1. 研究背景

近年来，我国加油站及机动车数量稳步提升。截至2020年，中国境内加油站总量达119000座。据公安部统计，截至2021年3月，全国机动车保有量达3.78亿辆，机动车驾驶人4.63亿人，69个城市汽车保有量超过100万辆。庞大的市场规模和市场需求为石油企业带来了更多机遇与挑战。如何在当今复杂的市场环境中认清形势并制定商业战略是每个企业亟待解决的问题。

在大数据背景下，企业能够获得的数据日渐丰富，数据正成为一项关键的商业资产，能否成功地将数据转化为商业价值极大地影响着一个企业在未来市场中的竞争力。不同类型的产品对于数据的需求不同，对于石油企业，除传统的加油站运营数据外，地理信息数据如周边道路环境、人口环境、商业环境、车流环境等是至关重要的。相关企业需要充分利用加油站的运营数据及空间信息，从而评价或预测各加油站的油品、非油品销售情况，辅助运营决策。

图1:包头市部分地区汽油销量预测

2. 研究目标

如何评估和调整加油站在城市中的空间结构布局是一个重要的问题。城市的不同区域的地理信息不同，需求也不同，良好的地理位置会给加油站带来更多收益。传统的地理区域评估多依赖于实地考察人员的判断，花费时间长且相对主观，缺乏有效科学的客观判别。充分利用各加油站的运营数据及空间数据来构建加油站销售评价体系、建立销售预测模型，进而做到自动化选址、运营决策辅助，将数据资产转化为经营优势，是大数据时代背景下急需解决的问题。细化研究目标如下：

1、基于加油站自身属性信息及地理空间信息，构建指数体系，选择出影响加油站区域范围内的客户群体规模的重要指数；

2、针对已有加油站，建立油品、非油品销售评价体系，以辅助运营决策及考核工作；

3、针对给定坐标的目标区域，基于该区域的地理空间信息，预测其潜在油品、非油品销售情况，为选址决策提供量化依据。

3. 研究思路

针对预期目标，本研究首先根据基础数据构建指数因子，指数因子用以反映各地区人口密度、车流密度等地理空间信息。基于建立的指数因子，采用先聚类后判别的方法，通过聚类分析评价现有的加油站销售水平，通过判别分析实现对新加油站销售潜能的预测。本研究对各城市分别建立模型，且对于每一个城市，建立分别适用于汽油销量、柴油销量及非油品收入的三套模型，各城市各商品建模流程相同，最终对城市各个位置的销量进行预测，形成如图1形式的城市不同位置销量预测图（图1为包头市部分地区不同位置汽油销量预测图）。同时，根据加油站销量分布的特点，在分析中加入超高销量站点的甄别过程并对其进行专门的建模分析。

4. 研究结果及意义

本研究以国内某大型国有石油公司在六个城市的加油站数据为例进行分析。首先根据基础数据建立指数因子，采用先聚类后判别的方法，通过聚类分析评价现有的加油站销售水平，通过判别分析实现对新加油站销售潜能的预测。研究的主要结论如下：

1) 所建立模型对于六个城市三种商品的超高销量（收入）站点甄别正确率均达到90%以上；在判别分析中，分别采用3种交叉验证方法，六个城市的交叉验证准确率均能够达到85%以上。模型的精确度和稳定性达到了落地要求，如图2所示，通过聚类分析得到3类不同加油站在销量层面有明显的不同，说明模型挖掘出了地理位置数据中能够显著影响销量的信息。

图2:聚类分析不同类别汽油销售额分布

2) 模型识别出诸多对于加油站销量具有重要影响的指数因子。对于不同售品的主要结论有：（a）活动指数、公共管理服务设施、商业服务设施和交通道路因子取值较高的加油站更倾向于有较高的汽油销量，周边存在竞品的加油站更倾向于有更高的汽油销量；（b）活动指数、公共管理服务设施和交通道路因子对柴油销量有负的影响，地理位置取值较大的加油站更倾向于有较高的柴油销量；（c）公共管理服务设施和商业服务设施取值较高的加油站更倾向于有较高的非油品收入，加油站分类为一类站或二类站的，便利店分类为高级店或标准店的，地理位置和所在道路等级和特征取值较小的的加油站非油品收入较高。

3) 将上述评价及预测模型应用在此大型国有石油公司的实际运营中，辅助加油站业绩考核和新站选址等方面的工作。根据地理位置信息预测相应地区加油站的销量并给出合理的销量区间，对销量低于区间下限的加油站标记不达标并重点关注。绘制城市各地区油品与非油品销量预测图（如图1所示），辅助新站选址。

本研究整合地理信息建立模型辅助加油站运营决策，有效利用了企业数据资产，既建立了严谨的理论模型，也在实践中验证了模型的可行性和有效性，在大数据时代为企业的运营与决策带来了科学的指导，让企业在庞大的市场中能够抓住机遇。