李俊 劉杰 江海

摘? 要：大數(shù)據(jù)時代的到來，為油品銷售企業(yè)數(shù)字化轉(zhuǎn)型創(chuàng)造了條件。大數(shù)據(jù)技術(shù)的創(chuàng)新應用，可以深度挖掘企業(yè)各類數(shù)據(jù)的潛在價值，提升企業(yè)應對新常態(tài)下復雜競爭環(huán)境的能力。文章分析了油品銷售企業(yè)大數(shù)據(jù)平臺建設的必要性，設計了系統(tǒng)架構(gòu)和數(shù)據(jù)治理方案，規(guī)劃了大數(shù)據(jù)應用藍圖，從經(jīng)營決策、客戶營銷、現(xiàn)場管理等方面闡述了開展大數(shù)據(jù)應用對油品銷售企業(yè)的重要意義。

關鍵詞：油品銷售;大數(shù)據(jù);系統(tǒng)架構(gòu);數(shù)據(jù)治理;數(shù)據(jù)應用

中圖分類號：TP311.13? ? ? 文獻標識碼：A 文章編號：2096-4706（2020）24-0127-05

Application Study on Big Data Technology in Oil Products Sales Enterprise

LI Jun，LIU Jie，JIANG Hai

（Sinopec Sales Co.，Ltd. Guangdong Petroleum Branch，Guangzhou? 510620，China）

Abstract：The advent of the era of big data has created condition for the digital transformation of oil products sales enterprises. The innovative application of big data technology can deeply dig out the potential value of various kinds of data in enterprise and promote the ability of enterprises to cope with the complex competitive environment in the new normal. The paper analyzes the necessity of building a big data platform in oil products sales enterprises，designs a system architecture and data governance solution，plans a blueprint for big data application. Moreover，the paper states the great significance of big data application for oil products sales enterprises on the aspects of operating decisions，customer marketing，and scene management etc.

Keywords：oil products sales;big data;system architecture;data governance;data application

0? 引? 言

隨著大數(shù)據(jù)時代的到來，數(shù)字化轉(zhuǎn)型[1]已成為當今全球石油行業(yè)發(fā)展的重大主題之一。2020年8月，國資委印發(fā)《關于加快推進國有企業(yè)數(shù)字化轉(zhuǎn)型工作的通知》，就推動國有企業(yè)數(shù)字化轉(zhuǎn)型做出全面部署，中國本土石油企業(yè)的數(shù)字化轉(zhuǎn)型，也由此獲得了強勁新動力。隨后，中國石油發(fā)布了《以數(shù)字化轉(zhuǎn)型驅(qū)動油氣產(chǎn)業(yè)高質(zhì)量發(fā)展》，中國石化發(fā)布了《以數(shù)字化轉(zhuǎn)型促進能源化工產(chǎn)業(yè)高質(zhì)量發(fā)展》，中國海油發(fā)布了《把握大勢 搶抓機遇 加快推進中國海油數(shù)字化轉(zhuǎn)型》。由此可見，國內(nèi)石油企業(yè)已經(jīng)把數(shù)字化轉(zhuǎn)型提升到戰(zhàn)略層面，大數(shù)據(jù)技術(shù)對石油公司降本提質(zhì)增效的重要性日漸成為業(yè)界共識。

具體到下游的油品銷售企業(yè)，以中國石化廣東石油分公司為例，地處市場前景廣闊的廣東地區(qū)，行業(yè)發(fā)展已呈現(xiàn)出競爭主體多元化、資源品種多樣化、油品價格市場化的競爭格局，市場資源供大于求的局面早已常態(tài)化。面對日益殘酷的市場競爭環(huán)境，傳統(tǒng)技術(shù)和手段所能發(fā)揮的作用越來越有限，如何借助大數(shù)據(jù)技術(shù)搭建新平臺[2]，統(tǒng)一數(shù)據(jù)資產(chǎn)管理，充分發(fā)掘客戶和經(jīng)營數(shù)據(jù)的價值，為實現(xiàn)智能化經(jīng)營決策、數(shù)字化客戶營銷、高效化現(xiàn)場管理提供重要依據(jù)和支撐，進而提高本企業(yè)的生存和競爭能力，無疑是非常值得研究的問題。

1? 大數(shù)據(jù)平臺架構(gòu)

經(jīng)過多年的信息化建設和互聯(lián)網(wǎng)轉(zhuǎn)型發(fā)展，中國石化廣東分公司積累沉淀了大量的經(jīng)營數(shù)據(jù)、客戶數(shù)據(jù)及管理數(shù)據(jù)，但因煙囪式開發(fā)模式導致的系統(tǒng)間信息孤島現(xiàn)象嚴重，各系統(tǒng)未能有效集成并深入挖掘數(shù)據(jù)價值。因此，有必要構(gòu)建統(tǒng)一的、標準的、共享的、服務化的大數(shù)據(jù)體系[3]，建設大數(shù)據(jù)平臺用以匯聚各業(yè)務系統(tǒng)數(shù)據(jù)，深度服務并持續(xù)推動業(yè)務創(chuàng)新，從而促進企業(yè)數(shù)字化轉(zhuǎn)型，形成企業(yè)新的核心競爭能力。

1.1? 全局架構(gòu)

本文正是基于以上背景，開展頂層設計和全局規(guī)劃，提出了具備普適性的油品銷售企業(yè)大數(shù)據(jù)平臺全局架構(gòu)[4]，如圖1所示，其由數(shù)據(jù)源層、數(shù)據(jù)公共層、數(shù)據(jù)分析與算法層、數(shù)據(jù)應用層四個層次組成。

該架構(gòu)的基礎是數(shù)據(jù)公共層，它又包含3個子層：數(shù)據(jù)基礎層（ODS）、數(shù)據(jù)明細層（DWD）及數(shù)據(jù)匯總層（DWS）。數(shù)據(jù)基礎層由數(shù)據(jù)源層實現(xiàn)原始數(shù)據(jù)接入，結(jié)構(gòu)上與源系統(tǒng)基本保持一致，確保原始數(shù)據(jù)質(zhì)量。數(shù)據(jù)明細層對數(shù)據(jù)基礎層的數(shù)據(jù)進行清洗，按業(yè)務域重新整合，統(tǒng)一數(shù)據(jù)標準和規(guī)范，并做寬表處理適度增加數(shù)據(jù)冗余，夯實數(shù)據(jù)應用基礎。數(shù)據(jù)匯總層對部分常用指標進行輕度匯總，構(gòu)建命名規(guī)范、口徑一致的公共粒度輕度匯總指標表，提高數(shù)據(jù)查詢和使用的效率。

數(shù)據(jù)算法層在架構(gòu)中占據(jù)非常重要的地位，通過搭建機器學習環(huán)境開展算法建模研究，數(shù)據(jù)預處理完成特征工程后，再借助機器學習和深度學習算法進行建模，可以實現(xiàn)數(shù)據(jù)的深度分析和科學預測，是挖掘數(shù)據(jù)價值的關鍵。

數(shù)據(jù)應用層為企業(yè)內(nèi)外部用戶提供大數(shù)據(jù)可視化分析工具、大數(shù)據(jù)產(chǎn)品以及大數(shù)據(jù)服務，賦能各級管理人員和外部客戶，提升企業(yè)的數(shù)字化運營能力。

1.2? 技術(shù)路線

在整體技術(shù)路線上，采用Hadoop、Spark大數(shù)據(jù)生態(tài)圈產(chǎn)品和組件搭建上述平臺架構(gòu)[5]，如圖2所示。在硬件部署方面，可以采用租用公有云或自建私有云，按3年數(shù)據(jù)量進行估算確定初期硬件數(shù)量，后續(xù)隨數(shù)據(jù)量增長變化隨時擴展。

使用Sqoop、DataX、Kettle等工具實現(xiàn)批量數(shù)據(jù)同步，使用Canal實現(xiàn)MySQL的CDC（Change Data Capture）數(shù)據(jù)同步機制，使用Kafka與Spark Stream來完成數(shù)據(jù)的流式處理，實現(xiàn)實時數(shù)據(jù)同步;數(shù)據(jù)存儲采用分布式數(shù)據(jù)庫KUDU和數(shù)據(jù)倉庫Hive相結(jié)合的方式，KUDU用來存放近兩年的數(shù)據(jù)，Hive用來存放歷史歸檔數(shù)據(jù);數(shù)據(jù)查詢與分析采用Impala即席查詢工具，數(shù)據(jù)實時統(tǒng)計分析采用Spark Stream和Flink。

算法建模也是基于大數(shù)據(jù)Hadoop/Spark技術(shù)框架，分布式安裝Anaconda機器學習環(huán)境，支持分類、回歸、預測等一系列機器學習算法、比如邏輯回歸、決策樹、隨機森林、XGboost、SVM等算法。該框架既支持基于Scala的開發(fā)，也支持基于PySpark和Python的開發(fā)。

2? 數(shù)據(jù)治理規(guī)劃

數(shù)據(jù)治理是數(shù)據(jù)公共層建設的核心內(nèi)容，也是一項繁重而又極其重要的基礎工作。數(shù)據(jù)治理實屬一整套持續(xù)改善管理機制，包括諸如數(shù)據(jù)架構(gòu)組織、數(shù)據(jù)標準、數(shù)據(jù)質(zhì)量、數(shù)據(jù)管理制度與體系等方面[6]。它的任務主要是把數(shù)據(jù)作為資產(chǎn)來管理，對來自各源頭系統(tǒng)的數(shù)據(jù)進行梳理，制定數(shù)據(jù)標準和規(guī)范，構(gòu)建完善、共享、統(tǒng)一的數(shù)據(jù)管理環(huán)境。通過開展數(shù)據(jù)治理，可以有效保證業(yè)務數(shù)據(jù)在采集、集中、轉(zhuǎn)換、存儲以及應用整個過程中的完整性、準確性、一致性和時效性，支撐后續(xù)數(shù)據(jù)應用和服務開展。具體到各企業(yè)，數(shù)據(jù)治理的任務又因信息系統(tǒng)基礎不同而略有差異，中國石化銷售企業(yè)的數(shù)據(jù)治理核心任務如表1所示。

3? 大數(shù)據(jù)應用規(guī)劃

對油品銷售企業(yè)而言，開展大數(shù)據(jù)應用的愿景是用數(shù)據(jù)創(chuàng)造價值，讓每一個用戶都能夠及時獲得有用的資源，最終目標是促進企業(yè)數(shù)字化轉(zhuǎn)型，提升企業(yè)核心競爭力。本文以此為出發(fā)點，以當前面臨的主要問題為導向，聚焦經(jīng)營和客戶，提出了油品銷售企業(yè)大數(shù)據(jù)應用藍圖規(guī)劃，如圖3所示。

該藍圖涵蓋了數(shù)字營銷、智慧運營、人工智能、物聯(lián)網(wǎng)、風險防控、數(shù)據(jù)共享合作六個主要方面，體現(xiàn)了大數(shù)據(jù)應用深度融合新零售、數(shù)字營銷、經(jīng)營決策等業(yè)務領域，持續(xù)服務并驅(qū)動業(yè)務創(chuàng)新的理念。自2019年12月起，上述規(guī)劃即在中國石化銷售廣東分公司進入分步實施和應用階段，開創(chuàng)了大數(shù)據(jù)技術(shù)在中國石化油品銷售企業(yè)應用的先河，也開啟了企業(yè)數(shù)字化轉(zhuǎn)型的新篇章。

3.1? 大數(shù)據(jù)在經(jīng)營決策中的應用

隨著市場競爭的日益加劇，企業(yè)管理人員對于數(shù)據(jù)時效性和豐富性要求越來越高，不僅需要及時獲取已經(jīng)發(fā)生的業(yè)務數(shù)據(jù)，還期望能對未來一段時間的油品銷量和效益、客戶購油需求等做出科學預測，從而指導經(jīng)營決策，這也正是大數(shù)據(jù)技術(shù)所能帶來的價值。

在油品量效預測方面，可以通過網(wǎng)絡爬蟲搜集有關天氣、溫度、競爭對手優(yōu)惠等重要信息，將自身沉淀的業(yè)務和營銷數(shù)據(jù)匯聚成原始數(shù)據(jù)池，開展數(shù)據(jù)預處理和特征工程，選定對量效預測影響最大的若干因素進行建模。考慮到該模型特征值較多，可以采用循環(huán)神經(jīng)網(wǎng)絡（RNN）或長短期記憶神經(jīng)網(wǎng)絡（LSTM）等較為復雜的深度學習算法建模來實現(xiàn)。在此模型結(jié)果的基礎上，通過引入競爭策略設定，系統(tǒng)可以給出每個參與競爭油站的最優(yōu)價格策略，科學指導油站競爭定價，實現(xiàn)量效最大化。

在客戶購油需求預測方面，基于每個客戶過往的購油記錄、價格及優(yōu)惠等數(shù)據(jù)，結(jié)合當期油品價格和營銷活動等數(shù)據(jù)進行建模，采用諸如廣義線性回歸、時間序列等機器學習算法，即可實現(xiàn)對客戶下個購油時間窗口和購油量的提前預判。

3.2? 大數(shù)據(jù)在客戶營銷中的應用

在油品銷售行業(yè)，隨著新零售業(yè)務的蓬勃發(fā)展，線上和線下業(yè)務不斷融合，對基于互聯(lián)網(wǎng)技術(shù)的APP、小程序等客戶服務平臺的運用，由此所產(chǎn)生的客戶行為、客戶交易的數(shù)據(jù)量也在大幅增長，較傳統(tǒng)線下交易呈現(xiàn)出幾何級增加的態(tài)勢，是該行業(yè)目前最典型的大數(shù)據(jù)之一。

具體到本企業(yè)的實踐，主要體現(xiàn)在以下三個方面。首先，在集成客戶基礎信息、消費數(shù)據(jù)和行為數(shù)據(jù)的基礎上，采用數(shù)學規(guī)則定義與機器學習算法建模相結(jié)合的方式，構(gòu)建360°客戶畫像體系。從客戶支付習慣、有效性、忠誠度、消費黏性及消費偏好等角度構(gòu)建客戶的標簽集合。采用AHP層次分析法構(gòu)建用戶活躍度模型，關注活躍度變化趨勢;采用決策樹算法構(gòu)建用戶預流失模型，挽留可能流失的客戶;采用K-means聚類算法構(gòu)建用戶優(yōu)惠敏感度模型，識別用戶對優(yōu)惠的敏感程度。在上述客戶標簽和模型基礎上通過自定義組合生成新的目標客群，開展針對性營銷活動和客戶分析。其次，基于客戶畫像體系構(gòu)建從營銷活動設計、營銷活動實施、活動效果評估到營銷策略優(yōu)化的數(shù)字化閉環(huán)營銷體系，發(fā)揮大數(shù)據(jù)技術(shù)在客戶營銷中的真正作用。最后，構(gòu)建用戶真實度模型，從消費合理性角度對客戶進行評分分級，對于得分低的客戶采用營銷限制策略，有效防止羊毛黨薅羊毛，減少營銷資源的浪費。

圖4為本企業(yè)建立的數(shù)字營銷平臺功能界面截圖，該平臺包括用戶標簽生成及自定義組合、用戶模型生成、營銷活動配置、營銷效果分析和評估等核心功能，全面支撐油品及非油品客戶的精準營銷。

3.3? 大數(shù)據(jù)在現(xiàn)場管理中的應用

對于油品銷售企業(yè)來說，如何提高加油站現(xiàn)場管理和服務效率是其經(jīng)營管理的基礎與核心，也是一直以來難點中的難點。在這方面，傳統(tǒng)技術(shù)手段已經(jīng)難以使其發(fā)生質(zhì)的改變，如何依托物聯(lián)網(wǎng)、人工智能等技術(shù)構(gòu)建新型數(shù)字化、智能化現(xiàn)場管理體系，全面提升加油站數(shù)字化運營能力是解決問題的關鍵。本企業(yè)對此進行了探索和研究，取得了初步應用成效。

在人工智能技術(shù)應用方面，通過在加油站現(xiàn)場部署AI攝像機和邊緣計算服務器，基于計算機視覺識別技術(shù)構(gòu)建智能識別網(wǎng)絡，精準識別道路和進站車輛，匯聚車流、交易、客戶數(shù)據(jù)。通過大數(shù)據(jù)挖掘和分析技術(shù)，以數(shù)字化方式實現(xiàn)加油站現(xiàn)場效率。該系統(tǒng)不僅可以精準統(tǒng)計道路和進站車輛，分析進站率與銷量變化趨勢之間的關系，提高車輛進站率，而且可以數(shù)字化分析加油站服務時長變化情況，研究服務效率低的原因和對策，提高車輛通過率。通過更深層次的數(shù)據(jù)挖掘，系統(tǒng)還能夠以車牌為客戶唯一標識，分析加油站新老客戶結(jié)構(gòu)變化情況，結(jié)合當期營銷活動分析營銷策略合理性，提高客戶回頭率。最后，通過建立員工人臉庫，系統(tǒng)可以分析員工在崗情況和活動熱點區(qū)域，給出優(yōu)化排班建議，提高現(xiàn)場管理水平。

圖5為本企業(yè)基于上述人工智能技術(shù)建立的AI數(shù)字現(xiàn)場系統(tǒng)功能截圖，以圖形化方式直觀地呈現(xiàn)了全省加油站道路和進站車流變化、服務時長排名、客戶結(jié)構(gòu)變化以及核心指標預警等內(nèi)容，有效提升了現(xiàn)場管理和服務效率。

在物聯(lián)網(wǎng)技術(shù)應用方面，通過在加油機、液位儀、雙層罐等設備中安裝智能傳感器，按標準協(xié)議采集核心設備工作狀態(tài)數(shù)據(jù)，再結(jié)合車流、交易等數(shù)據(jù)進行深度挖掘，開展油槍流速、油槍分布合理性等加油槍服務效率分析，動態(tài)監(jiān)測油罐和液位儀狀態(tài)，對異常進行實時預警，提高加油站設備的運行效率和穩(wěn)定性。另一方面，通過將低功耗廣域網(wǎng)（Low Power Wide Area Network，LPWAN）技術(shù)應用于加油智慧支付場景，在加油站構(gòu)建低功耗、遠距離LoRa無線網(wǎng)絡，通過加油槍槍托上的智能傳感器自動感應安裝在客戶車輛油箱蓋內(nèi)側(cè)的無源RFID標簽，實現(xiàn)無感支付體驗，提高了加油服務效率和現(xiàn)場車輛通過率。

4? 結(jié)? 論

綜上所述，大數(shù)據(jù)在油品銷售企業(yè)的廣泛應用可以更加有效地提升管理效率，更精準地開展客戶營銷，更科學地進行經(jīng)營決策。未來在更強有力的技術(shù)和人才體系支撐下，油品銷售企業(yè)可以利用大數(shù)據(jù)持續(xù)驅(qū)動業(yè)務和應用創(chuàng)新，不斷催生新場景、新體驗，并可以借助分析所得數(shù)據(jù)預測業(yè)務發(fā)展趨勢，讓數(shù)據(jù)能夠成為預測權(quán)威，大數(shù)據(jù)應用可以達成業(yè)務部門未曾想到的業(yè)務期望，超越業(yè)務滿意度，真正賦能業(yè)務，從而推動企業(yè)的數(shù)字化轉(zhuǎn)型，提升企業(yè)的綜合競爭力。

參考文獻：

[1] 吳靜，張鳳，孫翊，等.抗疫情助推我國數(shù)字化轉(zhuǎn)型：機遇與挑戰(zhàn) [J].中國科學院院刊，2020，35（3）：306-311.

[2] 宮夏屹，李伯虎，柴旭東，等.大數(shù)據(jù)平臺技術(shù)綜述 [J].系統(tǒng)仿真學報，2014，26（3）：489-496.

[3] 彭宇，龐景月，劉大同，等.大數(shù)據(jù)：內(nèi)涵、技術(shù)體系與展望 [J].電子測量與儀器學報，2015，29（4）：469-482.

[4] 鄧中華.大數(shù)據(jù)大創(chuàng)新：阿里巴巴云上數(shù)據(jù)中臺之道 [M].北京：電子工業(yè)出版社，2018.

[5] 唐燕，劉仁權(quán)，王蘋.基于Hadoop的高校大數(shù)據(jù)平臺的設計與實現(xiàn) [J].信息技術(shù)，2017（12）：105-109.

[6] 張寧，袁勤儉.數(shù)據(jù)治理研究述評 [J].情報雜志，2017，36（5）：129-134+163.

作者簡介：李?。?981—），男，漢族，江蘇泰州人，高級工程師，碩士研究生，研究方向：物聯(lián)網(wǎng)、大數(shù)據(jù)技術(shù);劉杰（1980—），男，漢族，河北滄州人，高級工程師，碩士研究生，研究方向：互聯(lián)網(wǎng)、大數(shù)據(jù)技術(shù);江海（1981—），男，漢族，四川內(nèi)江人，高級工程師，本科，研究方向：物聯(lián)網(wǎng)、大數(shù)據(jù)技術(shù)。