数字化中台技术在国有生猪业务中的探索与应用

程 敏

（广州越秀风行食品集团有限公司，广东 广州 510000）

以数据中台、业务中台为代表的数字化中台技术是对技术组件的共享复用，通过敏捷开发有效降低IT开发成本，快速适配业务发展需要。目前，数据中台和业务中台在相关行业已得到广泛应用，在数据分析、管理洞察、运营改进、营销提升等方面发挥了显著作用，体现了数字化与信息化建设对于业务的支撑价值，做到了通过提升数字能力，助力大型国有生猪产业管理升级和业务发展。

1 数字化中台技术概述

1.1 数据中台概念定义

2015年，阿里巴巴正式启动“大中台、小前台”的中台战略。此前，为有效解决数据与业务脱节问题，阿里提出“数据业务化，业务数据化”设想，并通过构建“数据中台”付诸实践[1]。由此可见，数据中台是集方法论、组织和工具于一体的“快”、“准”、“全”、“统”、“通”的智能大数据体系。在特定领域、应用场景，开发构建算法模型、微服务API以及组态模型，提供快速精准的数据中台服务，汇聚全业务、多终端、多形态的数据，标准规范化数据架构实现口径统一，实现数据资产管理[2]。

承接“数字越秀2025”数字化规划要求，集团统一搭建以数据中台为核心的数据资产和数据价值化平台，结合四大主业发展需要，不断建设和探索数字化业务场景应用，以数据反哺业务，实现数据价值。数字化中台包含业务中台和数据中台两个部分，业务中台强调流程的可复用，数据中台强调数据资产的可复用。

1.2 数据中台功能模块

在功能模块方面，数据中台主要包括数据资产管理、数据汇聚、数据建模、数据服务以及平台监控运维五大模块：一是数据资产管理模块，涵盖资产地图、资产分析、资产管理、资产应用、资产运维等；二是数据汇聚管理模块，涵盖数据盘点、数据集成、数据存储、数据源层等；三是数据建模管理模块，涵盖模型规划、模型构建、事实表、维度表、数据模型层等；四是数据服务管理模块，涵盖服务设计、服务API开发、数据服务层等；五是平台监控运维管理模块，涵盖数据同步、数据开发、任务调度、监控告警等。

在技术架构方面，最底层是数据源层，支持接入关系型数据库、业务日志以及外部数据源；往上是数据接入层，包括离线接入以及实时集成；再往上是数据存储计算层，包含离线计算和实时计算；再上层是数据模型工具层，包括研发平台（数据分层、规范与工具、数据管理）以及流式开发平台（安全中心、运维调度、流式开发、元数据管理、账号管理）；顶层是数据服务与应用层，包含业务系统、传统报表、智能化应用、数据应用等。具体而言，一是数据服务API，适用于直接与业务系统对接，达到亚秒级性能，但不支持大批量数据慢查询；二是即席查询，支持百万及以上大表查询，达到亚秒或秒级性能；三是非关系型数据库数据同步，满足大数据全文检索等业务应用特殊需求；四是关系型数据库数据同步，满足业务应用常规需求，提供标准结构化数据支撑，满足百万以下的数据查询，达到亚秒或秒级性能。

2 先进标杆经验情况

案例一：国内某生猪龙头企业年营收超600亿元，年出栏超1 000万头肉猪，拥有近300家控股企业和数万名员工。在非洲猪瘟防控深化和市场竞争加剧的情况下，通过整合外部资源，引入数据中台技术，对企业成本预测、效率提升、收益监控、营销决策等工作进行全方位赋能。该公司面对当前数据采集存储与计算能力不足、数据管理能力欠缺、数据质量无法保证、数据开发难度高效率低可维护性差、缺少面向业务用户的自主分析能力等众多问题，联合头部互联网企业共同开发应用数据中台。一是优化业务梳理。梳理整体业务线条和业务环节，绘制整体业务流程图。二是规范体系。对于业务流程、关键指标进行统一规范，统一管理语音，提升管理效率。三是数据集中。构建大数据平台，打通系统壁垒，支撑大数据管理与开发。四是数据应用。构建统一数据仓库，以主题数据满足用户数据自主分析和预测需求。

与生猪养殖行业相比，奶牛养殖产业链已经具备较好数字化基础，尤其是供应链和消费者连接环节系统开发较早、数字化程度较高。乳制品价值链各环节中，对于营销推广、消费者洞察的系统支撑需求更加强烈，因此数据中台最先支持消费者连接环节，并逐步向产业链中上游渗透，利用数据中台技术改造供应链环节。一般而言，数据中台助力企业进入消费者连接全新阶段，将销售和营销打通，所有触点、流程数据通过中台ETL转变成数据资产存放在企业内部，数据资产实现了统一管理，数据可融合可回传，支持全员精准运营。

案例二：国内某区域型龙头乳企基于数据中台能力建立门店销售预测模型，赋能门店智能库存，提升预测准确性，大幅降低成本。具体做法是基于数据中台，预测每个门店每种产品在未来一天的销量，解决了由于需求预测不准导致的成本上升问题。针对在售的不同包装规格的纯牛奶、老酸奶、鲜牛奶、发酵乳等调优模型数据，较之前可减少30%左右的误差。以7—12月数据进行仿真模拟，在近2 000家门店中，对980 mL纯牛奶、发酵乳、180 g老酸奶、950 mL牛奶等4种品类进行测算，每年连锁渠道可节约近120万元成本。

案例三：国内某大型乳企依靠数据中台建立新品洞察模型，为新品概念孵化提供数据支撑，该公司新品研发到上市周期提效近三分之一。借助数据中台技术支撑，该公司对交易和消费者等一方数据、热点和调研报告等三方数据、品类市场发展趋势和细分市场潜力等外部机构服务数据进行联合建模，开展新品洞察分析，包括预判细分市场规模、细分市场增长、细分人群特征、竞品排名、竞品市占变化、竞品增长情况等，精准发现新品切入点，为新品创新洞察、业务持续增长提供重要工具。

3 数字化中台应用探讨

“十四五”期间，依托3380标准一体化猪肉制造业模式，越秀食品计划在环粤港澳大湾区周边省市布局生猪产能1 000万头，为广大消费者提供安全、健康、放心的猪肉。面对这一战略发展要求，越秀生猪产业团队正处于快节奏生产拿地和产能培育阶段，大规模生产运营及销售物流工作还未全面展开，信息系统仍以养殖系统和财务系统为主，数字化支撑经营发展的力度还较弱。因此，需要提前谋划利用数据中台技术，复用公共数据及系统应用，以大幅提高开发效率，避免重复建设，在支撑业务发展的同时，实现数据整合、数据治理、数据建模和数据服务，推动公司实现数字化转型[3]。

3.1 生产养殖领域

目前，生猪养殖系统已进入试运行阶段，基层员工对于信息系统的熟悉程度有待提高，前端数据录入错误难以避免。有鉴于此，公司应基于数据中台技术能力，加快推动养殖管理、饲料管理等具体功能优化完善，通过功能迭代反复优化，进一步提升深化应用水平和数据质量。具体而言，在养殖管理模块，主要实现养殖计划管理、车间栋舍、猪群管理、疾病管理、卡片管理、饲料用量管理、免疫及兽药管理、存栏管理、种猪作业管理、生长周期分析、肉猪质量分析、政府补贴分析等；在饲料管理模块，主要实现基本档案、检验管理、价格管理、计划管理、原粮采购、辅料采购、中控管理、生产管理、发料管理、质量管理以及统计分析。未来，基于数据中台底座支撑，公司应积极探索利用物联网、机器人、大数据等技术准确掌握生猪生理动态与生长环境，自动化智能化防范疾病风险，从而实现低人工、高产能、低消耗的生产养殖模式[4]。

3.2 屠宰加工领域

我国生猪屠宰行业落后产能占比高，业内实现全机械化定点屠宰的企业数量占比仅10%左右，且平均产能利用率仅为30%～35%，存在产能明显过剩。目前，龙头生猪企业大多具有屠宰加工业务，其业务营收主要是粗加工肉制品销售收入，销售产品多为冷鲜肉和冷冻肉。从打通产业上下游、缓解行业周期波动、把控食品安全等角度出发，越秀食品将屠宰加工作为生猪产业具有战略意义的匹配业务，需要投入资源大力发展。有鉴于此，公司应当高起点推进新技术与生产经营的深度融合，提升生产加工过程中自动化水平。具体而言，就是借助数据中台底座支撑，在屠宰加工领域实现基本档案、生产计划、采购计划、到厂管理、屠宰管理、副产管理、分割管理、冷藏结算、结算管理、备货发货、质量追溯、统计分析等智能化系统操作。

3.3 销售物流领域

公司应当瞄准智慧营销和智慧物流发展趋势，积极推进新技术与销售物流业务的深度融合，实现精细化物流管理与智慧化营销服务，提升销售物流工作效率和客户满意度。具体而言，以数据中台为底座支撑，结合越秀食品实际情况，借助集团统一客户中台以及食品营销中台等业务中台的建设节奏，重点实施新品需求洞察、销量预测分析、投放渠道归因分析、智能门店选址、板块间客户交叉引流、客户洞察分析、销售业务协同等速赢场景。通过对速赢场景的试点实施和经验总结，考虑各家业务主体的管理变革与业务变革准备度，以销售物流领域数据中台应用场景全图为依据，铺排未来3～5年批次推广计划，确保数字化建设服务服从于业务战略发展需要。其中，销售物流领域的数据中台应用场景全图具体包括库存预测与优化、仓储方案分析建议、配送方案与路线优化、仓库选址、消费者洞察分析、精准营销域效果分析、口碑分析、舆情监控、全渠道销售、销量预测、浮动定价、商品进销存分析、联合销售分析、经销商信用评价、经销商忠诚度分析、会员360度管理、数字化营销、智能客服等。

4 结论与启示

本文从数字化中台技术概念出发，研究国内生猪龙头企业以及相关头部公司案例经验，从养殖生产、屠宰加工以及销售物流等领域，结合公司实际情况提出数字化中台的具体应用场景探索建议。数据中台与业务中台相辅相成，缺一不可，均是数字化中台技术重要的组成部分。以越秀食品具体实践为例，以数据中台为技术底座，借助统一客户中台以及食品营销中台为业务工具，为广大国有农牧企业研究中台技术、应用中台成果、促成业务升级提供有益参考。