數字化中臺技術在國有生豬業務中的探索與應用

程 敏

（廣州越秀風行食品集團有限公司，廣東 廣州 510000）

以數據中臺、業務中臺為代表的數字化中臺技術是對技術組件的共享復用，通過敏捷開發有效降低IT開發成本，快速適配業務發展需要。目前，數據中臺和業務中臺在相關行業已得到廣泛應用，在數據分析、管理洞察、運營改進、營銷提升等方面發揮了顯著作用，體現了數字化與信息化建設對于業務的支撐價值，做到了通過提升數字能力，助力大型國有生豬產業管理升級和業務發展。

1 數字化中臺技術概述

1.1 數據中臺概念定義

2015年，阿里巴巴正式啟動“大中臺、小前臺”的中臺戰略。此前，為有效解決數據與業務脫節問題，阿里提出“數據業務化，業務數據化”設想，并通過構建“數據中臺”付諸實踐[1]。由此可見，數據中臺是集方法論、組織和工具于一體的“快”、“準”、“全”、“統”、“通”的智能大數據體系。在特定領域、應用場景，開發構建算法模型、微服務API以及組態模型，提供快速精準的數據中臺服務，匯聚全業務、多終端、多形態的數據，標準規范化數據架構實現口徑統一，實現數據資產管理[2]。

承接“數字越秀2025”數字化規劃要求，集團統一搭建以數據中臺為核心的數據資產和數據價值化平臺，結合四大主業發展需要，不斷建設和探索數字化業務場景應用，以數據反哺業務，實現數據價值。數字化中臺包含業務中臺和數據中臺兩個部分，業務中臺強調流程的可復用，數據中臺強調數據資產的可復用。

1.2 數據中臺功能模塊

在功能模塊方面，數據中臺主要包括數據資產管理、數據匯聚、數據建模、數據服務以及平臺監控運維五大模塊：一是數據資產管理模塊，涵蓋資產地圖、資產分析、資產管理、資產應用、資產運維等；二是數據匯聚管理模塊，涵蓋數據盤點、數據集成、數據存儲、數據源層等；三是數據建模管理模塊，涵蓋模型規劃、模型構建、事實表、維度表、數據模型層等；四是數據服務管理模塊，涵蓋服務設計、服務API開發、數據服務層等；五是平臺監控運維管理模塊，涵蓋數據同步、數據開發、任務調度、監控告警等。

在技術架構方面，最底層是數據源層，支持接入關系型數據庫、業務日志以及外部數據源；往上是數據接入層，包括離線接入以及實時集成；再往上是數據存儲計算層，包含離線計算和實時計算；再上層是數據模型工具層，包括研發平臺（數據分層、規范與工具、數據管理）以及流式開發平臺（安全中心、運維調度、流式開發、元數據管理、賬號管理）；頂層是數據服務與應用層，包含業務系統、傳統報表、智能化應用、數據應用等。具體而言，一是數據服務API，適用于直接與業務系統對接，達到亞秒級性能，但不支持大批量數據慢查詢；二是即席查詢，支持百萬及以上大表查詢，達到亞秒或秒級性能；三是非關系型數據庫數據同步，滿足大數據全文檢索等業務應用特殊需求；四是關系型數據庫數據同步，滿足業務應用常規需求，提供標準結構化數據支撐，滿足百萬以下的數據查詢，達到亞秒或秒級性能。

2 先進標桿經驗情況

案例一：國內某生豬龍頭企業年營收超600億元，年出欄超1 000萬頭肉豬，擁有近300家控股企業和數萬名員工。在非洲豬瘟防控深化和市場競爭加劇的情況下，通過整合外部資源，引入數據中臺技術，對企業成本預測、效率提升、收益監控、營銷決策等工作進行全方位賦能。該公司面對當前數據采集存儲與計算能力不足、數據管理能力欠缺、數據質量無法保證、數據開發難度高效率低可維護性差、缺少面向業務用戶的自主分析能力等眾多問題，聯合頭部互聯網企業共同開發應用數據中臺。一是優化業務梳理。梳理整體業務線條和業務環節，繪制整體業務流程圖。二是規范體系。對于業務流程、關鍵指標進行統一規范，統一管理語音，提升管理效率。三是數據集中。構建大數據平臺，打通系統壁壘，支撐大數據管理與開發。四是數據應用。構建統一數據倉庫，以主題數據滿足用戶數據自主分析和預測需求。

與生豬養殖行業相比，奶牛養殖產業鏈已經具備較好數字化基礎，尤其是供應鏈和消費者連接環節系統開發較早、數字化程度較高。乳制品價值鏈各環節中，對于營銷推廣、消費者洞察的系統支撐需求更加強烈，因此數據中臺最先支持消費者連接環節，并逐步向產業鏈中上游滲透，利用數據中臺技術改造供應鏈環節。一般而言，數據中臺助力企業進入消費者連接全新階段，將銷售和營銷打通，所有觸點、流程數據通過中臺ETL轉變成數據資產存放在企業內部，數據資產實現了統一管理，數據可融合可回傳，支持全員精準運營。

案例二：國內某區域型龍頭乳企基于數據中臺能力建立門店銷售預測模型，賦能門店智能庫存，提升預測準確性，大幅降低成本。具體做法是基于數據中臺，預測每個門店每種產品在未來一天的銷量，解決了由于需求預測不準導致的成本上升問題。針對在售的不同包裝規格的純牛奶、老酸奶、鮮牛奶、發酵乳等調優模型數據，較之前可減少30%左右的誤差。以7—12月數據進行仿真模擬，在近2 000家門店中，對980 mL純牛奶、發酵乳、180 g老酸奶、950 mL牛奶等4種品類進行測算，每年連鎖渠道可節約近120萬元成本。

案例三：國內某大型乳企依靠數據中臺建立新品洞察模型，為新品概念孵化提供數據支撐，該公司新品研發到上市周期提效近三分之一。借助數據中臺技術支撐，該公司對交易和消費者等一方數據、熱點和調研報告等三方數據、品類市場發展趨勢和細分市場潛力等外部機構服務數據進行聯合建模，開展新品洞察分析，包括預判細分市場規模、細分市場增長、細分人群特征、競品排名、競品市占變化、競品增長情況等，精準發現新品切入點，為新品創新洞察、業務持續增長提供重要工具。

3 數字化中臺應用探討

“十四五”期間，依托3380標準一體化豬肉制造業模式，越秀食品計劃在環粵港澳大灣區周邊省市布局生豬產能1 000萬頭，為廣大消費者提供安全、健康、放心的豬肉。面對這一戰略發展要求，越秀生豬產業團隊正處于快節奏生產拿地和產能培育階段，大規模生產運營及銷售物流工作還未全面展開，信息系統仍以養殖系統和財務系統為主，數字化支撐經營發展的力度還較弱。因此，需要提前謀劃利用數據中臺技術，復用公共數據及系統應用，以大幅提高開發效率，避免重復建設，在支撐業務發展的同時，實現數據整合、數據治理、數據建模和數據服務，推動公司實現數字化轉型[3]。

3.1 生產養殖領域

目前，生豬養殖系統已進入試運行階段，基層員工對于信息系統的熟悉程度有待提高，前端數據錄入錯誤難以避免。有鑒于此，公司應基于數據中臺技術能力，加快推動養殖管理、飼料管理等具體功能優化完善，通過功能迭代反復優化，進一步提升深化應用水平和數據質量。具體而言，在養殖管理模塊，主要實現養殖計劃管理、車間棟舍、豬群管理、疾病管理、卡片管理、飼料用量管理、免疫及獸藥管理、存欄管理、種豬作業管理、生長周期分析、肉豬質量分析、政府補貼分析等；在飼料管理模塊，主要實現基本檔案、檢驗管理、價格管理、計劃管理、原糧采購、輔料采購、中控管理、生產管理、發料管理、質量管理以及統計分析。未來，基于數據中臺底座支撐，公司應積極探索利用物聯網、機器人、大數據等技術準確掌握生豬生理動態與生長環境，自動化智能化防范疾病風險，從而實現低人工、高產能、低消耗的生產養殖模式[4]。

3.2 屠宰加工領域

我國生豬屠宰行業落后產能占比高，業內實現全機械化定點屠宰的企業數量占比僅10%左右，且平均產能利用率僅為30%～35%，存在產能明顯過剩。目前，龍頭生豬企業大多具有屠宰加工業務，其業務營收主要是粗加工肉制品銷售收入，銷售產品多為冷鮮肉和冷凍肉。從打通產業上下游、緩解行業周期波動、把控食品安全等角度出發，越秀食品將屠宰加工作為生豬產業具有戰略意義的匹配業務，需要投入資源大力發展。有鑒于此，公司應當高起點推進新技術與生產經營的深度融合，提升生產加工過程中自動化水平。具體而言，就是借助數據中臺底座支撐，在屠宰加工領域實現基本檔案、生產計劃、采購計劃、到廠管理、屠宰管理、副產管理、分割管理、冷藏結算、結算管理、備貨發貨、質量追溯、統計分析等智能化系統操作。

3.3 銷售物流領域

公司應當瞄準智慧營銷和智慧物流發展趨勢，積極推進新技術與銷售物流業務的深度融合，實現精細化物流管理與智慧化營銷服務，提升銷售物流工作效率和客戶滿意度。具體而言，以數據中臺為底座支撐，結合越秀食品實際情況，借助集團統一客戶中臺以及食品營銷中臺等業務中臺的建設節奏，重點實施新品需求洞察、銷量預測分析、投放渠道歸因分析、智能門店選址、板塊間客戶交叉引流、客戶洞察分析、銷售業務協同等速贏場景。通過對速贏場景的試點實施和經驗總結，考慮各家業務主體的管理變革與業務變革準備度，以銷售物流領域數據中臺應用場景全圖為依據，鋪排未來3～5年批次推廣計劃，確保數字化建設服務服從于業務戰略發展需要。其中，銷售物流領域的數據中臺應用場景全圖具體包括庫存預測與優化、倉儲方案分析建議、配送方案與路線優化、倉庫選址、消費者洞察分析、精準營銷域效果分析、口碑分析、輿情監控、全渠道銷售、銷量預測、浮動定價、商品進銷存分析、聯合銷售分析、經銷商信用評價、經銷商忠誠度分析、會員360度管理、數字化營銷、智能客服等。

4 結論與啟示

本文從數字化中臺技術概念出發，研究國內生豬龍頭企業以及相關頭部公司案例經驗，從養殖生產、屠宰加工以及銷售物流等領域，結合公司實際情況提出數字化中臺的具體應用場景探索建議。數據中臺與業務中臺相輔相成，缺一不可，均是數字化中臺技術重要的組成部分。以越秀食品具體實踐為例，以數據中臺為技術底座，借助統一客戶中臺以及食品營銷中臺為業務工具，為廣大國有農牧企業研究中臺技術、應用中臺成果、促成業務升級提供有益參考。