温氏股份陈家权大数据产生价值的三大关键因 [复制链接]

企业怎么用好大数据，这是一个现实的问题。在年的网易云创峰会上，作为农业龙头企业的代表，温氏股份大数据技术专家陈家权分享了他对大数据的理解，并详细解读了大数据在温氏股份各个生产环节中所发挥的价值，以及让大数据产生价值的关键因素。

▲温氏股份大数据技术专家陈家权

大数据应用的关键目标

从大数据的特征出发，企业应用大数据的关键目标，是从海量数据中高效筛选出有价值的信息，包括结果信息或者客观规律，应用到企业的经营管理过程中，实现降低成本和提升效益。

温氏股份的大数据应用的关键目标与传统企业的价值取向相吻合，一是数字化资产管理，创造养殖业核心价值；二是通过大数据了解和掌握市场需求、市场容量与市场竞争的变化，实现利润持续最大化，保持核心业务的增长；三是加强对生产过程、内控以及外部市场、舆情的风控，降低成本，增加效益——温氏股份拥有5万多名员工，降本增效难度很大，大数据的应用能够给各个层级的生产者、经营管理者乃至高层决策者带来很高的数据信息的价值。

大数据应用对于温氏股份整个经营过程的价值体现在用户需求、生产过程、质量检核、库存管理、市场销售、舆情监控、发展布局和策略定价等8个方面。

▲温氏股份大数据战略布局

用户需求层面，不同区域、不同季节对鸡的品种和量的需求都是不一样的，需要通过用户画像、精准营销等手段来了解用户和市场需求。

生产过程层面，包括预测生产计划、预测饲料采购计划、生产标准数据化等。养户在什么阶段应该养什么品种，应该投放多少的饲料，应该什么时候打疫苗，什么时候准备防疫，这些都可以通过大数据做一个生产过程的标准化。

质量管理层面，结合IoT数据采集，可以训练模型快速定位质量问题产生环节及因素，降低质量事故。

库存管理层面，包括智能补货、预测库存积压、物流智能调度等。温氏股份的饲料原料采购及生产，每年都是一千多万吨，年上市肉猪多万头、肉鸡超7亿只，假如每吨饲料的采购价格降低毛钱，运输成本节省1毛钱，每年带来的成本节省都是不可估量的。

策略定价层面，同一个品种在不同时期面向不同的客户要做不同的策略定价，通过大数据对市场价格的预测、不同区域季节性的变化，根据不同客户的历史合作情况，可以给一些客户优惠的价格，进行更好的合作，这有助于长期的销售量、资金流的稳定性以及库存压力的缓解。因为存栏是有限的，一个养殖场有一个容量控制，通过基于大数据的策略定价可以在有限产能下提升效益。

发展布局层面，根据国家经济的发展，以及从农村到城市的规划进展，每年出一个发展布局的分析，确认各个分支机构的布局是否合理，产能、销量是否在降低，饲料厂到养户之间的运输成本是否变高。

舆情监控层面，如果能提前地去发现各种市场波动，还有一些生育的风险，及时地采取措施和变更产品结构，就能比其他的竞争对手优先采取行动，把控和掌握这个市场的动脉。

市场销售层面，通过每个地区每个季节的市场容量预测以及竞争评估提升销量，配比各个品种的养殖量和调整定价策略。

温氏股份大数据应用

温氏股份与网易大数据开展战略合作，从五个方面探索大数据的应用。首先是慧眼大数据平台。温氏股份建立了一个建立一个大数据仓库，把各层级用户获得信息数据的时效缩到最短。各层级不用通过逐层的手工填Excel表上报，就可以及时地拿到各个环节的数据决策信息。

其次是养殖业产业信息地图。温氏股份借助人工和技术手段采集外部市场数据，包括每个地区、每个屠宰场，做成养殖业产业信息地图，支持市场部门及时把握市场动态。

再次是猪肉价格预测，包括宏观预测以及细化的预测，细化到每个地区每个季节肉猪价格，增长多少还是下降多少，以便合理的安排上市计划，增加效益。猪多养10-0斤是可控的，但养得越重，饲料成本就越高，靠拍脑袋不容易衡量效益和效率，借助大数据分析，可以更好地决策养多少天增长多少上市就可以提升效益。

第四是鸡品种区域性结构优化。温氏股份应用不同地区鸡品种的头苗、上市量的最优配比，有的地区基本上达到或接近理论最大利润值，但是有的地区因为产品结构不太匹配市场，与理论最大利润值还有差距，通过大数据应用可以发现并给予辅助的决策和指导。

第五是养户分类分层管理。温氏股份有几万个养户分布在不同的服务部，根据养户历史数据，给他们打标签，包括养出来的料肉比、损耗的药的成本、饲料的成本、养殖过程的死亡率等指标放在一起，再通过决策树分类等方式把养户等级分为优良中差，直观地给他们建立画像，他是养殖技术的比较好的养户，还是态度比较好，他在缴纳保证金或者是领苗和饲料的执行过程中是不是守规则的。这是通过数字化提升养户管理的效益，而不是靠人。

大数据产生价值的关键因素

大数据应用产生价值的三大关键因素，是数据、人和业务价值。

大数据的根本就是数据，大数据应用的基础，是通过业务流程信息化，使得各种业务数据得以产生、快速流转。数据产生价值的保障，则是数据治理体系的建设。数据治理体系的三个必要元素，包括元数据管理、数据标准和数据质量管理。

元数据管理不只是数据字典那么简单，它还包括了数据产生、流转、转换到消费整个生命周期的映射关系，也就是说它的血缘关系从生产端，包括业务系统、ODS数据仓库，甚至前端的报表平台，整个过程都要管控起来。如果元数据不能管控好，上游系统随便变更数据结构，甚至随便变更一个业务逻辑，最终出来的数据指标都可能是错误的，给领导带来的就是错误的决策。

数据标准就是让业务统一定义好每一项业务指标，否则做出来的数据指标，不同的业务线给上级领导呈现的时候会出现数据打架，造成低效率的影响。

对于数据质量管理，网易全链路数据中台解决方案提供了很好的数据质量中心，包括数据质量稽核的工具，但是还需要结合企业的数据质量管理体系以及制度才有保障。具体而言，监控、统计或者分析出一个数据质量问题，指标有错误或者偏差，应该作为一个KPI考核产生这个数据质量问题的部门。因为大部分的数据质量问题，根源都是信息录入时没有管控好的问题，只要前端把数据管控好，比如性别只能选择男或女，不能选未知，不能选空，流转到后面就不会出现错误。如果后面流转的时候还有加工错误，那是程序问题，跟业务无关。数据产生时候的质量管控也是最难推动的，因为需要改变业务流程，改变业务操作界面。

其次，数据团队需要一种人，他必须非常熟悉企业的整个业务线，作为数据与业务价值的桥梁，才能让数据产生价值，否则不管数据产生得多少完美，业务流程管控得多少好，最终还是停留在出一些报表、指标，告诉领导过去和现状，没办法在业务层面产生更多的价值。

这种人不需要懂Hadoop，不需要熟悉MySQL语句，但必须是既懂业务又懂分析技术的双面人。哪怕遇到业务增长瓶颈，也需要留住这样的人。如果想等到业务恢复，再重新把这样的人请回来，他一定需要大量的时间成本和业务成本，才能了解企业的业务流程。尤其是传统企业，甚至从同一个行业过来，也是需要漫长的时间去积累业务价值。要留住这样的人，企业一定要有良好的绩效考核机制作为保障，认可他们在企业发挥的业务价值，否则他们很容易被高薪挖走。

最后是业务价值。传统企业不是IT企业，大数据应用的目标是业务价值，脱离业务价值的大数据技术不是好技术。以猪脸识别技术为例，即便做得非常精准，它在温氏股份也不会产生多大的业务价值。温氏股份每年有多万头猪上市，而且这些猪在不同的生长周期脸的变化非常大，都识别一遍，时间成本和技术成本很高，但业务价值不明显——如果是为了识别每只猪的ID，给猪上一个耳标就可以，成本要低得多；如果是数量统计，温氏股份可以通过图像算法快捷地计量猪场里面有多少头猪，也不需要人工去数。

判断大数据应用的价值，企业一定要建立一个大数据应用成果的业务价值认同机制，也就是要获得业务部门的认可，比如业务部门要有一个机制去签字确认或者是发表扬信，明确大数据的应用给他们降低了多大的成本，产生了多大的经济效益。这对整个大数据应用生命周期非常大的价值。

这三个关键因素要得到保证，可以从三个方面着手。

首先，理清业务与技术的关系。在大数据应用方面，究竟是技术引领业务还是业务推动技术，温氏股份认为，首先是企业有业务诉求了，就会推动技术蓬勃发展。举个例子，人脸识别现在已经很成熟，可以应用在安防方面，但犯罪分子不可能天天都是暴露脸部让机器识别，他可能戴口罩戴帽子，那安防应用场景之后就会推进AI技术做步态识别，通过一个人走一段路的姿态就可以识别出他是谁，包括在黑夜、光线不足的环境也可以应用，这种技术对于安防监控有非常大的意义。如果没有这样的场景，搞一个步态识别应用没有什么用。

其次，大胆创新和低成本试错。现在云计算、机器学习、AI技术发展很快，BI技术也成熟，让过往很多不可能都变成了可能。例如在过去很难以想象人脸识别，现在可能通过十几行代码就能做到了。所以企业不要受限于自己的认知，可以大胆地去不断创新，低成本地试错，确认某个应用的业务价值之后，再去投入大数据和人工智能做这个事情，综合成本其实相对不会那么高。引用网易严选的Slogan，好的大数据应用，其实并没有那么贵，就是看大家有没有找对方法去勇敢地试错。

最后，行业应用经验与先进大数据技术一定要融合，二者是相辅相成的。例如，温氏股份跟网易合作，做了一个大数据的平台以及它的应用。在双方合作过程中，温氏股份给网易带来了大数据产品在行业应用方面的很多需求和建议，让产品不断地迭代、升级，从而丰富网易全链路的大数据产品线；温氏股份也需要网易这个团队带来很多先进的技术理念和技术架构，才能知道之前不敢想不敢做的事情，其实已经具备条件，可以低成本去做了。

↓↓↓点击阅读原文，了解网易大数据更多信息