公共自行车运营管理的困境 

　　中国是“自行车大国”，随着经济的发展，人民生活水平的提高，机动车保有量逐步增加，但中短途仍有不少居民使用自行车出行。为了增加居民出行的便利性，各个城市推广了“公共自行车”服务，满足居民的中短途出行需求。但在实际运作中，多数城市的公共自行车服务的运营处于困境中，站点位置规划急需优化、各个站点协同作用不高、缺乏针对性的应急管理措施等问题凸显，但对于政府管理部门而言，不仅对这些问题缺乏足够的量化评估，而且从整体性、根本性解决效率提升问题的角度上，也缺乏利用数据精准评估、通过预测进行规划、整体性综合考虑提升运营效率的路径。

　　对各个站点缺乏有效的评估，评估指标趋向于综合化而精细度缺乏 

　　效率提升的关键首先是需要找准限制效率最大化的关键要素，找准问题的“病根”，才能探索改进优化的路径。从实际操作来看，很多城市的公共自行车服务没有完整的数据留存、整理、分析的机制，即便有的城市有意识的留存了数据，但数据更多以“用户”而非特定站点为核心的进行管理组织，这也从侧面反映出从数据应用端，更强调了针对居民个体应用情况的考量、对居民应用率的评估、从推广居民使用视角的数据应用策略，但对各个公共自行车站点的评估尚且不足，缺乏从站点视角对服务效率进行评估，也缺乏利用数据进行合理预测，进而做好规划、提升整体效率的意识。同时，我们也看到即便有些城市以“站点”为核心开展了相关效率的评估，但往往是通过使用率增长、使用效率的这样常规笼统的综合性指标，而缺乏更为精细的数据分析，不利于找到核心关键要素进而改善提升整体效率。

　　缺乏整体性综合考虑提升效率 

　　以往的效率分析，因为数据留存问题，更多的是零散的、孤立的来评估各个站点的效率，进而制定各个站点的优化策略。但实际上，作为一个“系统”，每个站点并不是孤立的，和各个周边其他站点相互关联、相互影响。在传统的效率评估-优化改进的模型中，不仅没有也很难通过数据考虑这样的相互关系，进而改进效率的方向也是孤立的、片段的，不能从系统上给出最优的解决策略。

　　大数据技术的引入 

　　大数据分析通常被定义为企业或组织对其所创造的海量的结构化数据进行储存和使用的过程，其目的在于从复杂的数据中找到关联与规律加以利用。盐城公共自行车项目在启用之初既开始积累大量用户数据，包括租借归还行为发生的时间、发生的站点以及用户的个人信息。我们将用户的信息、用户行为数据等多个数据源整合重构，形成基于站点的数据库对站点可以对站点效率进行全面有效评估，同时构建站点之间影响关系模型，作为站点优化策略的重要参考依据。

　　用户数据向站点数据的重构，基于数据进行回归预测指导规划 

　　盐城自行车的基础数据库是基于个人用户的数据字段，包括：流水号、借车时间、骑行时间、超时时间、站点号、自行车id、借车卡号、还车站点、还车时间、还车车位等。如果要评估站点效率，就需要另生成数据字段、数据表格，进行数据重构。基于站点的编号，对站点数据构建相应指标，如：站点月增长率、周转率、站点重要度、站点中心度等维度。在前期工作基础之上，零点有数再利用各站点的用户人口特征、站点的功能标签，使用回归模型预测未来日均使用量。使得公共自行车运营方对于可能到来的高峰及时反应，准确应对。回归模型通过对流量进行有效调控，可以减少公共自行车资源的浪费与不足现象。

　　构建站点关系，区分构建模型 

　　同时，根据每个站点周边站点情况对站点分类，对于特点站点，构建它与周边站点之间的关联关系。如果特定站点周边有临近的站点，我们将该站点定义为“有近站点”，否则为“无近站点”。通过考虑这种关系构建的分析范式，从整体上区分“有近站点”和“无近站点”的评估、策略输出方向的差异，“有近站点”将更多的纳入“关系”作为一个重要的评估维度，而在策略方向上，“有近站点”的优化策略也更加关注不同站点彼此之间的协同作用，最大化整体的运营效率。

　　大数据引入的效率优化策略设计创新 

　　引入大数据后，不仅可以通过数据全面分析各个站点的运营情况，同时也引入新的数据维度（关系维度），从另外一个视角审视站点对于系统的重要程度，从而综合的评估站点效果。而对于大数据的分析得到的相关结论，为整体优化策略提供了新的研究课题，进一步指导了策略优化的完善。

　　● 重构评估指标，全面描述各个站点的运营情况 

　　基于数据库中关于“用户”的数据，重构评估指标，形成整套的评估体系，对各个站点的实际运营情况进行多维度综合分析。

　　分析显示，各站点日均使用量如下图： 

　　附图1 公共自行车各个站点使用量综合分析 

　　各站点单个锁车器（车桩）日均使用量如下图， 　附图2 公共自行车各个站点车桩使用情况综合分析 

　　除了针对各个站点的分析外，我们还结合了站点本身的特点标签（如所属城市功能区特征），分析不同功能区类型的公共自行车站点的特征，为各个功能区的差异化运营管理策略提供依据： 

　　附图3 公共自行车各个功能区使用情况综合分析 

　　通过多个维度的数据分析，对每个站点的特点、客流情况、人流特点等信息进行全面了解，分不同功能类型的站点描述其差异化特征，从而为整体效率评估、差异化优化策略设计奠定基础。

　　● 引入关系维度，综合评估效果 

　　大数据最大的价值是可以借助数据分析不同个体之间的彼此关系，对于公共自行车系统而言，每个厘清每个站点之间的关系有助于找到关键的节点，结合自身的效率，综合评估站点的重要性与效果。在本次研究中，引入了站点与站点关系的维度，分析站点的重要性和关联度，进而分析不同关系类型的站点的运营效率，综合评定每一个站点的重要性程度。 

　　附图4 公共自行车各个站点联系度与使用情况综合分析 

　　考虑到站点与周边的站点关系，零点将站点区分有近点的站点和无近点的站点。对于两类站点有不同的分析思路、不同的优化策略架构： 

　　附图5 有近点的优化策略分析框架 

　　附图6 无近点的优化策略分析框架 

　　● 大数据挖掘结果提出新的研究课题，融合多元数据指导策略优化的完善 

　　基于大数据挖掘，将各个站点进行了策略化的分类，分析不同类别站点的效率效果表现，最大化还原每个站点的实际运营情况：用户增长、周转、高峰运营情况、与周边站点之间的关联和关系，超越了传统的线下研究以及基于初步数据的宏观综合效率分析。因而，通过深度的数据挖掘又为效率优化提出了进一步的问题：为什么在核心功能区的有的站点运营效率低于平均水平，是选址问题还是导流问题？为什么有的站点运营效率不高但对其他站点至关重要，这为未来选址规划有哪些进一步的启示？……这些新的课题需要进一步研究，甚至通过实地考察、专业人士访问等方式进一步给予回答。这些课题的研究，不仅仅有助于现有站点优化策略的针对性设计，同时也为未来的选址规划设计提供更多的参考维度。

　　大数据助力效率优化策略设计 

　　效率效果评估与提升策略设计，是企事业单位及政府机构都非常关心的领域。当前阶段，大数据的引入，不仅是传统效率评估的有效补充，同时也引入了新的维度、新的视角。二者有效的结合整合，使效率评估更加系统化、精细化，为未来的效率提升优化策略设计提供了更明确的方向。

　　系统化的评估思维而非孤立的评估指标框架 

　　本案例对于各个站点运营效率的评估，不仅仅有如增长、周转等常规的评估性指标，同时引入了站点与站点的关系维度，设计了站点联系度、中心度等若干反映“关系”的指标维度。这不仅是对指标体系的丰富，同时是整体评估架构上系统化的设计，不再孤立的、片段的分析每一个站点的运营情况，而是综合个体运营情况和系统当中的价值多个维度，对一个站点进行系统性的评估。

　　分类评估设计优化策略实现系统化、精细化管理 

　　在系统化的评估基础上，不再设置简单的扩容、缩小规模、关闭类似的执行策略，而是基于系统化的评估，进行精细化的优化路径方案。针对系统化的评估，基于核心的关键维度将各个运营点区分成不同的类别，每一个类别都对应不同的优化策略。从而实现了系统性评估到精细化管理的策略设计。

　　数据挖掘提出进一步课题，为后期效率提升与优化选址提供依据 

　　在数据挖掘的基础上，我们发现了进一步需要研究的课题，这些课题不仅仅需要大数据来回答，同时也需要通过走访、观察等进一步洞察，找到大数据挖掘规律结果背后的逻辑，进一步理清问题的本质，找到关键的核心要素，发现影响效率的客观规律，为后期效率优化甚至选址决策提供依据。

　　展望未来 

　　我国大数据在各个行业的应用仍处于起步阶段，因而数据的利用更多的是描述性而在实操应用策略设计上发挥的效用应用相对处于探索阶段，需要不断的经验积累和完善。展望未来，一方面需要进一步的完善数据留存体系、留存机制，另外一方面，根据应用端的实际使用，进行有效建模，实现数据的自动化为决策提供支持；此外，在本案例中，数据挖掘为本次研究提出新的课题，那么多源数据、系统解决方案的设计价值更为凸显。

　　数据意识的进一步提升 

　　从我国现状来看，大数据应用之所以受到很多局限，除了所谓的数据孤岛问题外，最大的问题是数据意识的淡薄：没有有意识的留存数据、没有标准化的存储数据、没有按照应用构架整个数据存储处理框架……这些从底层数据架构上的无意识行为，为数据价值最大化设置了无形的障碍与壁垒。“任何的痕迹都可能有其价值”，这为数据的价值做了最好的注脚。随着数据意识的进一步提升，留存数据、有效的留存数据、按照应用的需求架构数据，势必为大数据应用带来更旷阔的空间和更多的机遇。

　　“现象-分析-决策”模型设计与系统化实现 

　　在应用层，数据得以被有效的应用并不是数据天然的价值，而是根据应用层的业务需求将数据有机的组织、分析、挖掘，才能解决应用层的实际问题。在目前的大数据应用与业务的需求中，“描述性”问题仍然是占据主流，但随着数据意识的提升、数据价值的进一步理解，更需要更多问题导向、系统导向的应用方向，这也就意味着需要构建“现象-分析-决策”的从数据到决策的模型路径，真正的实现数据驱动决策；而如果将之构建成一整套数据应用系统，数据的及时化、系统化、垂直化应用价值更为凸显，为系统化、自动化的数据驱动运营管理奠定基础。

　　多源数据构架系统解决方案 

　　在本次案例中，大数据为后续的策略设计提供了进一步研究的课题，再一次契合了零点“不同数据有不同价值”的数据理念。这意味着，如果需要实现精细化的管理，单独依靠单一数据源势必受到局限，未来仍需要多源数据融合、整合，最大化不同数据源各自的价值，为整体的系统解决商业问题奠定基础。因此，在未来的数据解决方案中，多源数据是重要的数据应用方向。