400-238-2570可以押注lol比赛的软件这是为了写论文吗？
首先，我们需要定义“铁路行业”这个词。从广义上讲中国铁路私有化，它可以包括下图所示的所有单元。狭义上，一般可以理解为包括“51铁路运输业”，也可能包括“37运输装备制造业”（按经济行业分类代码），运输服务提供者以铁路总公司为代表，制造业以中车集团为代表。两者的数据需求和分析应用有很大不同。前者关注市场、客户、运输效率、运输成本（例如机车燃料），后者关注供应链、采购、维护成本等。
可以押注lol比赛的软件其次，要定义“大数据”，这个词和“云计算”一样热闹，缺乏一个标准的定义。只有定义您选择的定义，您才能回答：
Gartner：“大数据”是一种海量、高增长和多样化的信息资产，需要新的处理模型来提高决策、洞察力发现和流程优化能力。
Wiki：大数据是指传统软件工具无法在可承受的时间范围内捕获、管理和处理的数据集合。
可以押注lol比赛的软件
那么，考虑到“交通运输设备制造”本质上是一个制造业，更符合“大数据在制造业中的应用”这个话题，所以对于这个话题，我想把它定位为“轨道交通行业”。更符合主题的意图，数据分析也应该把重点放在“基于大数据的专项分析，而不是传统的BI分析”上，这样主题才更有深入探讨的意义。这个话题大致可以定义为（当然大数据分析这个词很难准确定义，大家各抒己见）：
铁路运输行业典型大数据分析应用场景及案例
数据分析应用和其他信息化应用一样，必须根据业务需求生成，所以首先要分析铁路运输行业的业务能力框架，然后看不同业务能力可能的数据分析应用场景。根据我个人对铁路运输行业和企业业务能力结构的理解，一般是铁路运输服务企业整个业务能力体系的蓝图（以中铁为例，即建设、运营（客运、货运）、运输（客运、货运）、企业管理等能力都具备）可以如下图所示：
通过对业务能力的细分，我们可以发现不同领域存在哪些大数据应用机会。后面我会写下我看到的实际案例：
战略管理：宏观评估、路网规划等。
营销（这个最成熟）：360客户视图、客流预测、定价策略、空间规划、产品规划等。
客运服务：基于客运站管理系统信息的节能策略
客运：在途客服结合360客户视图（航空经验可参考）、车站车厢WIFI服务数据分析及广告
货运：物流预测、货运质量分析、保险政策分析、货运安全综合分析等。
交通组织：车辆预测（这个说最多但算法最难）、编组运行优化、通信运行相关分析（类似于算子）等。
运输设备：应用分析、维修工艺改进（煤层气实施）、资产状况综合分析等。
物流服务：这部分有很多，请参考DHL等案例
企业管理：人、财、物分析，专业多多
这里有几个实际的例子。请注意，大数据分析不同于传统的数据分析。传统数据分析的数据模型本身在设计上就包含了数据之间关系的设计，并且是确定性的。传统技术可以分析这类数据。进行分析处理（当然，大数据处理也是大数据的一个特点，这里不做特例，因为产生的小效果并不是最有特色的），而大数据分析最大的特点是基于非设计关系的数据。通过分析，我们可以发现潜在的规律和关联。简而言之，我们可以做三件事：根本原因分析、关系发现和预测趋势。当然，我们也可以根据这些提前做出反应，加速或避免预测结果的发生。下面的例子也从这三个角度介绍了不同业务领域的大数据分析案例。
20171221更新
更新大数据在“预测趋势”中的应用。具体来说，从核心业务的角度可以分为四个维度（企业管理中没有铁路专一，故不展开）
（1）客流预报（2）货流预报（3）设备设施预测性维护（4）安全警示）
客流预测：这是目前比较成熟的预测场景。通过积累的客流数据，进行区域、OD、车次等客流分析。一般来说，这些应用程序已经可以产生初步的可用效果。更多应用 就是通过引入更多数据来优化模型，提高准确率。
货流预测：货运是传统铁路的主要市场。未来两年，由于货运市场的下滑和客运量的上升，客货两相结合，甚至会用乘客来补货，但总的来说还是很重要的一环，但中国铁路货运相关预测，货运市场数字化仍相对困难。一是货运市场主体散货（80%为煤炭矿石），主力1000家左右客户占据市场60-80%，数据可分析。比较差中国铁路私有化，直接获取客户的生产计划比较准确。其次，对于零散的商品，目前还没有办法有效收集零散的客户信息。中间缺乏大型机构可以掌握货物信息，更难做出合理预测。三是铁路货运量预测对铁路公司外部市场环境影响较大，目前外部市场整体情况缺乏可靠的数据描述，难以预测。货流预测在这方面还有很大的创新发展空间。所以很难预测。货流预测在这方面还有很大的创新发展空间。所以很难预测。货流预测在这方面还有很大的创新发展空间。
设备设施的预测性维护：铁路既有高附加值的移动设备（机车、车辆），又有大量的线性资产（轨道线、通信线等）。这些设备设施的维护保养在铁路运输企业成本中占有重要的一环。如果我们能通过大数据分析找出可以优化的方面，那将是一个非常有价值的场景。目前很多科研项目都是针对这方面的，主要集中在动车组、机车等高附加值装备，信息采集点较多。普通车辆也有很好的应用基础，因为普通车辆的管理是铁路公司集中管理的。相关信息系统建设较早，历史数据积累有较好的基础。目前还处于从定期维护到状态维护的发展阶段。实际发展到预测性维护仍然很困难。原因如下： 有几点。一是失败的机理需要科学论证中国铁路私有化，简单的数据可能性推测是没有说服力的。第二，大数据更多的是可能性推测，但设备故障需要更多的可能性。比目前数据分析所能提供的准确率要高，所以预测效果不好。第三，收集旧设备状态的设备很少，没有数据。新设备整体应用周期较短，累计数据总和不足。例如，多种动车组不断改进，全部投入新使用。设备状况良好，故障分析案例不充分。第四，安全第一，没有绝对的把握。很难做出可能影响安全的实质性改变。传统的规章制度。
安全预警：安全预警是目前投资的监控设备很多，有的说5T，有的说10T，分类类别不同，声学、轴温、超偏载等。在这方面中国铁路私有化，中铁的投资是不止于国外的铁路，很多技术都是国外发明的，可能没有机会使用。中国铁路仍有部分投资。此类设备会产生大量的传感器监测数据，为大数据分析奠定了良好的基础，且规模较大，时效性较大。有比较典型的大数据处理需求。目前，针对安全分析的某一方面中国铁路私有化，已有相关的安全分析应用。主要是分析安全形势，综合安全分析，还是一个问题，不同监控设备的指标是否与整体情况一致。运行安全形势构成比较复杂的指标，目前还没有成熟的模型。
可以押注lol比赛的软件（待升级）
