生猪养殖与大数据

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、零售终端的价格以及猪肉的消费量。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价格远远高于毛猪价格。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、价格等。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价格雷达。对猪价和饲料价格的监控；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)