关于铁路商品汽车物流统计分析对策

周 婵

(中铁特货运输有限责任公司 信息统计部，北京 100055)

2007年铁路商品汽车运输市场资源整合后，中铁特货运输有限责任公司 (以下简称“特货公司”) 成为我国境内铁路商品汽车运输的惟一运营主体。经过多年的发展，特货公司作为第三方商品汽车物流企业，与多家汽车生产企业 (以下简称“主机厂”)、汽车物流经销企业 (以下简称“物流商”)、汽车物流配送企业 (以下简称“配送商”) 达成战略合作伙伴关系，使铁路商品汽车货运量逐年提高，2017年突破 460 万台、物流收入高达 56 亿元，同比分别增长58.04%、44.93%，铁路商品汽车物流业务已经成为特货公司发展的重中之重。随着铁路向现代物流转型发展，商品汽车运输由传统的“站到站”向“门到门”全程物流方向发展，物流服务内容涵盖铁路运输、前后端公路运输、装卸、仓储、配送等两端延伸业务[1]。快速增长的铁路商品汽车运量和复杂的全程物流环节，产生了大量的物流信息数据。因此，从现代物流企业管理的角度，应采用全面、及时、准确、可行、有效的统计数据来反映和分析铁路商品汽车物流企业的基本状况和发展趋势，客观实际地研究评价企业经营状况和物流效率[2]。因此，做好铁路商品汽车物流统计，有利于提高物流管理水平，有助于增强铁路商品汽车物流市场竞争力，促进铁路商品汽车运输可持续发展。

1 铁路商品汽车物流统计现状

1.1 现状

（1）物流统计侧重于铁路货物运输统计。目前铁路商品汽车物流统计以铁路货物运输统计为主，侧重铁路货运 (站到站) 的统计指标，包括商品汽车发运台数、装车数、发送吨数、周转量、运输收入等。统计数据来源于特货公司基于铁路货票系统开发的内部运输生产统计系统，可以按商品汽车运输发送局、到达局、车型 (箱型)、车站、发货人、收货人、所属单位等维度进行运输指标统计和查询。特货公司统计部门根据系统数据定期发布铁路商品汽车运输统计资料，内容包括上述铁路商品汽车运输统计总量指标，以及运输效率、运输效益等相对指标，包括平均静载重、平均运距、车收入率、吨收入率、万吨公里收入率、空车率、收入费用率、完成任务百分比等。运输统计资料及时、准确地反映了铁路商品汽车运输生产实际情况，还为内部财务清算、劳动报酬清算指标的制定和考核提供了依据，在商品汽车运输组织和经营考核方面发挥了统计的信息咨询作用。

（2）商品汽车全程物流节点数据实现统计信息化。根据客户需求的不同，铁路商品汽车全程物流业务为客户提供“厂到店、厂到库、厂到站、站到站、站到库、站到店”等多种以铁路运输为主的个性化物流服务模式。目前特货公司开发的铁路商品车物流管理信息平台 (以下简称“OTD 信息平台”)[3]，通过人工上传物流台账或 PDA 扫描商品汽车车辆识别码 (即VIN 码) 等技术自动生成物流台账，利用数据交换功能匹配铁路内网集成平台数据和铁路货票系统数据，实现了商品汽车物流各环节业务数据的实时采集，包括接车数据、装车数据、发车数据、到达数据、卸车数据、仓储数据、配送数据等，实现了商品汽车物流全过程节点数据统计信息化。OTD 信息平台物流节点数据结构中包括商品车交接单号 (或订单号)、台数、VIN 码、客户名、项目名、品牌名、发到站、日期、时间、目的地、物流服务类型、铁路运输方式、所属单位、铁路运输工具类型、商品车车型、配送商名称等内容，通过将每台商品车 VIN 码设计为最小统计单元，可以进行多维度商品汽车物流全过程数据查询和统计，基本满足现代物流企业的精细化管理需求。另外，还可以根据物流节点数据，利用特货运到时限、发车用时、铁路在途用时、卸车用时、配送用时等统计指标，分析商品汽车物流时效性 (即 OTD 分析)，包括商品汽车运到时限分析，以及具体项目具体环节平均用时分析，利用图表全面、及时、准确的反映商品汽车物流项目运作效率，提高商品汽车物流时效性管理和客户满意度。

1.2 存在问题

（1）物流统计指标体系不健全。目前铁路商品汽车物流统计还没有建立完整的统计指标体系，不能全面、系统地反映铁路商品汽车物流运营状况和发展水平。现行的统计指标侧重铁路运输生产统计和物流业务数量指标，缺乏现代物流企业经营管理需求的物流质量指标、物流效益指标和物流效率指标。部分物流统计指标只在报送地方统计机构的报表中反映，如物流仓储面积、货运设施数量、物流业务收入、物流业务成本等，铁路内部没有形成完整的铁路商品汽车物流统计资料 (报表)，不能从全程物流角度，及时有效地反映商品汽车物流经营情况。

（2）物流统计人员业务素质有待提高。由于机构定编的限制，目前特货公司基层商品汽车物流统计人员以业务人员兼职居多，统计业务水平参差不齐，对物流统计工作重要性认识不到位，导致商品汽车物流统计基础工作不规范，物流台账上传不及时、不准确，影响商品汽车物流统计整体数据质量；基层统计人员变动较频繁，大部分学历低、年龄大，没有参加过专业的统计业务培训，对统计理论、统计实务缺乏系统的学习和掌握；具有统计专业技术职称的人员很少，对物流统计指标含义和相互关系不理解，工作中以完成商品汽车物流任务为导向，只关注商品汽车运输考核指标完成情况，不会从物流统计角度理解、运用数据，进行商品汽车物流整体发展规模、结构、水平、发展趋势、效率的研究[4]，没有发挥出基层物流统计的职能作用。

（3）物流统计分析有待加强。铁路商品汽车物流统计分析是指运用统计学的方法和商品汽车物流相关理论，研究描述铁路商品汽车物流活动经济现象，揭示铁路商品汽车物流活动经济现象的本质和发展规律，为铁路商品汽车物流企业、上级主管部门、商品汽车物流链上下游企业，提供经营管理决策和宏观调控的统计咨询服务。目前铁路商品汽车物流统计分析的主要问题，一是基础工作比较薄弱，没有形成统计分析制度，以各业务部门的季度经营活动分析为主，包括铁路运输统计分析、市场分析、财务分析、商品车 OTD 分析等，内容比较零散，没有从现代物流视角，全面、立体地进行铁路商品汽车物流统计分析。二是统计分析方法单一，现有的统计分析以传统的比较法、分组法等一些基本分析方法为主，没有运用多元分析法、聚类分析法、预测法等现代统计分析方法[5]。三是物流统计分析范围、目标较窄，只重视铁路运输统计资料、两端物流业务数据资料，对商品汽车物流外部市场数据，其他商品汽车物流社会企业的生产经营资料掌握不足，缺乏同行业的比较，难以提供具有预见性的物流统计分析建议。

（4）物流统计信息化建设水平不高。目前铁路商品车物流信息平台虽然实现了全部节点的物流数据统计信息化管理，但物流信息平台还存在以下问题。一是统计数据源准确性问题。部分物流数据采集依靠特货分公司、配送商等物流业务人员人工录入、上传物流台账，实际操作中存在因录入不规范引起的数据上传不及时、不准确的现象，导致物流数据包结构有遗漏项目，使物流统计源头数据质量不高，影响后续物流统计数据的整理和分析。二是统计分析功能不够完善。目前平台中统计分析模型较为简单，数据颗粒度较大，不能满足商品汽车物流发展精细化管理的需要，没有利用大数据分析、统计图表可视化等现代化先进技术，对商品汽车物流数据做更精细的分析和统计成果展示。三是缺乏财务指标数据。目前没有对物流数据加入资金属性，不能自动生成有关财务指标，不能进行商品汽车物流财务成本的分析，影响铁路商品汽车物流整体经济效益指标的分析。

2 推进铁路商品汽车物流统计对策

2.1 完善物流统计指标体系

在铁路向现代物流转型发展过程中，构建科学实用的铁路商品汽车物流统计指标体系，是铁路商品汽车物流统计工作中首要解决的问题，不仅对铁路商品汽车物流自身发展有重要意义，更对特货公司提高精细化管理能力有重要意义。因此，应建立健全商品汽车物流统计指标体系，采用一系列相互关联、相互交叉的指标，从多角度考核，进行全面、准确的衡量与评价[6]，使商品汽车物流统计工作与物流行业接轨，适应铁路商品汽车物流业务的发展。一是根据经营管理需要，参考国家物流行业统计指标体系，研究符合铁路实际的商品汽车物流统计指标体系，全方位反映铁路商品汽车物流运营、发展情况，兼顾宏观和微观管理的需要，在现有统计指标体系基础上加入物流基础设施、财务成本、人力资源、物流效益、物流质量等指标，形成由7个Ⅰ级指标，46 个Ⅱ级指标构成的铁路商品汽车物流统计指标体系。二是建立铁路商品汽车物流统计核算与报表制度，定期公布铁路商品汽车物流统计资料，内容包括统计指标体系中的全部商品汽车物流统计指标完成情况，以及按项目、客户、所属单位、车型等不同维度的铁路商品汽车物流分类统计报表，以满足企业、上级主管部门、客户等不同主体的信息需求，发挥物流统计的信息服务作用。铁路商品汽车物流统计指标体系框架如表 1 所示。

2.2 加强物流统计队伍建设

铁路商品汽车物流统计人员业务素质决定了铁路商品汽车物流统计整体数据质量，抓好物流统计人员队伍建设，有利于提高铁路商品汽车物流统计整体水平。一是提高物流统计人员认识。通过座谈会、调研、走访、出台制度等形式，提高统计人员认识，规范物流统计分析。二是提高物流统计人员业务技能。开展针对性强的铁路商品汽车物流统计业务培训班，加强统计专业理论知识和统计法的培训，诠释物流统计相关指标，提高物流统计人员业务素质。三是提高物流统计数据质量。规范物流统计基础工作，营造“比、学、赶、帮、超”的氛围，从根本上提高物流统计数据质量。四是设立基层物流统计岗位，稳定统计队伍，提高物流统计地位，解决因统计人员变动频繁导致的统计工作质量问题。五是鼓励物流统计人员积极参加地方统计专业技术资格考试和培训，拓宽统计视野，提高统计素养，提升统计队伍整体素质。

2.3 强化物流统计分析

统计分析是统计工作的最终成果，是统计信息职能的高级阶段[7]。加强铁路商品汽车物流统计分析主要采取以下措施。一是建立物流统计分析制度，明确铁路商品汽车物流统计分析主体，确定分析上报时间和分析内容，对分析质量进行考核评比，促进物流统计人员开展统计分析的积极性和主动性。二是定期开展物流统计分析学术交流、研讨活动，互相学习借鉴新的统计分析方法，对商品汽车物流数据进行深度挖掘，提高物流统计分析报告质量。通过建立科学有效的分析模型，多维度、多角度分析铁路商品汽车物流发展中的热点、难点问题，为铁路商品汽车物流经营管理和宏观决策提供分析依据，如开展铁路商品汽车物流基地效率研究、基于“库前移”合作模式的铁路商品汽车物流经济效益研究、铁路商品汽车物流项目运输时效性专题研究等。三是紧跟国家、地方的铁路商品汽车物流领域政策变化，把握商品汽车物流统计分析重点。多渠道关注铁路商品汽车物流外部市场数据，获得商品汽车物流社会企业生产经营数据，不断拓宽分析领域和内容，提供具有参考价值的统计分析报告。例如，开展基于社会企业合作的铁路商品汽车物流两端配送方案研究、铁路商品汽车全程物流服务能力和评价体系研究，“一带一路”倡议下的铁路商品汽车物流市场形势研究等。通过外部市场数据的有力支撑，结合内部统计调查数据，确保统计分析效果，为铁路商品汽车物流发展提供科学参考。

表 1  铁路商品汽车物流统计指标体系框架Tab.1 Statistics index system frame of railway commodity automobile logistics

2.4 加快物流统计信息化建设

通过完善铁路商品车物流管理信息平台功能，加快铁路商品汽车物流统计信息化建设。一是将数据源采集格式标准化，控制商品汽车物流统计源头数据质量。通过专人盯控和建立常态化物流数据录入质量考核机制，控制铁路商品汽车物流整体数据质量。二是利用大数据和云计算技术，运用多维度数据颗粒交叉、流处理、容器技术同步数据库，通过智能分析工具对数据仓库层的数据进行加工分析，全面加强商品汽车物流数据应用，打造基于大数据技术的商品汽车物流精细化数据分析功能，同时利用数据可视化分析技术，使铁路商品汽车物流各种统计数据以更加丰富、生动、形象、直观化、人性化的形式展示，如表格、线条、图形、地图等形式呈现。例如，采用动态地图直观展示商品汽车装卸站点分布，线条粗细表示运输密度的大小，点击地图上某一点，可获取更详细的车辆在途信息等统计内容[8]。三是加入财务指标分析功能，通过赋予物流数据资金属性，实现铁路商品汽车物流费、配送费等费用结算的电子信息化管理，不仅清晰掌握商品汽车物流项目资金结算进度，而且实现财务资金占用情况和成本测算分析，提高了铁路商品汽车物流资金利用效率和周转率。同时通过平台与铁路内网运输工作量系统数据共享，实现商品汽车单台铁路运输付费成本分析，满足财务测算商品汽车物流项目盈亏需求，实现商品汽车物流全成本统计分析和测算，在商品汽车物流效益分析和辅助经营决策上提升到新的高度。

3 结束语

在铁路商品汽车物流向现代物流转型发展的过程中，特货公司作为铁路商品汽车运输惟一运营主体，应充分利用大数据、云计算、数据共享等技术，打造互联网+商品汽车物流统计信息平台，提高物流统计的智能化、可视化水平，深入挖掘商品汽车物流统计数据，提升物流统计分析能力，推进物流统计在经营管理中的作用，为铁路商品汽车物流提高现代化、专业化服务能力，提供科学有效的咨询服务；为铁路商品汽车物流效率效益的提升，提供强有力的参谋服务；为铁路现代物流统计分析，提供有价值的信息服务。

参考文献：

[1]刘英伟. 铁路全程商品汽车物流业务会计核算研究：中铁特货公司案例分析[D]. 北京：北京交通大学，2015.

[2]ALKHATIB S F，DARLINGTON R，NGUYEN T T. Logistics Service Providers (LSPs) Evaluation and Selection：Literature Review and Framework Development[J]. Strategic Outsourcing：an International Journal，2015，8(1)：102-134.

[3]尹 晗. 发展铁路商品汽车物流两端配送业务的思考[J].铁道货运，2017，35(10)：25-28.YIN Han. Thinking on Development of Delivery Service at Both Ends of Railway Commodity Automobile Logistics[J].Railway Freight Transport，2017，35(10)：25-28.

[4]沈 师. 现代物流的统计指标研究[J]. 商情，2013(26)：68.

[5]王焕香. 浅议如何提高劳动统计分析质量[J]. 统计与管理，2015(10)：10.

[6]刘慧娟. 关于铁路劳动统计分析的探讨[J]. 铁道运输与经济，2016，38(4)：23-26.LIU HuiJuan. Discussion on Railway Labor Statistic Analysis[J]. Railway Transport and Economy，2016，38(4)：23-26.

[7]高 英. 对铁路统计分析工作的思考[J]. 行政事业资产与财务，2014(11)：120.

[8]韩冰娣，潘红芹，贾晓非. 大数据时代铁路统计重构探讨[J]. 中国铁路，2015(11)：43-46.