大数据时代下饲料企业核心竞争力的提升

时间：2024-05-23

张丽英，俞寅天

（1.珠海城市职业技术学院科研处，广东珠海 519090；2.中国医科大学医学信息学院，辽宁沈阳110000）

在经济一体化与信息化不断发展的背景下，作为传统企业之一的饲料企业不仅要面对与同行业企业的竞争，同时还要不断地适应大数据发展，以便应对不断发展的社会需求。2019年4月8日，由国家发改委发布的《产业结构调整指导目录（2019年本，征求意见稿）》的主体思路是推动传统产业优化升级，持续推进供给侧结构性改革，支持实体经济发展，加快发展数字化、人工智能和先进制造业。目录在鼓励类产业列明了智能装备系统集成化技术及应用，智能制造工厂，数字化、智能化、网络化工业自动检测仪表，数字化产线改造与集成等领域。这一政策导向对包括饲料企业在内的传统企业提出了更高的要求，只有通过数字化转型升级，重塑和提升自身的核心竞争力，才能在产业升级改造浪潮中站稳脚跟，从而保证企业健康可持续发展。

1 大数据的定义及其时代影响

1.1 大数据的定义一般意义上，大数据是指无法在一般时间内用传统IT技术和软硬件工具对其进行感知、获取、管理、处理和服务的数据集合（李国杰和程学旗，2012）。由于大数据具有数据量规模大，处理信息快速和数据种类多样的特点，因此更能体现出数据的价值，数据之间的相互校验能使各行业企业通过相关技术有效管理分析数据，优化决策。

1.2 时代影响

1.2.1 数据来源及类型海量增长大数据的规模巨大，数据类型多样复杂，一般将数据分为结构化数据、半结构化数据和非结构化数据。能存储在数据库，用二维表结构来逻辑表达的是结构化数据，如 XML 和 JavaScript Object Notation（JSON）等属于同一类实体但有不同属性的为半结构化数据；没有固定结构的，如文档、图片、视频等属于非结构化数据。庞大的数据组来源不一，可能来自于物联网、云计算、移动互联网、车联网、手机、平板电脑以及PC等各种各样的传感器。大数据时代的到来打开了数据来源的大门，而数据类型也随着大数据海量增长，数据的存储载体、产生方式、表现形式、来源特点等均与传统数据不同，为企业的数据利用提出了新的挑战。

1.2.2 海量数据处理能力极速提升海量数据的产生使管理者无法及时有效地获取有用信息。大规模数据处理可以通过云计算实施，分布式并行编程模式能快速有效地处理后台复杂的任务和调度资源，通过将任务自动分成多个子任务，实现大数据并行处理，从而提高数据的处理速度。人工智能也能通过数据挖掘从大量数据中通过算法搜索隐藏其中的数据，运用适当的统计分析方法对收集到的大量数据进行分析，极速提升了海量数据的处理速度。Oracle或DB2等数据库也能够适应对海量数据处理所使用的数据库需求。

1.2.3 数据资产增值能力迅速增强数据资产管理的核心指的是数据资产化，即将数据作为能为企业不断创造价值的核心资产（李谦等，2014）。另有潘鸣宇等（2019）强调数字资产管理是一项业务功能，用于计划、控制和提供数据和信息资产，以促进数据应用，提高数据资产的价值和业务价值。企业可以合理应用数据资产以供不同用户使用，挖掘自身数据资产的价值，通过出租、出售等方式来增加效益，而数据资产产生的价值是大于其生产维护成本的。对数据资产进行管理建设利于显著提高企业的数据管理水平，形成全面一致的数据视图和数据规范，有助于提升企业对数据的全面认识。

2 大数据时代企业核心竞争力的变革与发展

核心竞争力是指企业获取、配置资源，形成并保持持续的竞争优势，获得稳定超额收益的能力。其包括三个方面：一是企业获取各种资源和技术的能力，二是将资源和技术转化为企业技能或产品的能力，三是企业组织协调各生产要素，优化配置资源的能力（李仁安和李梅，2000）。核心竞争力是一个企业在激烈的市场环境中生存并不断发展的关键因素。企业应加强研发效率、内控管理、营销策略、人才引进等方面的提升，立足市场，脱颖而出。2.1 运用信息化手段推动管理变革管理是一个企业赖以生存的基础，而基于信息技术的管理流程则能迅速、有效地收集有关信息，并进行整理分析，以便快速实现企业管理目标。企业也能借此革新企业内部管理理念，提高管理效率。大数据时代背景下，能否充分理解并运用信息化手段推动管理变革，越来越成为企业管理变革成功与否的关键。

2.2 运用数字化工具加快研发创新企业应运用数字化工具加速产品开发，降低生产成本。如日本电装（DENSO)公司执行了严格基准测试，选择ANSYS仿真软件来加速产品的开发，提高了产品的综合竞争力。ANSYS仿真技术将大数据和机器学习系统引入工程仿真领域，使DENSO公司可以进行有限元建模，并定制了各种计算机辅助工程（CAE）代码以满足特定需求，从中选取类似目的代码的最佳选择。DENSO公司将该技术应用于汽车产品的研发，通过该技术能预测强度、形状等关键要素，大大提高了研发创新效率。DENSO公司的思路和做法值得企业借鉴学习。

2.3 运用大数据技术促进营销升级大数据时代是相比于信息化更高一级的发展形态，海量数据的有力支撑能为企业提供更为全面客观的可信数据，以提高企业的决策效率。应用于营销方面，则能使营销不再盲目，实现精准营销。而社交网络、数字化平台等线上渠道进一步拓展了营销渠道，营销方式得到根本上的革新。

3 大数据时代饲料企业面临的机遇与挑战

2015年全国饲料产量为1.90亿～1.95亿吨，同比2014年下降1.0%～3.6%。相较于2005年的15000多家饲料厂，市场上企业数量每年减少约1000家，2015年减少了共6000家饲料企业（罗少蒙，2016）。规模增长的乏力，导致了2015年的产量下滑，市场淘汰的压力剧增。在此背景下，饲料企业应积极寻求突破口，在夯实基础的同时，挖掘潜力，提升竞争力，大数据应用无疑是一个值得考虑的决策方向。

3.1 机遇

3.1.1 利于实现智能化管理智能化管理是顺应大数据时代发展趋势的表现。例如，在传统的管理方式中，饲料企业的采购流程存在采购量记录不全、条理性差等问题，管理人员无法依此进行有效的分析；贮存条件容易发生温度过高、通风不良、堆放过密等现象，管理人员无法及时监测报警；此外，生产环节无法把控环境因素变化，运输环节无法对饲料原料进行实时跟踪监测，营销环节无法及时了解客户需求等，而企业是一个环环紧扣的闭环系统，不同管理信息系统的数据应能充分共享，以解决企业内部的信息孤岛问题。引入大数据技术，则能为智能化管理提供可信的数据来源和高速的计算预判能力。

3.1.2 利于优化研发生产过程饲料企业研发新的产品，往往要经历成百上千次的实验，其中不乏有因为外部因素（温度、湿度不稳定、时长把控不好、原料量过多或过少）和内部因素而导致大量原材料的浪费而大大增加研发成本，降低产品性能，延长研发周期。通过利用大数据技术，饲料企业能够比较不同品种饲料的生产工艺，通过建模来优化生产流程和工艺，达到降低研发成本，提高研发效率的目的。

3.1.3 利于加强内控管理在饲料企业中，原料来源的管控、物流环境的监测、验收标准的执行等，可以通过引入实时信息跟踪系统，实现源头追溯的管理要求，从根本上解决外部因素管控的问题。以原料问题为例，原料运输和仓储环节中存在一些直接影响产品质量的常见问题，如营养丰富的原料（如鱼粉等）可能染菌、发霉、生虫，蛋白含量高的原料可能腐败，含不饱和脂肪酸多的原料可能水解氧化酸败等，原料营养物质的流失，利用率降低，使企业产品质量大打折扣。同时，原料运输过程中的防雨、防晒、防漏、防混杂等要求能否符合预期也是常见的难题。企业可运用大数据技术对生产环节、物流运输环节进行及时跟踪管控，改善内控管理，做到可回溯追踪，精细监测，减少饲料原料的直接损失。

3.1.4 利于开展精准营销饲料企业利用大数据可从销售、客服和技术服务三方面开展精准营销。根据大数据有针对性地搜集不同客户的行为数据，提升营销策略的精准度和可量化水平。利用大数据分析软件，使饲料企业的调查范围更为广泛，对于数据的分析更客观、直接，从而对客户提供针对性的服务，完善售前技术服务与售后技术服务。

3.1.5 预测、评估风险饲料企业常常受下游养殖行业、相关疫情以及国家相关政策的影响。以生猪养殖为例，除了受禽流感和非洲猪瘟等疫情的影响，由于环保因素而在大量省（区）被大面积禁养等也对行业产生了重大影响。下游养殖企业的行情变化导致饲料企业的订单量发生了变动。另外，顺应国家政策的调整，大型饲料企业和养殖企业纷纷迁到东北、华北等政策引导养殖区开厂。因此，饲料企业可以通过大数据分析行情，提前做出预判、预测，提前应对，避免由于被动带来的巨大损失。

3.1.6 缓解财务问题饲料企业普遍存在赊账的问题。账期过长，导致企业资金周转压力增大。利用大数据技术，对财务数据进行深度挖掘，实现事前预警和事中控制。大数据技术的介入能帮助企业由财务会计向管理会计转型，通过预算分析，实现饲料企业的全面预算管理。

3.2 挑战

3.2.1 数据质量参差不齐海量数据的到来虽然使管理者能从更多角度更加细致地看待问题，但这些数据往往参差不齐，质量密度较低。例如，由于原料的库存量与饲料厂的设计日产量、配方占比、存贮天数等因素有关，这就要求尽量确保库存量数据准确，若由于数据研判有误，出现库存天数数据远低于可贮存天数的情况，就会导致采购决策的失误，对于季节性较强的原料来说，过分堆积和占据原本不必要的库存空间，会扰乱企业库存配比，给企业带来损失。

3.2.2 信息安全隐忧不断黑客攻击、计算机病毒、网络软件的漏洞都是威胁计算机网络信息安全主要的因素。饲料企业在利用大数据技术的同时，必须加强数据保护措施，避免系统数据遭到破坏，导致保密信息的泄露。饲料企业内部的信息（如产品研发最新进展、企业内部数据资产）一旦泄露，将使企业在市场竞争中的优势逐步消失，没有了和其他饲料企业竞争的资本，甚至走向消亡。

3.2.3 专业人才极其缺乏饲料企业缺少既熟悉大数据技术又了解饲料行业的专业管理人才。例如根据饲料行业专业招聘网站中的人才需求信息，尚未对此类人才形成明确的需求，人才短板显而易见。当前饲料企业既缺乏饲料工程设计、销售与管理、生产运作管理、新品新设备研发等方面的专业技术人才，也缺乏熟悉数据挖掘分析技术的人才，而成熟的综合型人才更是凤毛麟角。拥有这类人才的饲料企业必定能够在未来竞争中脱颖而出，潜力无穷。

4 饲料企业核心竞争力的重塑与提升

重塑和提升核心竞争力是饲料企业在新的时代背景下获得新的发展动力的战略需要，主要应围绕以下四点展开：

4.1 提高研发效率一些饲料企业由于缺少固液分离，计算机风险模型分析等高新设备造成研发效率低下，长期没有新产品被研发成功，只能采用低价策略在市场求得一席之位，由于缺乏有力的竞品而导致发展疲软甚至退出市场。大数据时代背景下，饲料企业要提高研发效率，应注意以下几点。

4.1.1 大数据调节研发过程（1）通过大数据建立效果测评模型，在开展实际动物试验前先开展计算模拟实验，进行一轮评估筛选，因为一轮动物试验周期往往在4～6个月，甚至更久，先进行一轮评估筛选模拟，可以提高研发效率，缩短研发周期。（2）通过大数据建立原材料数据库，优选材料，优化饲料配方。原料是决定饲料品质的基础，同时也是饲料成本的最高占比。饲料的原料一般可分为大麦、玉米等能量饲料，豆粕等蛋白饲料和维生素、矿物质、氨基酸等功能性添加剂。产地、品种、季节等因素会对原料的品质有较大的影响，从而影响饲料的成本、效率等。通过大数据建立原料数据库，可以优化配方组合，方便采购部门筛选合适的原料。（3）在动物饲养方面，通过大数据建立动物应用效果数据库。根据不同的配方、原料配比和组合，对比分析不同的动物品种、养殖环境、生长阶段的作用。一方面可以提升饲料企业的产品效果，同时也可以为客户提供更好的产品和服务。

4.1.2 生产过程优化与监测不同品种的饲料，生产工艺也不同，饲料企业可以通过大数据，做到优化生产流程和工艺。完善饲料企业基础数据库，加强饲料安全评价。对于生产过程中可能混入杂质、有毒有害物质等情形，要及时进行安全评价，有害饲料应及时销毁。利用大数据技术增加检测样本量，提高检测技术，对饲料产品的感官指标、营养指标、粒度、混合均匀度、硬度等进行严格检测，对不符合标准规定的检测结果应进行复检，对颗粒饲料粉化率，耐水性进行检测，根据得到的数据进行评价分析。

4.2 提升内控管理效率企业可以通过信息化手段将内控理念和规范的内部控制制度、控制措施固化到信息系统中，以实现内部控制制度执行的刚性化、标准化、常态化（陈潇怡和欧阳电平，2013）。大数据技术的应用，一方面是技术的提升，另一方面则是管理理念的革新。大数据技术结合内控管理，能使内控制度标准化、科学化。

4.2.1 构建智能化管理体系饲料企业应通过大数据筛选优质客户，优化资金利用率，降低赊账带来的成本付出。通过数据分析，对财务信息和非财务信息，内部信息和外部信息等多种类型的数据进行有效地融合和深度挖掘。通过大数据预测分析，全面地对饲料企业各个作业和管理环节进行系统分析，实现全面预算管理。现阶段一条龙企业占比增高，饲料企业开始进入下游养殖业，而养殖企业也开始生产饲料。如温氏股份等大型企业开始建立产业闭环，对于这类企业，管理需求更为复杂，数据应用的覆盖面应更为全面。数据资源的共享能避免信息孤岛现象，连通各个部门的产出数据以实现管理闭环，显得尤为重要（图1）。

4.2.2 加强数据安全管理饲料企业应建立计算机网络和信息系统，将内部计算机连接组成企业内部网，既可实现内部的相互访问，也可通过防火墙和路由器的设置来利用国际互联网的资源（孙大伟等，2014）。饲料企业应加强对计算机硬件软件的检测与保护，定期进行计算机病毒的查杀。同时，数据备份也是饲料企业应该进行的重要操作，至少需要一台专用服务器或联网客户端进行实时备份，并定期对备份完整性进行验证。

4.3 实施数字化营销策略信息技术的迅猛发展，对营销方式产生了巨大的影响。大数据技术对企业市场营销工作的创新发展提供了条件。

4.3.1 完善市场预测体系饲料企业应利用大数据技术完善对宏观影响趋势的预测。例如生鲜乳价格不断上涨，养殖场平均产奶利润不断增加，使牧场规模化转型加快；受非洲猪瘟疫情影响，猪肉消费下降，鸡蛋消费产生一定替代效应，蛋鸡产业扩大规模，产蛋鸡平均存栏较高等。通过运用大数据技术，建立数据分析模型，提前做出预判、预警、预测。建立预测数据库，通过市场预测提供大量直观图表信息，帮助饲料企业了解市场动态、经济形势，预测消费市场、自然条件的变化，涵盖行业最新数据、市场热点、政策规划、竞争情报、市场前景预测、投资策略等内容。

4.3.2 加强客户关系管理饲料企业客户购买行为的特点主要是决策周期长、购买频次低、决策参与人员多（散养户除外），客户范围相对较广，可以通过大数据更好地进行销售预测，调整生产计划；可以进行市场需求分析，指导研发方向；可以分析客户问题，优化企业运营。

4.3.3 升级营销推广手段大数据技术提供了多样化的营销渠道，丰富了营销策略。饲料企业应建立更为直接的客户沟通和品牌感知渠道，避免过于依赖销售人员，减少由于其流动而导致的客户流失。原先营销渠道多为实体店、展会等，方式单一，宣传范围和销售效果均不理想。大数据时代，不只有线下营销渠道，更有线上营销渠道，除了较为普遍的网络商店的展示外，微博、微信等移动端的平台工具由于其突出的社交性质而使营销目标更为精准化。企业应重视微信公众号的内容推送，配合专业网站的广告投放，可以达到更为理想的宣传效果。除此之外，企业还应及时跟进并充分利用新的网络营销手段的发展，如短视频平台。2019年是短视频平台快速发展的一年，增长速度居全网第一。据郭军（2019）统计，仅以抖音短视频平台而言，截至2018年10月初，国内日活跃用户量已超过2亿。探索如何更好地利用这些平台工具，找到适应于行业和企业特点的宣传方式，将有利于饲料企业把握好大数据时代带来的机遇，实现更为有效的营销效果。

4.4 多途径、多举措利用人才资源随着企业不断发展，需要更多地了解大数据技术专业人士，提升饲料产业相关知识的掌握程度，确保企业长久发展。

4.4.1 内部培训提高专业素质饲料企业应加强内部培训，对所有员工进行最基本的专业知识培训，做到人人懂大数据，人人会大数据。组建具有大数据分析能力的竞争情报团队，将大数据转化为可操作的情报，建立起合理的数据结构。

4.4.2 外部渠道有效引才引智据麦肯锡全球研究所的一项调查预测，在未来六年内，光美国就可能面临14万至19万的拥有扎实分析技能的人才缺口，而且缺少150万懂得使用相应工具分析大数据、作出合理决策的管理和分析人员（吴金红等，2013）。对此，饲料企业应大力引进具有专业饲料知识的大数据研发人员，正确有效地使用相应工具分析大数据，加快研发效率，进行精准分析研究，从而全面提升企业的综合实力。

4.4.3 优化技术服务目前饲料企业往往是依靠技术服务人员来提供相关服务，存在效率低，针对性不强的问题，而技术服务人员的专业领域往往也使服务局限，如虽同属畜牧业，猪和鸡的饲养技术大有不同。可以通过大数据建立技术服务数据库，将其作为技术服务的内容输出，常见问题有标准处理方案，特殊问题通过会商会诊，提出更好的解决方案，提高技术服务的效果。通过物联网等技术手段，开展非现场的虚拟技术服务，提高技术服务的效率。