生豬養殖與大數據

生豬養殖與大數據

衛旭東 高級副總裁 北京奧云牧數據科技有限公司

復旦大學EMBA工商管理碩士。在跨國企業服務15年，曾任日立(中國)數字影像公司中國區企劃總經理。多年專注消費電子產品市場分析及營銷策劃，善于洞察數據背后所隱藏的內涵。2015年開始涉足農牧行業，主導奧云牧公司的大數據業務，進行農牧垂直領域的大數據采集、挖掘、分析、應用，以大數據技術為基礎，服務于農牧行業的產業升級，提高企業經營效益，助力政府強化監管及服務職能，并最終服務于百姓餐桌的食品安全。

2015年，互聯網+、大數據是最熱門的，2016年熱度有所減退。前段時間我去參加貴陽的大數據博覽會發現，不僅是畜牧業包括整個農業幾乎沒有好的大數據落地項目，真正在利用大數據的都是互聯網、金融、教育等行業。今天我主要和大家分享，什么是真正的大數據以及如何在農牧行業運用。

1 養豬人的煩心事

養豬人的煩心事包括疫病關、技術關、人才關、資金關、政策關、災害關、市場關和信息關。在農牧業中，疫病、天氣災害、技術是共通的難題。日本水稻種植人員的平均年齡是70～80歲。雖然我國養豬的技術人員正在逐步年輕化，但是真正去養豬的工作人員幾乎都在50歲以上。農業的生產周期長，對資金的占用很嚴重。政策難題包括國家對禁養區的設置以及對豬價的管控調整等。

2 新常態下的破局之道

真正解決養豬人的煩心事，破局之道還是互聯網+、大數據。但互聯網、物聯網、大數據僅僅是工具和手段，關鍵在于我們如何運用。對此，我個人有3點建議：①數據信息的透明與共享；②產業鏈的協同；③決策的智能化。

2.1 數據信息的透明與共享

目前，所有的市場調研公司、數據分析公司、證券公司以及行業內做研究用的數據都是公開化的數據，但是數據的來源誰也說不清楚。有些數據是農業部網站公布的，比如能繁母豬3,700萬頭，這個數據是哪里來的？農業部和研究機構都否認公布過這項數據。從2013年開始，農業部發聲明，只公布同比和環比，不會公布絕對數據。2012年能繁母豬存欄5,000萬頭，到2010年的12月降到了4,800萬頭，曾經有報道，“能繁母豬降到4,800萬頭，跌破了農業部4,900萬頭的紅線，生豬產能堪憂”。這篇文章發表后，農業部再也沒有發布絕對數據，僅發布同比和環比，一直推算到今天是3,700萬頭。這3,700萬頭如果換算成PSY，按每頭母豬16頭計算，那么2015年的出欄豬就是7億頭。在飼料的產能和產量、生豬的存欄和出欄、能繁母豬數、屠宰數量、市場豬肉零售數據等數據中，屠宰數量最準確。2015年，規模以上定點屠宰機構的全年屠宰量是2.14億頭。2012年規模以上屠宰量2.77億頭，全部定點屠宰量3.55億頭，規模以上屠宰量占定點屠宰量的78%。反過來用78%倒推，規模以上定點屠宰量為2.77億頭，再加上小規模屠宰，全國屠宰量約為3.2～3.3億頭。全國出欄7億頭，還有3.7億頭豬去哪了？假如自宰自食按1億頭計算，再加上不符合規定的“小刀手”按1億頭計算，那么還有1.7億頭豬哪去了？所以，目前能繁母豬3,700萬頭、PSY為16、出欄7億頭豬這些數據無從考證。但是所有的報表、統計資料、參考數據都是這個數值。所以，如果想要破局，信息和數據的共享透明非常重要，這關系到供應鏈的協同。

2.2 產業鏈的協同

每一個環節所積累的數據，可能是整個產業鏈上下游特別需要的。養豬人最關心的是什么？豬價和成本。但是這類信息往往不通暢。對于屠宰企業來說，最關心的是收豬范圍內的存欄和可出欄情況、零售終端的價格以及豬肉的消費量。這樣的多維度分析需要數據的積累，而我們將要做的就是對產業鏈的經營進行監測。

目前產業鏈上下游是博弈關系而非協同關系。當處于豬周期低價階段時，利潤跌到最低點，連續的虧損，養殖企業都在苦苦掙扎，很多人被淘汰出局，能存活下來的企業都是精英。但是屠宰企業卻大幅盈利，因為分割以后的豬肉價格遠遠高于毛豬價格。而在豬價高時，屠宰企業就會虧損很嚴重。2016年是近20年來，屠宰企業虧損最嚴重的一年，我接觸的幾個屠宰企業平均一天虧損40萬元。以北京為例，3～4家屠宰企業就可以滿足整個北京的屠宰量。但是北京有9家規模屠宰企業，由于企業間的競爭，使得屠宰企業的虧損加大。

所以整個產業鏈的上下游沒有形成協同關系。包括飼料企業也是如此，雖然飼料企業和養殖戶的關系很緊密，但是也沒有形成協同關系。如何做到產業鏈的協同，一定要靠互聯網和大數據。

2.3 決策的智能化

解決目前困局的關鍵點就是決策的智能化。決策的智能化在其他領域已經應用地比較成熟，但是在畜牧行業尚未成熟。飼料企業和屠宰企業都是規?；模B殖企業的規?；潭纫苍絹碓礁撸谴蟛糠种行⌒宛B殖企業想要做到決策的智能化存在一定的難度。因為智能化的決策系統投入非常大，而我們要做的就是以最低的成本讓企業實現決策智能化。

2.4 大數據

這里就不能不提大數據。大數據簡單說就是需要分析的數據過多過大，已經超過了單臺電腦的運算、存儲能力，必須借助互聯網和云計算手段，通過新的軟件、手段來進行數據分析。其實這個定義并不重要。我想解釋的是數據、大數據、大數據技術、大數據應用服務這幾個概念。

2.4.1 數據 以養豬也為例，耳標、基因種群、豬舍面積、溫度、濕度、風速、能繁母豬數、PSY、飲水量、料肉比等一系列都是數據，而且大部分都是結構性數據，能夠用數字或者表格整理。也會產生一些非結構性數據，一些圖像、視頻、行為的分析，比如是否腹瀉、有無地窗，這些不能用數字表達的數據就是非結構性數據。

2.4.2 大數據 如果我們把上述維度同時進行分析，不僅是數據量大，同時還存在多樣性、高速、即時性等特點，并且能夠分析出有價值的結果，這些就是大數據。

2.4.3 大數據技術 ①數據采集：線上和線下的數據采集。②數據儲存管理。③數據處理分析。④數據挖掘，算法模型。

2.4.4 大數據應用 包括精準營銷、策略制定、提前反應和個性服務，核心就是預測。大家聽到的最多的案例就是尿不濕和啤酒的故事。德州的沃爾瑪超市經過數據分析后，發現周末同時購買尿不濕和啤酒的概率非常高。原因是周末美國有棒球賽、橄欖球賽和籃球賽，男人在家里看球賽的時候喜歡和啤酒。平時去超市購物的都是太太，只有在周末的時候男人會自己去買酒，家里如果有小孩就會順便帶尿不濕回來。超市找到這一關聯之后，就把尿不濕和啤酒放在一個柜臺，然后這兩樣商品的銷售量都增長得非?？臁５侨虻奈譅柆斨挥幸患业赀@樣做，因為這種關聯具有地區的偶然性。不過，最近越來越多的超市在通過大數據進行貨架管理和購物訂單分析，大數據為他們帶來的福利特別巨大。

目前，大家在京東、淘寶等購物網站購物后都會進行評論。這些評論對網站來說就是無價之寶，對于商品采購、服務等起到決定性的作用。網站可以根據評論進行分析，迅速做出調整。這些都是大數據在起作用。

3 讓養豬人“心中有數”

我們現在正在做4個數據庫，①飼料加工監測信息庫，包括各個品牌飼料的銷售、市場占有率、經銷商通路、產能產量、價格等。②生豬養殖監測信息庫，生豬養殖的動態監測。③屠宰加工監測數據庫。④肉、蛋、奶零售監測數據庫。我們首先從肉類消費和屠宰加工入手，然后到飼料工業，最后打通整個產業鏈。中間最難的就是到底中國有多少頭豬，因為中國有多少人還沒有統計清楚。但是人是移動的，豬就是在豬圈里，只要在豬圈里，只要有生老病死，我們就可以監測。未來的2～3年我們會聚焦于養殖場的數據采集。目前還沒有一家企業在做這些，我們敢做是因為背后有強大的數據分析能力和數據挖掘能力，能夠為企業提供這樣的服務。最后我們會以生豬養殖地圖的形式呈現出來。

我們的目標是用大數據燙平豬周期。①價格雷達。對豬價和飼料價格的監控；②品質追溯。養豬人愿意用好的飼料，愿意改善養殖條件，最重要的一點就是要做到優質優價。做到全產業鏈優質優價才會調動養豬人的積極性；③養殖模型。形成各個區域的最佳模型；④智慧測算。養豬利潤，實時計算；⑤豬價預測。豬價指數，動態預測；⑥供應鏈金融。隨著養豬利潤的增長，散戶的退出，需要由大戶來填補產能，將會有社會資本進入行業。所以，我們要先自身破局，才能迎接更大的挑戰?！?/p>

(編輯張瑞霜整理)