加拿大铁路货运需求预测的实践与启示|| 供应链咨询案例和论丛 #管理咨询案例

加拿大铁路货运需求预测的实践与启示

ChatGPT 颠覆了整个咨询行业！不会用的公司和咨询师必然淘汰！

马上体验学习ChatGPT及其它大模型：点击体验（需输入会员密码）

注册会员无需翻墙即可使用 ChatGPT特惠：

（1）包月使用：299 包年使用2999 | 微信：18121118831联系；
（2）送一个月以上的咨询报告库VIP会员，可以浏览下载上万篇咨询和行业报告

摘要：货运需求预测是铁路运输企业制定生产经营计划的前提和基础。在阐述加拿大国家铁路公司货运需求预测过程、预测内容、预测工具及影响因素，以及中长期货运需求预测方法的基础上，针对我国铁路货运经营发展需要，研究提出我国铁路货运需求预测的步骤，并提出实施建议，即完善货运营销部门职能，明确货运需求预测工作机制，研发信息采集与预测系统，将中长期需求预测纳入年度需求预测。

关键词：加拿大铁路，货物运输，需求预测

基金项目：中国铁路总公司科技研究开发计划课题(2013X008-A-1)

铁路公司的货运服务产品计划和设备资产投资策略取决于一段时期内的货运量，除了总货运量，货物品类、运送时间及不同的运输OD流向，会对铁路公司的经营计划产生重要影响。为了制定科学的生产经营和资产投资计划，加拿大国家铁路公司(CN)探索建立了完善的货运需求预测方法和工具。为此，借鉴CN铁路公司的货运需求预测实践经验，构建我国铁路货运需求预测方法体系，以有利于更加科学、客观地把握市场需求，提高铁路货运经营决策水平。

1 加拿大铁路货运需求预测实践

开展货运需求预测是CN铁路公司制定年度经营计划的第一步，通过科学识别和预测公司下一年度的货流量，从而制定合理的货运服务和资产配置计划。加拿大铁路货运需求预测包括年度需求预测和中长期需求预测，由铁路公司针对不同的货运业务类型进行分类需求预测，并开发了专业的货运需求预测信息系统。

1.1 年度货运需求预测过程^[1]

1.1.1 基础数据采集

货运需求预测的输入参数主要包括3种数据类型：①铁路货运量数据。需要搜集本年度前6个月的实际运量，确定下半年的预测运量数据。②客户需求信息。由铁路公司搜集企业长期或临时的工厂关闭或扩建计划、企业目标市场变化、企业运量的季节波动情况等。③经济运行数据。包括铁路公司的市场分担率、特定品类的市场预测值、行业和宏观经济预测数据等。

CN铁路公司的客户需求信息由营销销售部门负责搜集，根据业务类型不同，普通货物运输以货车为单位、国内联运以集装箱为单位、国际联运以20英尺标准集装箱为单位进行需求采集。由于客户运输规模差异较大，很难完整采集所有客户的需求信息。因此，CN铁路公司为大客户指定专属客户经理为其提供服务，而这些大客户占有公司90%的货运收入。客户经理在日常的营销销售活动中与客户保持沟通，搜集客户的需求数据并输入预测系统，因而公司85%的货运需求数据可以从客户层面直接获取，客户需求信息主要用于验证运量预测数据，包括运输时间变化、货物品类及OD去向分布。

1.1.2 基年货运数据确定

CN铁路公司于每年8—10月开展货运需求数据的搜集和预测工作，在此基础上编制公司的生产经营计划。CN铁路公司的货运市场涉及约2 500家客户、150种货物品类，以及13 000个OD流向，公司每年的货运量整体上都保持相对稳定。因此，公司在货运需求预测时，充分利用历史运量数据，通过比较上一年度的运量变化来确定本年度的运量目标，而不需要从最基础的信息开始构建预测模型。本年度下半年的预期运量以近期历史运量为基础，并结合客户需求调查、品类市场分析和宏观经济预测确定。

1.1.3 预测数据调整

CN铁路公司各业务单元的市场经理负责对本业务单元及细分品类的需求进行预测，通过归集不同客户的需求信息，并根据总体经济形势对各大品类的客户需求数据进行调整。调整过程将市场容量视为一个整体，并设定不同客户的市场占有率。例如，为了预测木材和木板产品的运输需求，市场经理会参考加拿大对美国的木材出口量，以及美国的房屋开工计划等一些独立的行业和经济预测数据。在确定总出口量的情况下，再综合考虑不同客户的需求量、历史运量数据及竞争因素，确定主要客户的预期运量。最终的货运需求数据通过自上而下和自下而上的需求预测相结合进行确定，自下而上计划过程的目标是预测次年详细、定量的货流分布情况。

1.1.4 预测数据检验和确认

CN铁路公司营销部门提供的初始运量预测数据，需要经营规划部门进行检验确认。公司的总体经营计划由财务规划小组负责编制，以营销部门提供的初始运量预测数据为基础，根据年度增长计划、发展趋势或运输方式变化对总量数据进行核查，再根据宏观经济和行业预测数据对其合理性进行检验。最终的运量预测数据由公司财务规划部门和市场营销部门进行协商确定，结果用于制定公司的年度收入和成本支出计划，以及市场营销策略。

1.2 需求预测内容

CN铁路公司货运需求预测的特点是，根据公司不同的货运业务类型，开展分类需求预测。CN铁路公司的货运业务划分为7大业务单元，包括木材产品、石油化工品、粮食和肥料、煤炭、金属和矿石、小汽车及多式联运。在总需求分析的基础上，可以从业务单元、各业务单元下细分品类、路网通道和客户等多个维度进行更细致的需求预测分析。预测结果包括货车数、吨数和货运收入3个维度。CN铁路公司不同业务单元货运需求分类预测示意图如图1所示^[1]。

图1 CN铁路公司不同业务单元货运需求分类预测示意图

根据不同业务单元特点，具体的预测内容有较大差异。例如，粮食类客户的运量和去向主要受粮食生产和外销计划影响，铁路公司主要从加拿大小麦局获取粮食外销总量数据，并根据历史运输数据对通道运量进行预测。多式联运客户数量众多，但是加拿大85%的国内联运运量产生于7个大的多式联运枢纽，主要针对枢纽运量进行预测。CN铁路公司的需求预测信息系统能够在客户、品类和OD层面上对所有细分品类的货运需求进行预测，但是实际预测内容根据运力资源配置和制定产品服务计划的需要进行确定。

1.3 需求预测工具

完成基础数据信息采集后，CN铁路公司通过信息系统开展具体的货运需求预测工作。公司建立了集中和分层结构的需求预测信息系统，预测所需要的各类数据信息可以在系统的不同层次输入，预测系统能够自动进行需求集聚和分解，最低层级的预测数据分解以历史运量数据为基础。客户层面的货流量数据可以根据采集的客户需求信息进行手工调整。系统能够对规划期内的月度总需求运量，以及各业务单元、品类、细分品类、路网通道、客户的具体运量及相应的收入进行预测。CN铁路公司于2009年2月采用了新的需求预测系统(SAS)，通过计算过去5年的历史运量数据及140余项经济数据，可以预测未来24个月的分月度运量。

1.4 预测影响因素分析

货运需求预测的准确性受多种因素的影响，因此对客户和铁路公司而言存在挑战。

(1)客户对货运需求预测的难点不仅在于企业自身经营变化，还包括竞争者和下游客户的决策行为、能力及需求方面的不确定性。由于客户需求受多种因素影响不断变化，铁路公司很难对托运人每天的运输决策变化进行有效管理。

(2)铁路公司最终需要处理的货流量受不同运输方式及其他铁路公司对客户的竞争力影响。铁路公司基于预测结果进行服务能力和资产规划时，需要综合考虑市场的总体容量和需求波动性，从而对投资的财务风险和预期收益进行管理，因此很难满足所有客户的预期货运需求。

(3)客户市场的集中度也影响预测数据的准确性，客户市场的集中度越高，如煤炭或硫磺的发货客户通常只有几家，从客户角度更容易获知运输需求信息。而多式联运业务领域，存在大量的小客户和不常发货客户，需求预测的准确度受市场环境影响较大。

此外，加拿大铁路公司通常在第三季度初期开始编制次年的经营计划，而客户的生产计划活动通常在三季度末期才开始进行，双方在时间上的不匹配会造成一定的信息误差。因恶劣天气等不可抗力造成的铁路运输中断，也会造成货物运输需求量和运输时间的变化。

1.5 中长期需求预测

CN铁路公司在次年货运需求预测和经营计划编制的基础上，还制定5年期的中长期规划。因此，在年度货运需求预测的基础上，CN铁路公司还对中长期的货运需求进行预测和调整，从总需求角度把握公司关键货运市场的变化趋势，从而为企业的分年度投资计划与财务绩效预测提供基础。

CN铁路公司的5年规划根据中长期宏观经济走势、经济预测数据及市场运行现状特点，利用自上而下的方法对货运需求数据进行调整。关键的宏观经济指标包括国际、国内及地区的经济发展趋势与GDP目标，货币汇率及全球大宗商品预测数据。宏观经济数据主要来自于银行或专业的经济预测机构，重点产业数据包括加拿大主要港口的进出口量、重点行业的产销预测数据等。规划还根据5年内重要货运市场的潜在变化进行调整，包括厂矿开工、改扩建或关闭计划等。

2 我国铁路货运需求预测的启示

2.1 我国铁路货运需求预测步骤

科学的货运需求预测方法和流程对合理规划配置运输资源、制定企业经营战略和营销策略具有重要意义。当前，我国铁路运输实行调度集中统一指挥，在全国范围内形成了统一、无分割的货运市场，因此从总需求角度更容易把握市场和客户需求规模。借鉴CN铁路公司的货运需求预测实践经验，我国铁路货运需求预测过程整体可以分为以下几个步骤。

(1)基础信息采集。由中国铁路总公司和铁路局货运营销部门分别开展客户需求信息及经济运行关键指标的搜集，中国铁路总公司货运营销部门负责搜集宏观经济运行指标，主要包括国内生产总值(GDP)、生产者物价指数(PMI)、人民币汇率等指标；重点行业运行现状及预测指标，包括煤炭、石油、金矿、钢铁、粮食、化肥、非金矿、化工、矿建、水泥、木材等运量规模较大产业，指标主要包括产量、销量、库存、价格、进出口等能够反映行业整体运行情况的统计数据；全路性货运客户(例如中国石油天然气集团公司、中国石油化工集团公司、中国储备粮管理总公司等)的需求。铁路局货运营销部门负责搜集局管内运量规模较大的货运客户需求，以及大型厂矿、工厂的改扩建和产业布局调整等信息，客户运量规模应占全铁路局运量的80%以上。

(2)货运需求预测过程。由于我国铁路货运经营和运力资源配置由中国铁路总公司统一管理，采用分类预测的理念，重点从总需求层面开展不同品类货运需求预测^[2]。首先根据我国铁路货运品类货流结构及产业关联特点，对主要货物品类进行划分，包括煤炭、金矿钢铁、石油化工、粮食化肥、非金矿、矿建水泥、木材、集装箱、小汽车等。其次，分析铁路总货运量及分品类运量的变化趋势与季节性波动规律，研究宏观经济运行及不同产业发展对铁路货运量的影响，建立铁路货运需求预测分析模型。在确定基年剩余月份货运需求量的基础上，开展次年度货运需求预测，预测结果包括总运量、分品类运量、主要通道及客户运量等多个维度。

(3)需求预测结果检验调整。根据预测模型计算出的基年剩余月份需求量及次年度货运需求数据，由中国铁路总公司货运营销部门根据客户需求信息、宏观经济及重点产业运行走势进行检验并予以调整。由货运营销部门提交的需求预测结果，需要经企业的财务、投资、生产管理部门共同进行审核确认，作为企业制定经营决策的重要依据。

(4)需求预测结果应用。年度需求预测结果主要应用于次年的运输计划编制、运力配置、营销策略制定等方面，同时对年度收入水平进行预估。通过开展多维度的货运需求分析，企业能够合理安排货运服务类型和服务频率，对机车、货车及乘务等运力资源进行有效配置，及时发现运输能力限制点，从而制定线路、机车、货车或运输管理系统等资产的投资战略，并通过改变运输计划或开展运能管理，减轻需求波动对企业运营产生的不利影响。

2.2 实施建议

铁路货运需求预测是一项重大的系统工程，在实际实施中需要开展大量的客户市场调查和基础信息搜集工作，同时货运需求预测系统的研发至关重要。因此，建议从以下方面为开展货运需求预测提供支撑。

(1)完善铁路货运营销部门职能。当前铁路局货运营销部门具有一定的市场需求调查和分析职能，但是各铁路局开展货源需求调查的频度、内容、客户对象选择及预测周期不尽一致，从铁路总公司层面难以进行定量归集。因此，应完善货运营销部门需求调查职能，明确中国铁路总公司和铁路局货运营销部门需求调查时间、周期与具体内容，搜集货运需求预测所需的各类基础数据。

(2)明确铁路货运需求预测工作机制。首先，从时间上确定每年9—10月份由铁路货运营销部门完成需求预测所需基础信息的搜集和输入工作，中国铁路总公司货运营销部门对基础信息归集汇总后，通过需求预测系统得到初始需求量数据。其次，建立货运营销部门与财务、规划、投资部门联合小组，对初始需求量数据共同进行审核调整，并将最终需求预测结果用于生产计划、营销策略、运力配置及企业投资决策。

(3)研发铁路货运需求信息采集与预测系统。货运需求预测所需基础信息类别多样，由中国铁路总公司及全路营销部门共同搜集完成，从信息采集角度有必要开发通用的系统平台。同时，基于大量历史运量数据和基础信息，开展货运需求预测建模及计算，需要通过计算机信息系统实现。中国铁路总公司可以充分利用科研单位力量参与市场运行信息搜集、货运需求信息采集与预测系统开发工作，为铁路货运需求预测提供技术手段。

(4)将中长期需求预测纳入年度需求预测。中长期需求预测的目标是预估未来一段时期铁路需要处理的货流量规模，根据国内经济计划编制特点，可以将铁路中长期预测周期确定为5年。在年度需求预测基础上，对5年期内的货运需求进行动态调整，为铁路资产投资规划提供依据。

3 结束语

当前我国经济发展处于工业化中期水平，经济增速放缓和产业结构调整将对全社会货运需求变化产生重要影响，因而开展铁路货运市场调查和需求预测愈显重要。借鉴加拿大国家铁路公司的货运需求预测经验，我国铁路货运需求预测应充分重视客户需求信息及独立经济数据的搜集，根据货运业务类型开展分类需求预测。货运需求预测是一项重要的系统工程，需要切实完善货运营销部门市场调查职能，明确需求预测工作机制，研发专业的需求预测工具，从而确保需求预测工作的有效开展，为铁路货运生产经营提供决策依据。

参考文献：

[1]QGI Consulting. Railway Demand Forecasting and Service Planning Processes[EB/OL].[2014-10-20]http://qgiconsulting.ca/pdf/RailwayDemandForecastingandServicePlanningProcesses.pdf.

[2]肖芳.工业产品运输需求分类预测理论研究[D].西安：长安大学，2011.

作者： 中国铁道科学研究院运输及经济研究所王亚飞中国铁道科学研究院研究生部田茂 来源： 《铁道货运》2014年第11期