大數據賦能港航智慧經營

徐凱 楊雅迪

摘? 要：隨著時代的進步和科學技術的不斷發展，大數據被廣泛地應用于港航經營領域。本文通過對大數據在港口、航運業應用現狀的整理分析，發現航運大數據的發展趨勢，提出航運大數據在發展過程中的問題，并為航運大數據的發展提出了建議。

關鍵詞：大數據;航運業;智慧經營

0 引 言

美國研究員Michael Cox于1997年IEEE第八次會議上，首次提出大數據“big data”這一術語來描述超級計算機產生超出主存儲器的海量信息[1]。目前，大數據并沒有一個統一的定義。工業和信息化部研究院在其公布的《大數據白皮書（2014）》中對大數據的定義如下：“大數據是具有體量大、結構多樣、時效性強等特征的數據;處理大數據需采用新型計算構架和智能算法等新技術;大數據的應用強調以新的理念應用于輔助決策、發現新的知識，更強調在線閉環的業務流程優化?！盵2]徐凱在專著《大數據時代的航運信息平臺》中給出定義：“航運大數據（Shipping Big Data）是指航運業務、管理、監管等領域產生的海量數據，以及圍繞這個數據規模有效的融合、存儲、加工、查詢、分析相關技術和解決方案的統稱。”

隨著時代的進步和科學技術的不斷發展，人類社會已經進入信息經濟、數字化經濟、互聯網經濟時代，大數據被廣泛應用于各行各業。2019年12月，交通運輸部發布了《推進綜合交通運輸大數據發展行動綱要（2020—2025年）》，提出到2025年，力爭實現綜合交通運輸大數據標準體系更加完善，基礎設施、運載工具等成規模、成體系的大數據集基本建成?！笆奈濉币巹澗V要也明確提出要以數字化轉型整體驅動生產方式、生活方式和治理方式變革。就航運業而言，大數據能夠賦能港口、航運企業以及相關政府部門及口岸的智慧經營和管理，不斷優化行業服務質量，提升業務效率，還可以發掘數據紅利、創新服務模式、再造業務生態，實現體系化、跨越式發展。

1 航運大數據的發展現狀

航運大數據的應用主要涉及4個主體：港口、航運企業、政府公共航運和口岸服務、航運數據第三方商業服務。

1.1 港口大數據發展現狀

港口生產管理過程中產生了海量數據，許多重要港口如上海、寧波舟山、天津港等已經建設了集團數據中心（或數據倉庫），完成了主數據梳理，實現了集裝箱業務數據一體化，并在探索散貨等業務數據的整合。港口數據中心從數據資源一體化整合入手，邁入一體化治理與管控階段，形成一站式服務能力。

諸多港口應用大數據提高了港口運作效率和運輸管理效率，提升港口應對風險能力，改善港口精益化管理水平，進一步增強了港口的競爭力。如：2021年，寧波舟山港集團旗下寧波信息通信有限公司、浙江省海鋼集團合作研發的海港疫情防控數字化管控平臺上線，利用大數據實現了對港口防疫重點要素的全流程監控和預警。2017年，上港集團推出一站式查詢服務平臺“港航縱橫”，匯總了港口以及上下游鏈條上的大量數據，包括支線經營人的駁船船期、裝載清單、運力發布等，碼頭的標準化信息、干支線以及穿梭巴士靠離泊信息、集裝箱裝卸動態、報文信息、海關的放關信息，大船公司以及代理的干線船期、倉單、船圖貨代的訂艙托單信息、裝箱單信息，車隊的集卡運輸箱信息等。2020年，上港集團海勃公司洋山四期大數據項目組研發、構建了碼頭運營大數據分析與智能決策平臺，該平臺利用最新的大數據分布式文件技術、內存計算技術和三維可視化技術對數據進行梳理、保存、處理和匯總，構建碼頭全過程關聯分析指標體系;用直觀的可視化圖表，結合OEE分析和標桿分析等思路，層層深挖月度計劃及完成情況、船舶船型及靠離泊時間等數據，發現碼頭生產作業瓶頸;從不同角度提供大數據分析和智能決策算法支持，在錯綜復雜的碼頭生產作業中發現作業和管理精益化的改進目標。

1.2 航運企業大數據發展現狀

大數據為航運企業的智慧經營賦能，提升服務質量和效率，創新服務模式和盈利模式，是企業順應時代發展的強大動力。一方面，航運企業通過內外部數據資源的整合集成，構建數據中臺和智慧經營系統，提升船隊經營能力、價格預測能力、風險預警能力等;另一方面，航運企業積極構建數據鏈條，以區塊鏈為抓手，通過業務數字化、需求前置化、應用生態化等手段，引領著行業數據生態的演變路徑。

集裝箱運輸方面，中國遠洋海運集團有限公司、上海海事大學聯合承擔的“航運數據集成平臺建設應用”項目已被列入交通強國試點任務，并開發了企業數據中臺、決策支持系統、綜合經營分析系統、數據質量和安全管理、數據分析與建模平臺等功能。此外，以IBM牽頭的區塊鏈聯盟發起的TradeLens和以中遠海運集運牽頭的區塊鏈聯盟發起的GSBN，都相繼在提單電子化、運輸透明化、共享信息存證和金融支付服務等方面進行了積極探索，并發布了《基于區塊鏈的進口集裝箱電子放貨平臺建設指南》等成果。

散貨運輸方面，早在2017年7月，馬士基集團子公司馬士基油輪已經和波士頓從事航運定量交易模型數據的對沖基金CargoMetrics 達成股權合作，利用CargoMetrics的海量數據和技術加快推動公司數字化經營解決方案;同年，馬士基利用大數據分析客戶歷史和可能風險，為其提供供應鏈金融服務。2019年，VesselsValue聯合ViaMar AS研發了收益預測模塊。2020年，信號海事服務公司（Signal Maritime Services Ltd.）與大型油輪公司Heidmar Inc.合作，使用其專有技術和分析方法為HEIDMAR管理旗下經營的一支聯營池POOL油輪船隊。2020年，我國招商輪船也啟動了智慧經營平臺的研發，通過大數據分析為市場經營決策提供支持。同年，DNV GL和中遠海運在上海簽署相關協議，由DNV GL為中遠海運集團構建智能船舶數據管理中心提供咨詢服務，助力中遠海運集團數字化轉型升級進程。

1.3 政府公共航運和口岸數據服務現狀

在政府層面，航運大數據主要以互聯、互通、互認為核心，整合了口岸、交通、物流等多個維度的數據，整體提升商貿營商環境?！按邸洝眳f同和“航—貿—物”一體化，都旨在徹底消除“信息孤島”現象，打通整個物流鏈、價值鏈、服務鏈，促進商貿數據要素有序、規范、高效流通，加快釋放數據要素紅利，滿足商貿企業多層次、多樣化、個性化的需求。

早在10年前，由交通運輸部和國家發改委牽頭打造的國家交通運輸物流公共信息平臺，就提供了三大基礎服務：標準服務、交換服務、數據服務。該平臺為參與方指定物流信息互聯標準，為物流鏈互聯互通奠定基礎;為物流的倉儲、運輸、包裝、裝卸、加工、配送等各環節提供中立、開放、免費的數據單據和應用服務交互的安全通道。2019年以來，由國務院國資委聯合交通運輸部等多個部委推動的物流大數據平臺建設也加快推進，該平臺將為物流鏈上下游企業提供公益性服務，吸引多個企業主體共同參與，以賦能物流業務為基礎，實現數據沉淀、構建數據資源池、打通物流全鏈條數據通道，并提供金融產品等增值服務。

口岸與航運數據融合創新也很多，例如：上海海事部門依托“大數據”選船平臺，根據日常管理情況對船舶進行風險評級，依據不同的評級結果采取差異化管理，將海事監管重點部署至高風險船舶、低風險船舶將獲得更多的便利。同時，將船舶進出港報告情況納入誠信管理機制，對不按相關規定進行船舶進出港報告的，將其列為重點跟蹤船舶，實施每港必查。上海海關聯合中遠海運集團、上港集團，在上?？诎堕_展跨境貿易管理大數據平臺建設，將船公司、航空公司、海港、空港、進出口企業、稅務、工商、外匯等各類貿易鏈、物流鏈數據，與海關通關監管數據進行智能集成，共享信息資源，精簡通關手續，通過平臺探索建立智慧通關新模式，企業不僅能夠自主提前申報，還可提前安排提箱計劃，實現“優享訂艙”和“靠泊直提”。

1.4 航運數據第三方商業服務現狀

近年來，航運數據第三方商業服務發展也越來越成熟，大致可以分為AIS數據服務、運輸狀態查詢服務、電商衍生數據服務、上游產業數據服務四類。

第一，AIS數據服務方面。主要基于國際海事組織（IMO）相關公約要求，300總噸以上的船舶需要強制安裝船舶自動識別系統（AIS）以實現避免碰撞的目的。于是，就誕生了具備全球衛星星座采集AIS數據的EXACTEARTH、ORBCOMM、SPIRE等國外數據商，以及整合他們數據并增加岸基接收數據的Fleetmoon、Vessel Tracker、船達通、船訊網、寶船網、Hifllet等數據服務商，基本都具備提供全球任意位置船舶搜做、分析歷史掛靠查詢、臺風氣象數據查詢等功能。另外，由上海國際航運研究中心聯合中外運股份、中遠?？萍?、億通國際、中交通信大數據（上海）科技有限公司等合作共建的航運物流大數據聯合創新實驗室，在ETA抵港時間預測、港口擁堵預測、新冠肺炎疫情對集裝箱班輪運輸的影響等分析研究方面已經取得多項重要成果。

第二，運輸狀態查詢服務。這類型的數據企業主要提供船期查詢、貨物追蹤查詢、海關查驗放行等信息服務。例如：具備船期查詢、準班查詢服務能力的維運網、Cargosmart、鯨準網等，具備集裝箱號碼追蹤查詢能力的愛跟蹤、箱訊網、鯨準網等，具備全程運費、運輸方案設計查詢能力的freights和簡易運等。

第三，電商衍生數據服務。這類數據服務是由航運訂艙類電商平臺、租船類電商平臺、船舶服務電商平臺等通過交易沉淀數據，然后再將數據進行分析挖掘，并提供衍生數據服務的模式。其實，早在20世紀，波羅的海航運交易所就已經將備案運價進行分析并建立了運價指數和相應衍生品交易服務。近些年，在“互聯網+航運”的背景下，出現了像“運去哪”這樣的訂艙平臺，基于交易數據沉淀，聯合中國交通通信信息中心和上海海事大學，共同研發提供“航小運”數據服務工具的案例。

第四，上游產業數據服務。由于航運數據與上游制造業大宗原材料和制造供應鏈密切關聯，通過分析船舶、貨物數據進而提供更精確的貿易貨量、庫存量、價格分析和期貨分析的數據服務也很普遍。例如：很多AIS數據被用于大宗商品貨流數據分析，如鐵礦石、煤炭、LNG、原油、LPG及糧食等貨種，并為貿易、金融等從業者提供市場決策參考。

2 航運大數據的發展趨勢

2.1 航運大數據應用場景化

在航運數字化轉型的浪潮之中，數據從產生開始，經歷了采集、傳輸、存儲、計算、分析、可視化、應用的全過程，才有可能兌現數據中蘊含的價值。不論采用的技術手段是否先進，航運大數據一定要在實際航運業務場景中發揮作用，才最終兌現了其價值。脫離了價值鏈的數據鏈是難以孤立存在的，大數據也是通過優化資源配置、提供決策支持、預警市場風險、精準客戶畫像等方式為航運創造價值。

2.2 航運大數據采集前置化

數據生成的模式有三個階段[3]：被動記錄、主動生成、自動生成。被動記錄模式是20世紀90年代，政府和企業應用數字技術和數據庫系統記錄結構化的數據;主動生成模式是指以搜索引擎和電子商務為代表的web1.0系統在20世紀90年代末期產生的大量半結構化和無結構的數據;自動生成模式是指因物聯網（如智能手機、傳感器等）的普及引發的。航運業的電子商務和業務數據化程度還不高，仍處于向數據主動生成階段邁進的過程中。

如今，港航企業開發的新業務系統，不僅面向企業內部管理流程，更會從業務受理開始就直接面向客戶獲取需求信息（采集數據）。從源頭開始就將整個業務置于線上化流轉協同的過程之中，以便為客戶提供個性化服務，優化業務結構、提高業務處理效率、提供企業精細化服務水平。例如：近兩年大部分港口都開始實踐卡車到港預約服務等。

2.3 航運大數據分析預測化

航運大數據的應用分為三個階段，即感知、預見、掌控。感知時發現規律的過程;預見是在極短時間內或在一定時間跨度內，按照規律去外推未來可能發生的事情;而掌控指的是當人們知道可能發生的變化和預見到未來發生的一些事情時，是否可以動用一些手段來改變最后的結果。例如：通過預測港口擁堵情況和到港后的等待時間，船舶可以在進港前的最后一段航行路程上調整航速，減少油耗;通過預測船舶租金價格的走勢，船舶所有人可以優化船舶進船務保養的時間，以獲取更好的經營效益等。

2.4 航運大數據服務精細化

同樣的數據被不同的主體使用時有不同的價值，如同物流要解決最后一公里配送，數據分析的半成品對于數據消費者來說“不解渴”，需要按照用戶需要的數據格式和顆粒度、展現形式提供和交付。例如：對貨主來言，船舶當前航行位置數據、抵港記錄對供應鏈管理是有價值的信息，但這個信息對用戶來說還不是最恰當的使用形式，如果可以在決策階段根據航次船期提供準班率指標作為參考，在運輸途中提供精確的預計抵港時間（ETA）預測，在發生嚴重誤班時及時推送預警信息，才有可能創造出最佳的數據產品。

3 航運大數據發展存在的問題

3.1 數據孤島和共享困難

雖然人們積極努力，航運業仍存在一些數據孤島，即使已經實現集中存儲的數據也有可能沒有真正“融合”，加上港航業務鏈條上各強勢方之間信息鴻溝的阻隔，導致信息難以真正為航運業創造價值。要徹底激發數據價值，必須要聯合船舶、海關、商檢、海事、港口等對共同信息進行共享連接、多維驗證、分析研究，但能夠促成這種合作的有效機制仍待確立。

3.2 內部數據和外部數據分離

傳統信息化往往局限于管理類問題，而數字化是上升為經營決策支持工具。這就要求港航企業具備很強的內部數字資源整合能力和外部數據資源集成能力。如何提高企業內部數字資源整合能力，通過數據促進不同業務環節的協同配合并提高數據質量、構建數據來推進大數據對經營決策方面的支持并增強企業外部數據資源集成能力，增強對市場的感受能力、提升對服務對象的溝通能力，是企業應用大數據使自己具備“智慧”的一大挑戰。

3.3 業務和數據的脫離

如何采集到有價值的數據資源，關鍵在于數據的產生和采集能否同時發生，即數據的采集要盡量貼近于數據發生的過程。未來，航運大數據的最終采集方式是由機器替代人采集數據，手段主要是物聯網技術、電子商務和機器人流程自動化（RPA）。目前，航運業務數據化程度不高，又屬于勞動密集型行業，容易導致業務過程和數據采集的分離，這也是航運數據質量問題的主要誘因之一。

3.4 數據質量和標準缺失

航運數據的質量包含很多方面，可以從數據來源、采集方式、可獲得性、存儲格式、完整性、準確性以及時效性等方面評估數據質量。一方面，數據量大不代表數據價值大，特別是數據質量不可靠的情況下，數據清洗代價很高，數據分析結果的正確性和準確性會大受影響，最終阻礙數據應用;另一方面，由于業務范圍和功能差異，獨立運行的各類信息系統，相互之間存在信息標準不統一、格式互不兼容的情況在航運業非常普遍，成為數據流動和共享的阻礙，影響數字化轉型全面推進。

3.5 數據安全配不上其價值

航運業務包含了高商業價值的數據，對潛在的攻擊者吸引力很大。與數據的價值相比，航運信息安全方面的投入明顯不足，特別是與金融行業等同等數據價值的行業相比。在航運數字化轉型的大趨勢下，這種高價值數據的集聚會加速，而相關攻擊造成的損失可能更大，這就為航運大數據發展留下了更大隱患。

4 航運大數據發展的建議

4.1 政府角度的發展建議

（1）推動建立航運數字化國際組織和行業組織

航運數字化必然需要形成全球性協調機制，以促進技術、規則、標準、模式的統一和普及。我國在航運業的運力規模、市場份額、技術研發等方面已經取得了長足進步，可以在航運數字化變革中承擔更多國際責任，引領發展趨勢，提升話語權。因此，有必要積極探索聯合全球港航業成立“國際航運信息化委員會”，鼓勵企業和研究機構合作建立創新聯合體，促進產學研用協同創新轉化和優勢技術應用推廣能力。

（2）完善航運數據標準體系建設

基礎代碼和數據格式的不一致，不利于數據的共享和互聯互通。應加快完善航運大數據標準體系的建立與推廣，積極梳理和編制全球碼頭編碼標準、航線代碼標準、船期代碼標準、公共船舶信息庫等公共基礎數據標準體系，才有可能最大限度避免各港航企業的數字化方案之間互不兼容的情況。例如：從貨物、港口、承運人等編碼規范，物流證書、單證、格式規范，數據采集、分享、存儲、交換規范等借鑒、引入、制定的數據規范體系。

（3）構建數據治理體系

實行數據分層分級管理，如：設立數據保密、公開、顆粒度、精度等相關標準;界定數據所有權、使用權、保管權、分發權等的數據權限，建立地方標準、企業標準、團體標準研發生態，并促進相關標準的國標化和國際化，探索數據資產認定、交易、審計、質押等有效機制。

（4）推進航運數據安全保護體系建設

推進航運數據分等級安全保護體系建設，保證數據的收集、存儲、傳輸、分析處理、用戶個人隱私等各個方面的安全性。建議針對航運業，完善相關保障大數據安全的政策和法律法規;加大基于大數據的安全技術研發力度，培養大數據安全的專業人才;明確航運業重點數據庫的范圍，制定完善的數據庫管理和操作規范，加強對航運大數據重點數據庫的監管。

（5）培育一批航運數字化復合人才

政府在高等教育和職業教育中，加強培養復合型創新人才，積極促進創新人才職業發展、交流合作和先進評選，引導港航數字化人才的發展和集聚。建設行業領軍人才庫，為其提供相應的獎勵政策和優惠待遇，幫助港航企業形成人才集聚的效應。

4.2 行業角度的發展建議

（1）打造大中臺，提升港航智慧經營能力

企業要融合內外部多維數據，打造大中臺，支撐業務方面的決策支持，提升企業智慧經營能力。大中臺是數字化應用的核心能力，大中臺是分業務主題構建的分布式數據庫、知識庫、算法庫的集成，具體可分為數據中臺（數據集市）、業務中臺和技術中臺（包括算法、模型的建立）三部分。企業應開展大中臺建設，實現數據采集和產生融合、內部數據與外部數據融合，提升企業智慧經營能力，為客戶提供數字化、智能化的解決方案。

（2）推動“船—港—貨”協同大數據應用，優化經營決策水平

港航產業鏈數據信息不透明、不融合、時效差等問題造成的港口和航運服務供應鏈不穩定、不高效的行業發展核心痛點，是未來港航數字化要解決的一個重要問題。首先，需要解決感知數據融合這一關鍵技術，搭建港航實時監測平臺;其次，要基于實時監測數據構建港口、航運、物流經營的智慧決策系統。以感知融合技術構建氣象、船舶、港口、口岸大數據智慧監測平臺，基于船舶、車輛等載具感知和行為識別算法，有效識別船舶海運運量變化（大宗貿易量、集裝箱進出口量、油品與LNG等貿易量），主要航線運力供應變化（運力分布、運力周轉、船舶所有人情況、閑置運力、滯留運力等），港口經營動態（交通流量、泊位裝卸、航道繁忙等），集疏運體系經營動態（疏港道路擁堵、貨源地倉庫分布、陸港布局優化、外堆場協同優化等），實現“船—港—貨”實時大數據監測。

（3）積極組建創新聯合體促進產學研用結合

以大企業牽頭，政府支持、科研院所等多方共建的方式，協同搭建創新聯合體，率先推進重點領域、關鍵環節資源整合和開放共享，促進各環節信息共享、數據流通，提高航運業務銜接和供應鏈協同效率。聯合共建聯合創新實驗室，以數據為核心要素，創新業務場景應用，促進產業鏈融合，形成數據驅動型創新體系和發展模式。

（4）通過業務線上化獲取數據

就是讓數據在電子商務（或電子政務）的操作過程中或者企業內外生產經營相關平臺的操作過程中產生。也就是說將港航業的對內管理以及對外業務流程甚至交易過程搬到網絡中線上完成，比如企業OA系統，又比如合同的簽訂、發提單、支付運費等都通過線上平臺實現，那么，在業務發生的同時數據也就產生了。盡量前置數據獲取環節，讓業務需求產生時，從受理開始就進入線上協作流程之中。

（5）積極融入航運數字化新生態

港航業原本的角色分工也很細化，但過去的角色分工更多是基于價值鏈上的差額形成的，而未來這種細化分工將更多地取決于能力優勢。港航企業要積極地融入和投身到行業生態的組建和組織的過程中去，依托自身關鍵業務資源優勢，主導一個生態的營造和發展，并在這個過程中去強化自身內部的數據循環和參與外部數據循環的相輔相成，從強化智能化的經營決策能力這個角度多做一些嘗試。

4.3 走出航運業視角的發展建議

（1）促進上下游企業大數據協同，暢通產業循環

航運數據的價值并不局限于產業自身，往往在貿易、期貨、保險等其他領域更具價值。鼓勵數據服務產品更多面向上游企業，為客戶提供更多元化的航運大數據服務。例如：油化52Hz利用航運大數據結合AI技術，對油輪、化學品船、VLCC、LPG、LNG船舶及所掛靠的港口、碼頭、泊位進行畫像，提供跟蹤、查詢、歷史統計、未來預測及可視化展示功能及服務，為包括中石化、中石油等在內的廣大化工貿易企業提供了具有重要商業價值的數據服務。

（2）推進航運業與其他大數據應用行業融合，實現跨界創新

港航數字化轉型的本質是讓港航跟上和融入整個世界的數字化變革浪潮之中，更好地對接商貿物流服務，支持中國制造高質量發展，為經濟雙循環賦能。例如：將港航大數據與金融相結合，通過線上、區塊鏈、移動支付等方式，統一渠道，簡化貿易、物流服務交易流程，資金流配合信息流、商流和物流，四流合一提升航運物流效率。除了傳統的融資、保險、資產交易等金融場景，數字人民幣也將會在國際航運結算中與智能合約技術一起扮演更重要的角色。

5 總 結

港口與航運領域的大數據在不斷發展，航運業作為一個古老的傳統行業，大數據技術的應用正在不斷地影響到這個古老行業的轉型升級，促進該行業服務高質量發展。在發展過程中，應切實解決發展難題，通過政府、機構、企業等相關主體的共同努力，實現航運大數據的高質量應用，為港航領域實現智慧經營賦能，打造行業數字生態圈，推動行業的高質量發展。

參考文獻

[1] Carlo Ratti，Dennis Frenchman. Mobile Landscapes： Using Location Data from Cell Phones for Urban Analysis[J]. Environment and Planning B： Planning and Design，2006，33（5）：

[2] 工業和信息化部電信研究院.工信部電信研究院大數據白皮書（2014年）[R].北京：工業和信息化部電信研究院，2014.

[3] 李學龍，龔海剛.大數據系統綜述[J].中國科學：信息科學，2015，45（01）：1-44.

[4] 李啟雷.航運大數據管理及其在公共服務領域的應用[J].浙江大學學報（人文社會科學版），2015，45（03）：16-24.