毕业论文网
本论文是一篇免费优秀的关于生猪养殖论文范文资料，可用于相关论文写作参考。
生猪养殖和大数据
卫旭东 高级副总裁 北京奥云牧数据科技有限公司
复旦大学EMBA 工商管理硕士.在跨国企业服务15 年,曾任日立( 中国) 数字影像公司中国区企划总经理.多年专注消费电子产品市场分析及营销策划,善于洞察数据背后所隐藏的内涵.2015 年开始涉足农牧行业,主导奥云牧公司的大数据业务,进行农牧垂直领域的大数据采集、挖掘、分析、应用,以大数据技术为基础,服务于农牧行业的产业升级,提高企业经营效益,助力政府强化监管及服务职能,并最终服务于百姓餐桌的食品安全.
2015 年,互联网+、大数据是最热门的,2016 年热度有所减退.前段时间我去参加贵阳的大数据博览会发现,不仅是畜牧业包括整个农业几乎没有好的大数据落地项目,真正在利用大数据的都是互联网、金融、教育等行业.今天我主要和大家分享,什么是真正的大数据以及如何在农牧行业运用.
1 养猪人的烦心事
养猪人的烦心事包括疫病关、技术关、人才关、资金关、政策关、灾害关、市场关和信息关.在农牧业中,疫病、天气灾害、技术是共通的难题.日本水稻种植人员的平均年龄是70~80岁.虽然我国养猪的技术人员正在逐步年轻化,但是真正去养猪的工作人员几乎都在50 岁以上.农业的生产周期长,对资金的占用很严重.政策难题包括国家对禁养区的设置以及对猪价的管控调整等.
2 新常态下的破局之道
真正解决养猪人的烦心事,破局之道还是互联网+、大数据.但互联网、物联网、大数据仅仅是工具和手段,关键在于我们如何运用.对此,我个人有3 点建议：①数据信息的透明与共享；②产业链的协同；③决策的智能化.
2.1 数据信息的透明与共享
目前,所有的市场调研公司、数据分析公司、证券公司以及行业内做研究用的数据都是公开化的数据,但是数据的来源谁也说不清楚.有些数据是农业部网站公布的,比如能繁母猪3,700万头,这个数据是哪里来的？农业部和研究机构都否认公布过这项数据.从2013 年开始,农业部发声明,只公布同比和环比,不会公布绝对数据.2012年能繁母猪存栏5,000 万头,到2010年的12 月降到了4,800 万头,曾经有报道,“能繁母猪降到4,800 万头,跌破了农业部4,900 万头的红线,生猪产能堪忧”.这篇文章发表后,农业部再也没有发布绝对数据,仅发布同比和环比,一直推算到今天是3,700 万头.这3,700 万头如果换算成PSY,按每头母猪16 头计算,那么2015 年的出栏猪就是7 亿头.在饲料的产能和产量、生猪的存栏和出栏、能繁母猪数、屠宰数量、市场猪肉零售数据等数据中,屠宰数量最准确.2015 年,规模以上定点屠宰机构的全年屠宰量是2.14 亿头.2012 年规模以上屠宰量2.77 亿头,全部定点屠宰量3.55亿头,规模以上屠宰量占定点屠宰量的78%.反过来用78% 倒推,规模以上定点屠宰量为2.77 亿头,再加上小规模屠宰,全国屠宰量约为3.2~3.3亿头.全国出栏7 亿头,还有3.7 亿头猪去哪了？假如自宰自食按1 亿头计算,再加上不符合规定的“小刀手”按1 亿头计算,那么还有1.7 亿头猪哪去了？所以,目前能繁母猪3,700万头、PSY 为16、出栏7 亿头猪这些数据无从考证.但是所有的报表、统计资料、参考数据都是这个数值.所以,如果想要破局,信息和数据的共享透明非常重要,这关系到供应链的协同.
2.2 产业链的协同
每一个环节所积累的数据,可能是整个产业链上下游特别需要的.养猪人最关心的是什么？猪价和成本.但是这类信息往往不通畅.对于屠宰企业来说,最关心的是收猪范围内的存栏和可出栏情况、零售终端的以及猪肉的消费量.这样的多维度分析需要数据的积累,而我们将要做的就是对产业链的经营进行监测.
目前产业链上下游是博弈关系而非协同关系.当处于猪周期低价阶段时,利润跌到最低点,连续的亏损,养殖企业都在苦苦挣扎,很多人被淘汰出局,能存活下来的企业都是精英.但是屠宰企业却大幅盈利,因为分割以后的猪肉远远高于毛猪.而在猪价高时,屠宰企业就会亏损很严重.2016 年是近20 年来,屠宰企业亏损最严重的一年,我接触的几个屠宰企业平均一天亏损40 万元.以北京为例,3~4 家屠宰企业就可以满足整个北京的屠宰量.但是北京有9 家规模屠宰企业,由于企业间的竞争,使得屠宰企业的亏损加大.
所以整个产业链的上下游没有形成协同关系.包括饲料企业也是如此,虽然饲料企业和养殖户的关系很紧密,但是也没有形成协同关系.如何做到产业链的协同,一定要靠互联网和大数据.
2.3 决策的智能化
解决目前困局的关键点就是决策的智能化.决策的智能化在其他领域已经应用地比较成熟,但是在畜牧行业尚未成熟.饲料企业和屠宰企业都是规模化的,养殖企业的规模化程度也越来越高,但是大部分中小型养殖企业想要做到决策的智能化存在一定的难度.因为智能化的决策系统投入非常大,而我们要做的就是以最低的成本让企业实现决策智能化.
2.4 大数据
这里就不能不提大数据.大数据简单说就是需要分析的数据过多过大,已经超过了单台电脑的运算、存储能力,必须借助互联网和云计算手段,通过新的软件、手段来进行数据分析.其实这个定义并不重要.我想解释的是数据、大数据、大数据技术、大数据应用服务这几个概念.
2.4.1 数据 以养猪也为例,耳标、基因种群、猪舍面积、温度、湿度、风速、能繁母猪数、PSY、饮水量、料肉比等一系列都是数据,而且大部分都是结构性数据,能够用数字或者表格整理.也会产生一些非结构性数据,一些图像、视频、行为的分析,比如是否腹泻、有无地窗,这些不能用数字表达的数据就是非结构性数据.
2.4.2 大数据 如果我们把上述维度同时进行分析,不仅是数据量大,同时还存在多样性、高速、即时性等特点,并且能够分析出有价值的结果,这些就是大数据.
2.4.3 大数据技术 ①数据采集：线上和线下的数据采集.②数据储存管理.③数据处理分析.④数据挖掘,算法模型.
2.4.4 大数据应用 包括精准营销、策略制定、提前反应和个性服务,核心就是预测.大家听到的最多的案例就是尿不湿和啤酒的故事.德州的沃尔玛超市经过数据分析后,发现周末同时购买尿不湿和啤酒的概率非常高.原因是周末美国有棒球赛、橄榄球赛和篮球赛,男人在家里看球赛的时候喜欢和啤酒.平时去超市购物的都是太太,只有在周末的时候男人会自己去买酒,家里如果有小孩就会顺便带尿不湿回来.超市找到这一关联之后,就把尿不湿和啤酒放在一个柜台,然后这两样商品的销售量都增长得非常快.但是全球的沃尔玛只有一家店这样做,因为这种关联具有地区的偶然性.不过,最近越来越多的超市在通过大数据进行货架管理和购物订单分析,大数据为他们带来的福利特别巨大.
目前,大家在京东、淘宝等购物网站购物后都会进行评论.这些评论对网站来说就是无价之宝,对于商品采购、服务等起到决定性的作用.网站可以根据评论进行分析,迅速做出调整.这些都是大数据在起作用.
3 让养猪人“心中有数”
我们现在正在做4 个数据库,①饲料加工监测信息库,包括各个品牌饲料的销售、市场占有率、经销商通路、产能产量、等.②生猪养殖监测信息库,生猪养殖的动态监测.③屠宰加工监测数据库.④肉、蛋、奶零售监测数据库.我们首先从肉类消费和屠宰加工入手,然后到饲料工业,最后打通整个产业链.中间最难的就是到底中国有多少头猪,因为中国有多少人还没有统计清楚.但是人是移动的,猪就是在猪圈里,只要在猪圈里,只要有生老病死,我们就可以监测.未来的2~3 年我们会聚焦于养殖场的数据采集.目前还没有一家企业在做这些,我们敢做是因为背后有强大的数据分析能力和数据挖掘能力,能够为企业提供这样的服务.最后我们会以生猪养殖地图的形式呈现出来.
我们的目标是用大数据烫平猪周期.①雷达.对猪价和饲料的监控；②品质追溯.养猪人愿意用好的饲料,愿意改善养殖条件,最重要的一点就是要做到优质优价.做到全产业链优质优价才会调动养猪人的积极性；③养殖模型.形成各个区域的最佳模型；④智慧测算.养猪利润,实时计算；⑤猪价预测.猪价指数,动态预测；⑥供应链金融.随着养猪利润的增长,散户的退出,需要由大户来填补产能,将会有社会资本进入行业.所以,我们要先自身破局,才能迎接更大的挑战.
( 编辑张瑞霜整理)
生猪养殖论文范文结:
关于本文可作为相关专业生猪养殖论文写作研究的大学硕士与本科毕业论文生猪养殖论文开题报告范文和职称论文参考文献资料。