都知道数据管理非常重要，养猪场数据管理究竟该怎么做？

　　近年来越来越多的养猪人开始认识和重视猪场数据管理，并使用各种数据管理的工具和软件系统来记录和分析养猪过程中的各类活动。然而，从行业发现情况来看，猪场数据管理仍然存在着认知、普及度、人力等问题，使得猪场数据管理仍任重道远

　　猪场数据管理的现状

　　1 数据管理水平参差不齐

　　国内养猪场进行数据管理的发展水平仍然参差不齐。先行者甚至在20年前就在使用软件管理猪群，各大型养猪集团早已经成立了各自的信息部门，为本企业的生产信息化开发数据系统，并提供实施的技术支持。与此同时，通过对市场的走访，我们也发现，依然有大量的中小规模猪场仍未跟上养猪信息化的步伐。

　　据笔者了解，养猪强国荷兰，超过90%的猪场都是有数据管理的，并且，生产数据会上传给行业协会供宏观统计。1982年，荷兰母猪的PSY约为17头，而到2018年达到了31头，年均PSY增长约0.39头。而国内从2010年至今，平均PSY仍未突破20头(按公布的宏观数据估算)，增长十分缓慢。

　　虽然猪场数据管理并不能直接促进PSY的提升，但目前数据管理的参差不齐，恰恰说明仍然有大部分的猪场管理低下，仍有大量可见的问题等待处理，远未达到需要从数据发现隐秘生产问题的地步。

　　2 无统一的数据平台

　　现在养猪软件很多，但是仍然没有形成行业数据平台，国家进行宏观统计时仍依赖于观测点统计，或者各个猪场电子表格上传。

　　无统一的数据平台，很难进行行业数据对标分析，使得行业的宏观统计只能从全国年出栏量和能繁母猪存栏预计数量来推测，存在很大的误差。

　　猪场数据管理的问题

　　1 上马容易下马更容易

　　近年来随着互联网技术的发展，一大批的猪场数据系统被推广，猪场可选择适合自己猪场的数据系统。然而从实际应用看，大多数猪场容易走进“选择软件-上线-不了了之-再选择软件”的怪圈，上马容易下马也容易，没有坚持。

　　而这其中一部分猪场实施数据软件并非出于本心，而是供应商提供的额外服务。本猪场没有主动性，使得供应商的技术人员很难在本猪场开展数据管理的工作。同时，如果更换了供应商，那么数据管理也就会中断。

　　2 人员不稳定

　　笔者在进行数据管理服务的过程中，发现很多猪场一旦负责数据管理的人员离职，那么这个猪场的数据管理就会中断。结局要么是软件服务商再派人重新培训，要么猪场就此停止数据管理工作。

　　人员流动大是导致很多猪场无法坚持进行数据管理的主要原因。而人员流动大的原因既有猪场固有的问题，也有数据管理工作未能给相关人员带来成就感的现实问题。所以，猪场在建立数据管理体系的时候，需要把数据实施人员的收入也考虑进来。

　　3 认知的误区

　　(1) 所有猪场都需要数据管理吗?

　　大中型养猪场需要数据管理，这毋庸置疑。毕竟，随着猪群头数的几何级增长，猪场很难通过有限的人工精力去管理。大量的生产提醒、操作效果都需要通过数据分析来完成。随着猪群规模的增长，数据越有价值。

　　而小猪场、小型家庭农场是否需要数据管理?这要视情况而定，不能跟风或拒绝。实际上，数据记录在任何猪场都存在。只不过一些猪场是记录在数据系统中，一些猪场是记录在电子表格、纸上，甚至墙上。

　　如果经过评估，所选的数据记录方式所花费的精力和费用低于自己因为数据记录而获得的益处，那自然是按此实施。但如果花了精力记录的数据自己不知道怎么用或者无用，那自然是不需要大费周折的。

　　(2) 什么是养猪核心数据?

　　随着一些互联网企业介入养猪产业，AI、大数据、物联网等概念也吹入了养猪行业。然而，笔者发现，这些互联网企业主要切入的是物联网，使得一大批行业人员提到养猪数据的时候以为环控、饲喂、身份识别以及视频识别就是养猪大数据了。

　　上述列举的数据虽然很重要，但对于养猪生产过程而言，这些数据只是外围。养猪生产过程中的核心数据仍然是猪本身的数据。如繁殖相关的数据、商品猪存栏变动相关的数据、物料供应和消耗的数据、养猪的成本数据等。通过对这些数据的采集、分析和利用，才能发现生产过程中的提高点，从而去改善，进而才能提高生产效率。而所谓的身份识别、视频识别等数据，都是改善措施的手段所需要或产生的数据。万不可本末倒置。

　　(3) 只要有了数据，问题就解决了?

　　一些养猪一线的从业人员，对于数据管理的认知也存在偏差。他们认为，猪场实施了数据管理以后，就可以不去现场巡视了，只需要看一下数据就可以了。而实际上，所有被记录的数据均是事后记录，而非事前。当你看到数据的时候，这个结果已经在生产环节发生了。所以仅仅看数据，往往会滞后于现场巡视。

　　同时，一些管理者经常会问数据管理的人员：你分析分析数据，把某某问题解决一下。这个问题让数据分析的人员很难回答。数据分析的重要作用在于，通过数据找到隐秘的生产问题，进而根据关联数据以及生产情况，查找到问题的可能原因。但数据分析得再好，也不意味着问题的解决，数据管理仍有赖于一线的操作和执行。

　　另外，如果存在着眼睛可以看得到的问题，是不需要大费周折地进行数据分析去发现的。如果猪场存在眼睛可见的问题，那么就应该先解决这些问题。只有生产和管理相对规范后，数据分析才会更有价值，才能用来挖掘隐秘问题、关联问题。如，只有规范采精、配种、怀孕舍饲养以及产房护理，之后才会有根据母猪产仔数分析不同公猪的效益。如果生产操作环节仍然存在问题，那么对公猪效益的数据分析就会存在很大的偏差，因为某个公猪的配种后总产仔数偏低可能是因为公猪自身的原因，也可能是配种操作导致的。