仪表板，快速进行公共交通管理大数据平台数据图表和布局呈现的设计，将公交总线路数、累计乘车人次、出发时间段分布、出行人数分布等关键指标进行大屏看板展现。
c.方案/指标体系
d.应用对象
管理层领导
e.成果展示和应用价值
根据出行统计的公共交通线路高峰期，合理规划路线，降低出行交通拥堵情况。
实时监控当前公共交通管理大数据平台的数据状态，通过提前设定好的预警值进行数据预警，及时调整公共交通管理策略。
通过对核心数据进行大屏设计和布局美化，关键指标一目了然。
2.物流经营分析
a.问题背景
在应对一些业务部门突发性、即时性的数据分析需求时，由于缺乏敏捷型的BI工具，系统中已有的固定化报表还是显得有些捉襟见肘，无法进行深入的业务数据探索式分析，导致IT部门对业务部门的需求无法及时做出响应。
例如物流经营分析过程中，有的时候会出现某个月份的月报数据出现毛利下滑的异常，传统的月报、季报等固定化报表无法深入的回答导致数据下滑的真实本质原因。
b.问题解决分析思路
借助FineBI产品联动、钻取等OLAP多维分析特性，依次从下属分公司>分公司的客户>客户运输目的地>线路目的地来挖掘导致2018年3月毛利率下降的原因。
c.方案/指标体系
d.应用对象
业务管理部门
e.成果展示和应用价值
借助FineBI产品联动、钻取等OLAP多维分析特性，依次从下属分公司>分公司的客户>客户运输目的地>线路目的地，逐层深入分析，找出导致2018年3月毛利率下降的真实本质原因，及时调整问题线路的运营策略。
相较于传统的企业数据工作流程：从业务部门和相关领导开始提出该问题之后，再到IT部门去进行问题分析、数据收集、数据加工建模、数据报表制作、数据分析、分析报告总结、业务部门验证。FineBI的企业自助式工作流程确实能够起到解放企业IT人力的作用，大大提高了业务的数据分析效率和应用效率。
3.物流看板
a.问题背景
对于物流运输管理而言，构建关键指标的物流看板是极为重要的，但是实际上很多数据并没有真正利用好：
当前物流发货总件量是多少？签收数量和签收占比如何？哪些地区72H到件量最低？
物流货运时效如何，时效大于等于三天的件量和占比分别是多少？
小于800到件量的分别有哪些地区？近七日流向TOP10和近七日时效TOP10分别有哪些运输线？
b.问题解决分析思路
整合相关物流系统的运输数据，将不同系统、不同数据库中数据整合。
通过图表加明细数据，合理布局引导，构建仪表板进行统一展现。
c.方案/指标体系
d.应用对象
业务管理部门
e.成果展示和应用价值
通过实时监控系统，及时发现业务的异常点，建立高效的异常处理流程，及时改进异常点。
4.物流流向分析
a.问题背景
作为物流看板的一部分，物流流向分析自然是不可或缺的：
某个城市的总签收件数、总发货件数、总签收占比分别是多少？
地域分布方面，有哪些物流流线，对应的物流流量分别是多少？流线TOP10的城市分别是哪些？
b.问题解决分析思路
整合相关物流系统的运输数据，将不同系统、不同数据库中数据整合。
通过图表加明细数据，合理布局引导，构建仪表板进行统一展现。
c.方案/指标体系
d.应用对象
业务管理部门
e.成果展示和应用价值
构建快递流向分析看板，按照流向统计分析数据，关键指标一目了然。
5.物流时效分析
a.问题背景
物流时效分析，同样也是作为物流看板的补充：
各个省份地区，哪些省份物流时效最高，时效低的又是哪些省份，分别有什么特征？
不同大区是否有明显物流时效差异，是否和地区基础物流建设水平有关？
同城配送平均时长超过三天的有哪些地区，分别是什么因素导致的，如何改进？
b.问题解决分析思路
整合相关物流系统的运输数据，将不同系统、不同数据库中数据整合。
通过图表加明细数据，合理布局引导，构建仪表板进行统一展现。
c.方案/指标体系
d.应用对象
业务管理部门
e.成果展示和应用价值
构建快递流时效看板，按照不同地区配送时效统计分析数据，关键指标一目了然。
6.航空流量分析
a.问题背景
对于航空运输领域而言，需要关注以下问题：
分析机场覆盖有哪些国家和通航地区，对应地区的机场数量有多少？
国内和国际的客户市场份额占比如何，对应承运的航空公司分别有哪些，旅客吞吐量和比重分别是多少？
不同月份的起降架次和旅客吞吐量走势如何，什么时候是航空出行高峰期？
b.问题解决分析思路
整合相关航空系统的运输数据，将不同系统、不同数据库中数据整合。
通过图表加明细数据，合理布局引导，构建仪表板进行统一展现。
c.方案/指标体系
d.应用对象
航空管理部门
e.成果展示和应用价值
构建航空运输管理看板，按照不同承运的航空公司进行吞吐量等数据的统计分析，关键指标一目了然。
数据分析BI
原创文章，作者：kepupublish，如若转载，请注明出处：https://blog.ytso.com/tech/bigdata/173181.html