|
1.选手简介
1.1.选手介绍 - 企业名称：江苏江阴港港口集团股份有限公司
- 企业简介：江阴港港口集团股份有限公司是无锡地区社会公用码头的经营管理实体，是江苏省重点物流企业，长江港航诚信企业，也是国家“4A级物流企业”和无锡枢纽战略的核心单位之一，已通过质量、环境、职业健康安全、能源管理体系认证，主是从事货物装卸、仓储、国际国内船舶代理、货运代理、外轮理货、船舶港作业务，与国内多家贸易公司和工厂有业务合作，是铁矿、煤炭、钢材等大宗货物的集散地和交易地。
- 企业选手：参赛的几位选手来自信息智能化部，日常工作内容主要是信息化项目实施、信息系统运维、利用信息系统数据给业务部门同事开发各类统计分析报表，以及给管理决策层开发大屏驾驶舱提供决策依据。
1.2.参赛初衷 - 参加这次比赛，是在了解了BI课程之后，深深感受到BI在数据分析上的自助便捷性，希望通过此次参赛，能更进一步地了解帆软的BI产品，与finereport进行一次比较。当然，也是希望在参赛中，可以跟更多的技术大牛进行思想碰撞，在摸索中提升本部门的业务理解能力以及对数据的敏感度，不断学习数据的不同分析、展现方式。
- 今年港口形势整体超预期，我们江阴港即将首次迎来吞吐量破亿吨的历史时刻。我们也想借此机会，利用BI来验证本年度吞吐量破亿的原因，是因为年中进行了两港区的设备大调整，大大提高了硬件设施的效率。
2. 场景介绍
2.1.业务背景介绍&数据来源 业务背景： - 港口吞吐量是指一段时期内经水运输出、输入港区并经过装卸作业的货物总量，是反映港口生产经营活动成果的重要数量指标，也是港口在国际、地区间水上交通链中的地位、作用和影响的最直接体现。
- 截止到2020年11月底，本年度江阴港吞吐量已接近九千五百万吨，按平均月吞吐量计算，预计12月中旬，吞吐量将突破亿吨，是前所未有的大突破，这将成为公司的历史性时刻。而带来这种喜悦的原因，正是今年在设备上进行了大调整，既有新增装卸设备，也有调整设备配置及位置，因此，想用BI的数据展现能力，更进一步地验证在泊位固定的情况下，调整机械设备，是可以实现的作业效率的飞跃。
数据来源： - 数据来源于生产管理系统中的生产数据以及设备作业的检测系统，以及后羿采集器采集的比对数据。因涉及到公司数据，所有图表均不加标签，如图1，图2。
2.2.分析思路 今年集团两大港口进行设备大调整，而作为衡量港口能力的重要指标吞吐量，在设备调整后稳步上升，为了验证吞吐量提升与设备的调整密切相关，需要分析今年每月集团吞吐量的变化，两港区的每月吞吐量趋势，以及进行两港区内外贸的差异对比和货种对比，如图3进行分析。
在港口，开普型船舶是目前进入长江最大的营运船舶，开普型船舶不仅为港口企业带来可观的直接经济效益，更可以大大降低物流中转成本。得益于长江12.5米深水航道的开通，江阴港的开普船到港数量大幅增长，对来港船只进行开普船型数量分析，以及在港口作业的船舶平均在港停靠时长，平均作业时长进行统计。泊位利用率，是码头泊位的作业时间占码头泊位日历时间的比重，对泊位的利用率进行分析，在一定程度上也可以反映出设备的作业效率。
今年B港区在开普泊位处新增了卸船机，并将原先卸开普的高效率门机与A港区低效率的门机对调，这样调整后，B港区开普泊位处利用卸船机装卸船，门机装卸其他船型，作业效率远远高于此前的门机；而A港区换得高效率的门机卸开普后，整体装卸效率大幅上升。先分析两港区的设备作业效率以及不同货种带来的作业差异，而后重点分析B港区卸船机和A港区门机在调整前后的设备作业量和作业时长，以及分析带来的每船平均作业时长的变化，进一步验证设备调整后效率的提高。
2.3.数据整理 我们从生产管理系统、地磅过磅系统、设备监测系统的数据库中，依据需要分析的指标采集对应的数据并进行处理分析（以下计算皆出自各系统数据，具体统计方式及过程在此略过）,如图4。在BI中使用到了计算后的吞吐量表，两港区的设备作业的综合数据等，以及船只的停靠时长和作业时长等表。这样在制作可视化时只需要进行简单的计算。比如用sum_agg计算平均停靠时长，平均作业时长、作业效率等，如图5。
2.4.完成分析报告 在分析报告中，首先用KPI卡显示出今年前11月份的实际总吞吐量和目标吞吐量，并用进度条的方式展示出与目标吞吐量的差异，如图6：
然后展示今年各月的吞吐量变化，以堆积柱形图来显示两港区合计后的总的变化，并添加了吞吐量的延后一周期的模拟趋势线，如图7：
具体分析两港区的变化，以饼图的方式展现处今年两港区内外贸吞吐量的占比，然后用柱形图突出两港区每月吞吐量的变化趋势，如图8、图9：
接着进行货种分析，用饼图显示出2020年的货种比例，可以看出AB货种占了大部分的货种，利用堆积柱形图分析比例高的货种在各生产月占比的趋势。如图10，图11。
和去年的来港船只进行船舶船型分析，着重突出开普船数量的变化。当然也需要对在港口作业的船只停靠时间即平均在港停时进行统计，如图12、图13：
继而分析两港区在装卸作业效率上的贡献，B港区在5月后，撤销了三台门机，新增了一台卸船机，在B港区作业量前后对比中，前5个月是门机和两台卸船机的作业量，后几个月是三台卸船机的数据，因此加入了按前5个月作业量的模拟趋势线的走向，如图14：
单独对B港区卸船机，门机的作业量进行曲线图分析，进一步看出趋势变化，证明设备效率提高。如图15、图16：
最后对船舶平均作业时长、作业效率、以及泊位利用率的分析，显然，每船平均作业时长在降低，设备作业效率在提高，而泊位利用率却相差不大。更是再次证明是设备作业效率的提高，带来了吞吐量破亿的结果。如图17、图18、图19：
2.5.总结 随着港口规模化、集约化、专业化水平地不断提升，在港口形势向好的情况下，今年江阴港将两港区的作业设备进行优化调整，进一步合理分配生产资源，显著提高了装卸效率。从分析报告中我们验证出：船舶平均停靠时长和平均作业时长的逐月递减，开普型船舶到港数量的稳步增长，本质上是因为进行了设备的调整与合理分配。江阴港的吞吐量能破亿吨，主要是因为不断上升的装卸效率。
此次分析，在数据选取上，以及整个分析逻辑，都遇到了或多或少的问题，也有困惑，也有想放弃的念头，但慢慢的也就坚持了下来。BI是很神奇的产品，分析着分析着，会感觉自己掌控了一切，而忽然之间的图形变换数字变化，又会让你觉得困惑无比，数据代表着一切，却又不是一切，只是看怎么去利用分析，所以就让大家一起在BI的海洋中体会着此起彼伏的心情吧。
再次感谢帆软提供了这么一次交流学习的机会！ 仪表板整体效果图如下（还是觉得加上背景图好看，虽然匆忙提交的时候忘加了）：
| 
