大数据赋能港航智慧经营

徐凯 杨雅迪

摘  要：随着时代的进步和科学技术的不断发展，大数据被广泛地应用于港航经营领域。本文通过对大数据在港口、航运业应用现状的整理分析，发现航运大数据的发展趋势，提出航运大数据在发展过程中的问题，并为航运大数据的发展提出了建议。

关键词：大数据;航运业;智慧经营

0 引 言

美国研究员Michael Cox于1997年IEEE第八次会议上，首次提出大数据“big data”这一术语来描述超级计算机产生超出主存储器的海量信息[1]。目前，大数据并没有一个统一的定义。工业和信息化部研究院在其公布的《大数据白皮书（2014）》中对大数据的定义如下：“大数据是具有体量大、结构多样、时效性强等特征的数据;处理大数据需采用新型计算构架和智能算法等新技术;大数据的应用强调以新的理念應用于辅助决策、发现新的知识，更强调在线闭环的业务流程优化。”[2]徐凯在专著《大数据时代的航运信息平台》中给出定义：“航运大数据（Shipping Big Data）是指航运业务、管理、监管等领域产生的海量数据，以及围绕这个数据规模有效的融合、存储、加工、查询、分析相关技术和解决方案的统称。”

随着时代的进步和科学技术的不断发展，人类社会已经进入信息经济、数字化经济、互联网经济时代，大数据被广泛应用于各行各业。2019年12月，交通运输部发布了《推进综合交通运输大数据发展行动纲要（2020—2025年）》，提出到2025年，力争实现综合交通运输大数据标准体系更加完善，基础设施、运载工具等成规模、成体系的大数据集基本建成。“十四五”规划纲要也明确提出要以数字化转型整体驱动生产方式、生活方式和治理方式变革。就航运业而言，大数据能够赋能港口、航运企业以及相关政府部门及口岸的智慧经营和管理，不断优化行业服务质量，提升业务效率，还可以发掘数据红利、创新服务模式、再造业务生态，实现体系化、跨越式发展。

1 航运大数据的发展现状

航运大数据的应用主要涉及4个主体：港口、航运企业、政府公共航运和口岸服务、航运数据第三方商业服务。

1.1 港口大数据发展现状

港口生产管理过程中产生了海量数据，许多重要港口如上海、宁波舟山、天津港等已经建设了集团数据中心（或数据仓库），完成了主数据梳理，实现了集装箱业务数据一体化，并在探索散货等业务数据的整合。港口数据中心从数据资源一体化整合入手，迈入一体化治理与管控阶段，形成一站式服务能力。

诸多港口应用大数据提高了港口运作效率和运输管理效率，提升港口应对风险能力，改善港口精益化管理水平，进一步增强了港口的竞争力。如：2021年，宁波舟山港集团旗下宁波信息通信有限公司、浙江省海钢集团合作研发的海港疫情防控数字化管控平台上线，利用大数据实现了对港口防疫重点要素的全流程监控和预警。2017年，上港集团推出一站式查询服务平台“港航纵横”，汇总了港口以及上下游链条上的大量数据，包括支线经营人的驳船船期、装载清单、运力发布等，码头的标准化信息、干支线以及穿梭巴士靠离泊信息、集装箱装卸动态、报文信息、海关的放关信息，大船公司以及代理的干线船期、仓单、船图货代的订舱托单信息、装箱单信息，车队的集卡运输箱信息等。2020年，上港集团海勃公司洋山四期大数据项目组研发、构建了码头运营大数据分析与智能决策平台，该平台利用最新的大数据分布式文件技术、内存计算技术和三维可视化技术对数据进行梳理、保存、处理和汇总，构建码头全过程关联分析指标体系;用直观的可视化图表，结合OEE分析和标杆分析等思路，层层深挖月度计划及完成情况、船舶船型及靠离泊时间等数据，发现码头生产作业瓶颈;从不同角度提供大数据分析和智能决策算法支持，在错综复杂的码头生产作业中发现作业和管理精益化的改进目标。

1.2 航运企业大数据发展现状

大数据为航运企业的智慧经营赋能，提升服务质量和效率，创新服务模式和盈利模式，是企业顺应时代发展的强大动力。一方面，航运企业通过内外部数据资源的整合集成，构建数据中台和智慧经营系统，提升船队经营能力、价格预测能力、风险预警能力等;另一方面，航运企业积极构建数据链条，以区块链为抓手，通过业务数字化、需求前置化、应用生态化等手段，引领着行业数据生态的演变路径。

集装箱运输方面，中国远洋海运集团有限公司、上海海事大学联合承担的“航运数据集成平台建设应用”项目已被列入交通强国试点任务，并开发了企业数据中台、决策支持系统、综合经营分析系统、数据质量和安全管理、数据分析与建模平台等功能。此外，以IBM牵头的区块链联盟发起的TradeLens和以中远海运集运牵头的区块链联盟发起的GSBN，都相继在提单电子化、运输透明化、共享信息存证和金融支付服务等方面进行了积极探索，并发布了《基于区块链的进口集装箱电子放货平台建设指南》等成果。

散货运输方面，早在2017年7月，马士基集团子公司马士基油轮已经和波士顿从事航运定量交易模型数据的对冲基金CargoMetrics 达成股权合作，利用CargoMetrics的海量数据和技术加快推动公司数字化经营解决方案;同年，马士基利用大数据分析客户历史和可能风险，为其提供供应链金融服务。2019年，VesselsValue联合ViaMar AS研发了收益预测模块。2020年，信号海事服务公司（Signal Maritime Services Ltd.）与大型油轮公司Heidmar Inc.合作，使用其专有技术和分析方法为HEIDMAR管理旗下经营的一支联营池POOL油轮船队。2020年，我国招商轮船也启动了智慧经营平台的研发，通过大数据分析为市场经营决策提供支持。同年，DNV GL和中远海运在上海签署相关协议，由DNV GL为中远海运集团构建智能船舶数据管理中心提供咨询服务，助力中远海运集团数字化转型升级进程。

1.3 政府公共航运和口岸数据服务现状

在政府层面，航运大数据主要以互联、互通、互认为核心，整合了口岸、交通、物流等多个维度的数据，整体提升商贸营商环境。“船—港—货”协同和“航—贸—物”一体化，都旨在彻底消除“信息孤岛”现象，打通整个物流链、价值链、服务链，促进商贸数据要素有序、规范、高效流通，加快释放数据要素红利，满足商贸企业多层次、多样化、個性化的需求。

早在10年前，由交通运输部和国家发改委牵头打造的国家交通运输物流公共信息平台，就提供了三大基础服务：标准服务、交换服务、数据服务。该平台为参与方指定物流信息互联标准，为物流链互联互通奠定基础;为物流的仓储、运输、包装、装卸、加工、配送等各环节提供中立、开放、免费的数据单据和应用服务交互的安全通道。2019年以来，由国务院国资委联合交通运输部等多个部委推动的物流大数据平台建设也加快推进，该平台将为物流链上下游企业提供公益性服务，吸引多个企业主体共同参与，以赋能物流业务为基础，实现数据沉淀、构建数据资源池、打通物流全链条数据通道，并提供金融产品等增值服务。

口岸与航运数据融合创新也很多，例如：上海海事部门依托“大数据”选船平台，根据日常管理情况对船舶进行风险评级，依据不同的评级结果采取差异化管理，将海事监管重点部署至高风险船舶、低风险船舶将获得更多的便利。同时，将船舶进出港报告情况纳入诚信管理机制，对不按相关规定进行船舶进出港报告的，将其列为重点跟踪船舶，实施每港必查。上海海关联合中远海运集团、上港集团，在上海口岸开展跨境贸易管理大数据平台建设，将船公司、航空公司、海港、空港、进出口企业、税务、工商、外汇等各类贸易链、物流链数据，与海关通关监管数据进行智能集成，共享信息资源，精简通关手续，通过平台探索建立智慧通关新模式，企业不仅能够自主提前申报，还可提前安排提箱计划，实现“优享订舱”和“靠泊直提”。

1.4 航运数据第三方商业服务现状

近年来，航运数据第三方商业服务发展也越来越成熟，大致可以分为AIS数据服务、运输状态查询服务、电商衍生数据服务、上游产业数据服务四类。

第一，AIS数据服务方面。主要基于国际海事组织（IMO）相关公约要求，300总吨以上的船舶需要强制安装船舶自动识别系统（AIS）以实现避免碰撞的目的。于是，就诞生了具备全球卫星星座采集AIS数据的EXACTEARTH、ORBCOMM、SPIRE等国外数据商，以及整合他们数据并增加岸基接收数据的Fleetmoon、Vessel Tracker、船达通、船讯网、宝船网、Hifllet等数据服务商，基本都具备提供全球任意位置船舶搜做、分析历史挂靠查询、台风气象数据查询等功能。另外，由上海国际航运研究中心联合中外运股份、中远海科技、亿通国际、中交通信大数据（上海）科技有限公司等合作共建的航运物流大数据联合创新实验室，在ETA抵港时间预测、港口拥堵预测、新冠肺炎疫情对集装箱班轮运输的影响等分析研究方面已经取得多项重要成果。

第二，运输状态查询服务。这类型的数据企业主要提供船期查询、货物追踪查询、海关查验放行等信息服务。例如：具备船期查询、准班查询服务能力的维运网、Cargosmart、鲸准网等，具备集装箱号码追踪查询能力的爱跟踪、箱讯网、鲸准网等，具备全程运费、运输方案设计查询能力的freights和简易运等。

第三，电商衍生数据服务。这类数据服务是由航运订舱类电商平台、租船类电商平台、船舶服务电商平台等通过交易沉淀数据，然后再将数据进行分析挖掘，并提供衍生数据服务的模式。其实，早在20世纪，波罗的海航运交易所就已经将备案运价进行分析并建立了运价指数和相应衍生品交易服务。近些年，在“互联网+航运”的背景下，出现了像“运去哪”这样的订舱平台，基于交易数据沉淀，联合中国交通通信信息中心和上海海事大学，共同研发提供“航小运”数据服务工具的案例。

第四，上游产业数据服务。由于航运数据与上游制造业大宗原材料和制造供应链密切关联，通过分析船舶、货物数据进而提供更精确的贸易货量、库存量、价格分析和期货分析的数据服务也很普遍。例如：很多AIS数据被用于大宗商品货流数据分析，如铁矿石、煤炭、LNG、原油、LPG及粮食等货种，并为贸易、金融等从业者提供市场决策参考。

2 航运大数据的发展趋势

2.1 航运大数据应用场景化

在航运数字化转型的浪潮之中，数据从产生开始，经历了采集、传输、存储、计算、分析、可视化、应用的全过程，才有可能兑现数据中蕴含的价值。不论采用的技术手段是否先进，航运大数据一定要在实际航运业务场景中发挥作用，才最终兑现了其价值。脱离了价值链的数据链是难以孤立存在的，大数据也是通过优化资源配置、提供决策支持、预警市场风险、精准客户画像等方式为航运创造价值。

2.2 航运大数据采集前置化

数据生成的模式有三个阶段[3]：被动记录、主动生成、自动生成。被动记录模式是20世纪90年代，政府和企业应用数字技术和数据库系统记录结构化的数据;主动生成模式是指以搜索引擎和电子商务为代表的web1.0系统在20世纪90年代末期产生的大量半结构化和无结构的数据;自动生成模式是指因物联网（如智能手机、传感器等）的普及引发的。航运业的电子商务和业务数据化程度还不高，仍处于向数据主动生成阶段迈进的过程中。

如今，港航企业开发的新业务系统，不仅面向企业内部管理流程，更会从业务受理开始就直接面向客户获取需求信息（采集数据）。从源头开始就将整个业务置于线上化流转协同的过程之中，以便为客户提供个性化服务，优化业务结构、提高业务处理效率、提供企业精细化服务水平。例如：近两年大部分港口都开始实践卡车到港预约服务等。

2.3 航运大数据分析预测化

航运大数据的应用分为三个阶段，即感知、预见、掌控。感知时发现规律的过程;预见是在极短时间内或在一定时间跨度内，按照规律去外推未来可能发生的事情;而掌控指的是当人们知道可能发生的变化和预见到未来发生的一些事情时，是否可以动用一些手段来改变最后的结果。例如：通过预测港口拥堵情况和到港后的等待时间，船舶可以在进港前的最后一段航行路程上调整航速，减少油耗;通过预测船舶租金价格的走势，船舶所有人可以优化船舶进船务保养的时间，以获取更好的经营效益等。

2.4 航运大数据服务精细化

同样的数据被不同的主体使用时有不同的价值，如同物流要解决最后一公里配送，数据分析的半成品对于数据消费者来说“不解渴”，需要按照用户需要的数据格式和颗粒度、展现形式提供和交付。例如：对货主来言，船舶当前航行位置数据、抵港记录对供应链管理是有价值的信息，但这个信息对用户来说还不是最恰当的使用形式，如果可以在决策阶段根据航次船期提供准班率指标作为参考，在运输途中提供精确的预计抵港时间（ETA）预测，在发生严重误班时及时推送预警信息，才有可能创造出最佳的数据产品。

3 航运大数据发展存在的问题

3.1 数据孤岛和共享困难

虽然人们积极努力，航运业仍存在一些数据孤岛，即使已经实现集中存储的数据也有可能没有真正“融合”，加上港航业务链条上各强势方之间信息鸿沟的阻隔，导致信息难以真正为航运业创造价值。要彻底激发数据价值，必须要联合船舶、海关、商检、海事、港口等对共同信息进行共享连接、多维验证、分析研究，但能够促成这种合作的有效机制仍待确立。

3.2 内部数据和外部数据分离

传统信息化往往局限于管理类问题，而数字化是上升为经营决策支持工具。这就要求港航企业具备很强的内部数字资源整合能力和外部数据资源集成能力。如何提高企业内部数字资源整合能力，通过数据促进不同业务环节的协同配合并提高数据质量、构建数据来推进大数据对经营决策方面的支持并增强企业外部数据资源集成能力，增強对市场的感受能力、提升对服务对象的沟通能力，是企业应用大数据使自己具备“智慧”的一大挑战。

3.3 业务和数据的脱离

如何采集到有价值的数据资源，关键在于数据的产生和采集能否同时发生，即数据的采集要尽量贴近于数据发生的过程。未来，航运大数据的最终采集方式是由机器替代人采集数据，手段主要是物联网技术、电子商务和机器人流程自动化（RPA）。目前，航运业务数据化程度不高，又属于劳动密集型行业，容易导致业务过程和数据采集的分离，这也是航运数据质量问题的主要诱因之一。

3.4 数据质量和标准缺失

航运数据的质量包含很多方面，可以从数据来源、采集方式、可获得性、存储格式、完整性、准确性以及时效性等方面评估数据质量。一方面，数据量大不代表数据价值大，特别是数据质量不可靠的情况下，数据清洗代价很高，数据分析结果的正确性和准确性会大受影响，最终阻碍数据应用;另一方面，由于业务范围和功能差异，独立运行的各类信息系统，相互之间存在信息标准不统一、格式互不兼容的情况在航运业非常普遍，成为数据流动和共享的阻碍，影响数字化转型全面推进。

3.5 数据安全配不上其价值

航运业务包含了高商业价值的数据，对潜在的攻击者吸引力很大。与数据的价值相比，航运信息安全方面的投入明显不足，特别是与金融行业等同等数据价值的行业相比。在航运数字化转型的大趋势下，这种高价值数据的集聚会加速，而相关攻击造成的损失可能更大，这就为航运大数据发展留下了更大隐患。

4 航运大数据发展的建议

4.1 政府角度的发展建议

（1）推动建立航运数字化国际组织和行业组织

航运数字化必然需要形成全球性协调机制，以促进技术、规则、标准、模式的统一和普及。我国在航运业的运力规模、市场份额、技术研发等方面已经取得了长足进步，可以在航运数字化变革中承担更多国际责任，引领发展趋势，提升话语权。因此，有必要积极探索联合全球港航业成立“国际航运信息化委员会”，鼓励企业和研究机构合作建立创新联合体，促进产学研用协同创新转化和优势技术应用推广能力。

（2）完善航运数据标准体系建设

基础代码和数据格式的不一致，不利于数据的共享和互联互通。应加快完善航运大数据标准体系的建立与推广，积极梳理和编制全球码头编码标准、航线代码标准、船期代码标准、公共船舶信息库等公共基础数据标准体系，才有可能最大限度避免各港航企业的数字化方案之间互不兼容的情况。例如：从货物、港口、承运人等编码规范，物流证书、单证、格式规范，数据采集、分享、存储、交换规范等借鉴、引入、制定的数据规范体系。

（3）构建数据治理体系

实行数据分层分级管理，如：设立数据保密、公开、颗粒度、精度等相关标准;界定数据所有权、使用权、保管权、分发权等的数据权限，建立地方标准、企业标准、团体标准研发生态，并促进相关标准的国标化和国际化，探索数据资产认定、交易、审计、质押等有效机制。

（4）推进航运数据安全保护体系建设

推进航运数据分等级安全保护体系建设，保证数据的收集、存储、传输、分析处理、用户个人隐私等各个方面的安全性。建议针对航运业，完善相关保障大数据安全的政策和法律法规;加大基于大数据的安全技术研发力度，培养大数据安全的专业人才;明确航运业重点数据库的范围，制定完善的数据库管理和操作规范，加强对航运大数据重点数据库的监管。

（5）培育一批航运数字化复合人才

政府在高等教育和职业教育中，加强培养复合型创新人才，积极促进创新人才职业发展、交流合作和先进评选，引导港航数字化人才的发展和集聚。建设行业领军人才库，为其提供相应的奖励政策和优惠待遇，帮助港航企业形成人才集聚的效应。

4.2 行业角度的发展建议

（1）打造大中台，提升港航智慧经营能力

企业要融合内外部多维数据，打造大中台，支撑业务方面的决策支持，提升企业智慧经营能力。大中台是数字化应用的核心能力，大中台是分业务主题构建的分布式数据库、知识库、算法库的集成，具体可分为数据中台（数据集市）、业务中台和技术中台（包括算法、模型的建立）三部分。企业应开展大中台建设，实现数据采集和产生融合、内部数据与外部数据融合，提升企业智慧经营能力，为客户提供数字化、智能化的解决方案。

（2）推动“船—港—货”协同大数据应用，优化经营决策水平

港航产业链数据信息不透明、不融合、时效差等问题造成的港口和航运服务供应链不稳定、不高效的行业发展核心痛点，是未来港航数字化要解决的一个重要问题。首先，需要解决感知数据融合这一关键技术，搭建港航实时监测平台;其次，要基于实时监测数据构建港口、航运、物流经营的智慧决策系统。以感知融合技术构建气象、船舶、港口、口岸大数据智慧监测平台，基于船舶、车辆等载具感知和行为识别算法，有效识别船舶海运运量变化（大宗贸易量、集装箱进出口量、油品与LNG等贸易量），主要航线运力供应变化（运力分布、运力周转、船舶所有人情况、闲置运力、滞留运力等），港口经营动态（交通流量、泊位装卸、航道繁忙等），集疏运体系经营动态（疏港道路拥堵、货源地仓库分布、陆港布局优化、外堆场协同优化等），实现“船—港—货”实时大数据监测。

（3）积极组建创新联合体促进产学研用结合

以大企业牵头，政府支持、科研院所等多方共建的方式，协同搭建创新联合体，率先推进重点领域、关键环节资源整合和开放共享，促进各环节信息共享、数据流通，提高航运业务衔接和供应链协同效率。联合共建联合创新实验室，以数据为核心要素，创新业务场景应用，促进产业链融合，形成数据驱动型创新体系和发展模式。

（4）通过业务线上化获取数据

就是让数据在电子商务（或电子政务）的操作过程中或者企业内外生产经营相关平台的操作过程中产生。也就是说将港航业的对内管理以及对外业务流程甚至交易过程搬到网络中线上完成，比如企业OA系统，又比如合同的签订、发提单、支付运费等都通过线上平台实现，那么，在业务发生的同时数据也就产生了。尽量前置数据获取环节，让业务需求产生时，从受理开始就进入线上协作流程之中。

（5）积极融入航运数字化新生态

港航业原本的角色分工也很细化，但过去的角色分工更多是基于价值链上的差额形成的，而未来这种细化分工将更多地取决于能力优势。港航企业要积极地融入和投身到行业生态的组建和组织的过程中去，依托自身关键业务资源优势，主导一个生态的营造和发展，并在这个过程中去强化自身内部的数据循环和参与外部数据循环的相辅相成，从强化智能化的经营决策能力这个角度多做一些尝试。

4.3 走出航运业视角的发展建议

（1）促进上下游企业大数据协同，畅通产业循环

航运数据的价值并不局限于产业自身，往往在贸易、期货、保险等其他领域更具价值。鼓励数据服务产品更多面向上游企业，为客户提供更多元化的航运大数据服务。例如：油化52Hz利用航运大数据结合AI技术，对油轮、化学品船、VLCC、LPG、LNG船舶及所挂靠的港口、码头、泊位进行画像，提供跟踪、查询、历史统计、未来预测及可视化展示功能及服务，为包括中石化、中石油等在内的广大化工贸易企业提供了具有重要商业价值的数据服务。

（2）推进航运业与其他大数据应用行业融合，实现跨界创新

港航数字化转型的本质是让港航跟上和融入整个世界的数字化变革浪潮之中，更好地对接商贸物流服务，支持中国制造高质量发展，为经济双循环赋能。例如：将港航大数据与金融相结合，通过线上、区块链、移动支付等方式，统一渠道，简化贸易、物流服务交易流程，资金流配合信息流、商流和物流，四流合一提升航运物流效率。除了传统的融资、保险、资产交易等金融场景，数字人民币也将会在国际航运结算中与智能合约技术一起扮演更重要的角色。

5 总 结

港口与航运领域的大数据在不断发展，航运业作为一个古老的传统行业，大数据技术的应用正在不断地影响到这个古老行业的转型升级，促进该行业服务高质量发展。在发展过程中，应切实解决发展难题，通过政府、机构、企业等相关主体的共同努力，实现航运大数据的高质量应用，为港航领域实现智慧经营赋能，打造行业数字生态圈，推动行业的高质量发展。

參考文献

[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] 工业和信息化部电信研究院.工信部电信研究院大数据白皮书（2014年）[R].北京：工业和信息化部电信研究院，2014.

[3] 李学龙，龚海刚.大数据系统综述[J].中国科学：信息科学，2015，45（01）：1-44.

[4] 李启雷.航运大数据管理及其在公共服务领域的应用[J].浙江大学学报（人文社会科学版），2015，45（03）：16-24.