鐵路工務基礎數據可視化管理研究

曾祥富 王修歷

摘? 要：該文分析工務基礎數據管理、鐵路工務管理信息系統應用以及臺賬主管人員數據素養水平現狀，針對基礎數據不準確、難以捕捉異常、與本地數據關聯不足、臺賬主管人員數據素養水平存在差異等問題，在鐵路工務管理信息系統導出數據的基礎上，結合本地生產管理數據，提出基于Tableau的基礎數據可視化分析實現路徑，并給出臺賬主管人員數據素養提升策略。

關鍵詞：鐵路工務；基礎數據；可視化分析；Tableau；大數據

中圖分類號：C37? ? ? 文獻標志碼：A? ? ? ? ? 文章編號：2095-2945（2024）19-0143-04

Abstract： This paper analyzes the basic data management of public works， the application of railway public works management information system and the current situation of data literacy level of account managers. In view of the problems such as inaccurate basic data， difficult to catch anomalies， insufficient association with local data， differences in data literacy level of account managers， and so on， on the basis of data derived from railway public works management information system， according to local production management data. This paper puts forward the realization path of visual analysis of basic data based on Tableau， and puts forward the strategy to improve the data literacy of account managers.

Keywords： railway public works; basic data; visual analysis; Tableau; big data

鐵路工務基礎數據眾多，傳統基礎數據主要通過鐵路工務管理信息系統（以下簡稱PWMIS）進行管理，并導出Excel統計數據開展二次分析，但日常管理存在數據不準確、分散不關聯、動態更新不及時和可視化展示不足等問題。同時，工務設備臺賬管理人員在數據意識、數據知識、數據技能等方面也存在差異。

大數據時代，需要管理者快速、高效理解與挖掘數據背后的信息[1]，需要在PWMIS系統導出數據的基礎上，結合本地生產管理數據，對工務基礎數據進行深度挖掘和關聯分析。以Tableau為代表的商業自助式BI工具在大數據可視化管理方面優勢明顯[2]，可以此為載體開展本地數據可視化管理。同時，相較于傳統數據而言，大數據不僅體量龐大、類型復雜，還具備時效性強、價值密度低的特征，大數據的誕生促進了人們工作思維及生活方式的轉變[3]，對數據管理人員的數據能力提出了更高的要求，因此亟需提升工務基礎數據臺賬管理人員的數據素養。

1? 工務基礎數據管理現狀

1.1? 工務基礎數據組成及應用情況

1.1.1? 基礎數據組成

PWMIS包含工務基礎數據管理、工務安全生產管理、工務地理信息應用、工務檢測監測數據管理和工務修理輔助決策管理五大子應用模塊。其中工務基礎數據管理包括線路設備、橋隧設備、路基設備、運營情況、專題圖（綜合圖、配線圖及速度圖）、LKJ數據（車站、股道、道岔、線路允許速度、坡度、曲線、橋梁、隧道、道口、正線里程信息表和線路里程斷鏈表等）。系統組成如圖1所示。

1.1.2? PWMIS基礎數據應用現狀

鐵路工務專業通過多年信息化建設，建立了基于PWMIS的工務基礎臺帳信息化管理。特別是PWMIS2.0升級版應用以來，一定程度上解決了長期以來工務基礎設施圖紙資料、技術檔案以及圖形圖像等數據分散管理，未與基礎臺賬信息建立關聯等問題，有利于專業管理人員及現場作業人員全面掌握設備設施狀態，為工務精細化管理及現場問題處置提供了便利。但在實際應用中還存在如下問題：

數據不準確。每年線路新建、大修、更改數量較多，且運營一段時間后線路線型也在發生變化，加之鐵路局集團公司、站段、車間及工區各層級信息不對稱、設備管理單位與施工單位技術交接不到位等原因導致數據不準確[4]。

數據異常難以捕捉。PWMIS導出的設備基礎信息仍以Excel表格統計為止，數據缺少可視化展示，出現數據異常很難被發現。

數據與本地數據關聯不足。目前工務生產管理仍存在大量信息需在本地進行管理，特別是臨時性、突發性工作任務，單靠PWMIS數據分析查詢功能無法完成深度分析。

1.1.3? 基礎數據可視化分析必要性

針對數據不準確問題可通過建立完善相關制度，加強專業管理加以解決。針對數據異常難以捕捉、與本地數據關聯不足等問題可通過商業BI工具可視化分析來實現。通過可視化分析將幫助決策者快速思考，獲取信息，做出判斷[5]。

通過系統化規則或算法識別異常數據。一是基于固定數值的異常判斷。如結合年度大維修任務完成情況統計發現年度設備變化異常處所，反推設備臺賬記錄。二是基于相對數值的異常判斷。如同比和環比情況，將現有設備與歷史設備數量進行對比分析。三是基于統計分布的異常判斷。比如可通過盒須圖、分布區間、標準偏差等方式分析異常偏離值。

管理本地數據實現數據深度挖掘。單項工作需在PWMIS基礎數據上關聯實際需求，從業務出發尋求合理的專業解釋，洞察事物變化規律。通過可視化分析有助于全面精準定位問題，制定針對性措施。

鑒于專業管理人員日常管理需求和工務基礎數據量大、時效性高、數據關聯性強等特點，亟需在PWMIS導出數據基礎上，開展工務基礎大數據可視化分析研究，以便及時發現異常，洞察規律。

1.2? 臺賬主管人員數據素養水平現狀分析

1.2.1? 數據感知意識淡薄

數據意識通常是指對數據和數據問題的感受力，以及對數據價值的洞察力和判斷力，它決定了獲取、判斷和利用數據的自覺度[6]。部分工務基礎管理人員因長期從事某個單項工作，所處層次不同，不能及時從數據視角來捕捉生產管理行為帶來的變化，不會主動搜集、分析安全生產管理所帶來的基礎數據變化，從而在主觀上導致基礎數據得不到及時更新。

1.2.2? 數據知識儲備不足

一是統計學基礎知識欠缺。部分臺賬管理人員對描述性統計中離中趨勢、集中趨勢以及分布特征各項指標混淆，理解不到位，不會運用基本的描述性統計指標對數據進行分析。二是不注重可視化原理運用，錯誤選擇圖表類型。比如在表達趨勢型、占比型、對比型圖表類型上選擇錯誤。在研究某一區段線路設備數量隨時間變化趨勢時可以選擇柱狀圖和折線圖，但卻不能清晰地鑒定柱狀圖和條形圖的區別。通常如果觀測的時間是離散型變量，如1月、3月、5月、7月這樣的時間序列，且柱子不超過12個時，可以選擇柱狀圖。但是如果觀測的時間是連續性變量，如1月15日、2月21日、3月24日等，觀測的時間點甚至多于12個時，此時優先選擇折線圖。

1.2.3? 數據分析能力欠缺

一是展示手段不足。目前基礎數據分析各類展示報告中，傳統的三圖一表仍是主要的可視化展現方式。所謂三圖一表，即條形圖、折線圖、餅圖和交叉表。而大數據分析通常強調大數據樣本的宏觀特征、分布規律和相互關系，對應的直方圖、盒須圖和散點圖等高級圖形應用較少。至于基于地圖統計分析、互聯網元素的文字云、樹狀圖、氣泡圖等應用則更少。二是分析問題解析與層次研究。通常的數據分析為迎合決策者個人需求，比如上級要求哪方面內容，則提供哪方面內容。臺賬管理人員的個人思考受限于其掌握的工具，通常編制的報告羅列了大量的數據，并花費大量時間用在文字修飾和排版上。

1.2.4? 輔助決策能力不足

一是缺少數據交互分析。臺賬管理人員所依賴的定制數據分析手段缺少數據交互，不利于快速決策。數據交互是自定義分析的前提。經常臺賬管理人員只能被動地接受分析結果，而不同的決策層所關注的重點又有所不同，對比的層次也不盡相同，這時候就需要一些假設性檢驗，所以也需要更多的交互。如何讓管理者用感性直覺的思維快速做出理性正確的決策也是擺在臺賬管理人員面前的問題。二是未遵循基本表達分析邏輯。基本的分析邏輯包括區分用戶、真實準確、符合大眾認知與審美、適度原則和五秒原則等。區分用戶主要指基礎數據提供給集團公司經理層、站段管理層和車間執行層的內容和角度應該是不一樣；真實準確則是對數據分析的時候必須真實客觀地反映，避免人為去粉飾掩蓋問題，避重就輕去分析原因；符合大眾認知與審美指的是要尊重行業表達邏輯和審美習慣；適度原則即適度即可，過猶不及；五秒原則是指數據分析的結果讓人能快速準確獲得作者想表達的信息。

2? 基于Tableau的基礎數據可視化分析

2.1? 基礎數據可視化方案設計

2.1.1? 功能需求設計

基于自定義地圖的基礎數據可視化展示。主要對管轄范圍內基礎設施設備進行統計分析，快速定位薄弱區段、問題設備，設備質量整體把握，并關聯人員、機具、材料等生產生活設施。

自助式數據統計分析。利用BI工具的交互特性以及數據分析靈活性，依據不同維度不同統計指標，自助式開展各類統計分析工作。

異常數據識別。分別從基于固定數值、相對數值和分布特點3個方面對異常值進行提醒識別。

2.1.2? 基礎信息設計

各類工務基礎數據表。包括線路設備、橋隧設備、路基設備、運營情況、專題圖和LKJ等基礎數據以及本地管理的業務數據。

2.1.3? 可視化設計

首先準備好數據展示的各類圖表，注意依據數據可視化設計原則選擇合適的圖表[6]，常用的圖表類型選擇見表1。

各類構成儀表板元素的圖表確定后，需要確定合適的屏幕分辨率和設計稿尺寸，根據工務基礎數據日常分析需求，抽取業務場景關鍵的指標，明確主次關系，提取業務中用戶最關心、最核心數據進行展示，對于次要的數據源和控件可以適當弱化設計。

2.2? 數據準備

數據準備包括數據處理和數據建模2個階段。數據處理主要是讀取本地數據及PWMIS導出基礎數據，在TableauPrep Builder和Tableau Desktop中完成數據處理。數據建模主要利用Tableau Desktop聯接和混合功能建立星型數據模型。

2.2.1? 數據處理

利用Tableau Prep Builder進行數據預處理，常用數據處理內容包括字段重命名、字段篩選、清除異常值及重復項、數據轉置、聚合計算和數據合并等。

2.2.2? 數據建模

針對基礎數據管理的多張表，使用不同的關系、聯接和并集組合建立數據關系模型。主要通過2個層次來建立數據關系模型。一是在物理層，通過聯接、并集形式對各類基礎信息數據進行處理，如將不同站段的人員生產管理信息通過數據并集形式進行合并生成新的總表。二是在邏輯層，不同表之間通過關鍵字段建立關系。如在TableauPrep Builder中對車站信息表、股道信息表進行表間聯接操作，將線編號、車站名等字段作為關鍵字段放入聯接子句，通過右側聯接方式快速識別兩表不匹配處所，及時核對更改。

2.3? 可視化實現

2.3.1? 全局設備概覽

主要對局管內線管轄線路里程、車站總數、股道條數、曲線條數、道岔組數、橋梁隧道座數和道口個數等基本情況進行統計。如圖2所示，某局管內工務設備總體概覽。

2.3.2? 各類設備統計分析

根據業務需要對某單項設備自助式分析。如圖3所示，某局管內所有道岔分布按線別、按車站、按圖號進行統計分析。安排大修計劃需要淘汰某種型號道岔時，可通過交互快速定位到其分布車站，也可與大維修歷史數據關聯其大維修信息。

3? 臺賬管理人員數據素養提升策略

3.1? 推進數據意識培養

一是在工務系統內部積極營造數據分析氛圍。定期組織專題培訓，提升臺賬管理人員的數據意識，增強對數字信息的敏感度，開展類似Excel等基礎數據分析工具的培訓工作。通過以比促學等方式增強臺賬管理人員對數據知識的求知欲，鍛煉利用檢索網絡數字資源分析和解決問題的能力，并不斷提升自身的數據資源應用水平和利用能力。

二是重視數據分析思維模式的培養。數據分析思維是在數據分析過程中，一套完整的發現、思考、解決問題的方法論，通過建立一套科學合理的數據監測與評價體系來總結規律、發現異常、提出建議。數據分析思維通常包括結構化思維、公式化思維和業務化思維，臺賬管理人員可從不同維度加以提升，見表2。

3.2? 分層分類開展培訓

一是加強數據知識學習。臺賬管理人員應熟練獲取各類數據，了解數據源、數據獲取途徑，掌握檢索與收集數據的基礎能力，能夠對數據的格式、類型、特點做出精準解讀。能用基本描述統計量描述基礎數據的平均值、中位數、標準差和分布特征等，合理選擇圖表表達解釋數據。

二是提升數據分析技能。如通過開展軟件使用培訓，讓臺賬管理人員可以靈活選擇工具處理分析原始數據，利用統計分析軟件對獲取的數據做出恰當統計分析，結合經驗與實際對統計分析結果做出精準解釋。如結合生產實際構建多元化數據應用場景，提升數據理解能力及遷移能力。

4? 結束語

工務基礎數據管理工作重要且繁雜，大數據時代對數據管理者的數據意識、數據知識、數據技能提出了更高的要求。通過開展基于Tableau的鐵路工務基礎數據可視化管理實踐，助力臺賬管理人員提升數據素養，提升了大數據應用能力，提高了工務基礎數據管理水平。

參考文獻：

[1] 李擎，張秋艷，白磊.一種基于文本挖掘的鐵路基礎設施設備風險隱患識別模型[J].鐵路計算機應用，2018，27（2）：1-4.

[2] 雷元.34招精通商業智能數據分析·Power BI和Tableau進階實戰[M].北京：電子工業出版社，2021：1-2.

[3] 吳明宇.大數據時代下高校教師數據素養能力的提升路徑[J].經濟研究導刊，2023（13）：127.

[4] 王麗潔.工務線路設備技術臺賬失準的原因及對策[J].鐵道技術監督，2013（5）：30-32.

[5] 喜樂君.數據可視化分析·業務可視化分析[M].北京：電子工業出版社，2021：8-10.

[6] 郝媛玲，沈婷婷.高校文理科研究生數據素養比較[J].圖書館論壇，2016（8）：126-132.