
从大数据养牛看物联网创业思维
“目前,人们对于大部分牲畜的健康、营养管理都是通过每天肉眼观察和经验来判断的。这是一种十分低效率的方法,因为当发现问题的时候纠正难度很大,并且代价高昂。”沃西说。
生死畜牧公司的做法是让牛吞下一个集成了各种传感器、芯片、通讯系统的长约4.5英寸的“电子药片”(ePill),“电子药片”进入牛的“瘤胃”(反刍动物4个胃中的第一个,也是最大的一个,主要作用是暂存饲料和微生物发酵)后停留下来,并由此开始不间断追踪牛的各种生命信息,包括心跳频率、体温、反刍时间、胃酸浓度、激素分泌等。
这些生命信息通过微波传送到附近的信息接收器,并发送到云端平台进行数据分析、处理。依据一定的标准,人们可以随时随地通过终端设备查看牛的体征动态,任何一头被追踪的牛出现异常系统就会报警。在大数据分析的基础上,人们甚至可以对牛的行为方式做出预测,饲养者也因此可以改善喂养、预防疾病和改进管理。
生死畜牧公司目前正在研发的首款产品面向乳制品生产商,通过对于奶牛的追踪,最终帮助生产商提升牛奶品质和产量。“我们预计今年下半年完成最后阶段的测试,并在年底前投入商业化运营,明年我们在乳制品行业的业务将全面铺开,”沃西透露说,自2012年4月公司成立以来,生死畜牧累积获得约130万美元天使投资,“此前我们对数千家乳制品生产商的调查显示,九成以上的调查者对我们的服务非常感兴趣。”
如果商业发展如沃西的期望,生死畜牧公司将步入一个前景广阔的大市场。据美国农业部的报告统计显示,美国每年有将近四百万的动物在乳肉生产过程中死亡,同时有更多数量的动物患病。这意味着美国乳肉制品生产商每年遭受数十亿美元的经济损失,包括收入损失、极高的治疗成本和喂养成本——这数十亿美元的损失恰恰就是生死畜牧公司的发展空间。
“我们将是全球首家真正开始对牛进行大规模数据监测的软件服务公司,与以往尝试这一领域的研究机构不同,我们可以把成本做得很低,甚至达到以往的1/20,”沃西说,“对于乳制品生产商来说,他们只要按年给每头被追踪的奶牛交纳几十美元的服务订阅费即可。”
沃西颇具开拓性的商业故事不仅给包括我在内的听众带来了很多乐趣,而且也引发了我对物联网创业的几点思考。
其一,物联网时代可能给创业者提供了创造前所未有的产品创新的可能,这些产品基本特征是结合了传感器和芯片。毫无疑问,生死畜牧公司的核心——“电子药片”是开创性的产品。这项技术的发明者是沃西的合作伙伴,曾经为美国军方所用,此后因为缺乏投入项目被剥离出来,因此成就了生死畜牧公司。
“未来每一件物体都可能被集成芯片,不管是家用电器,还是大型挖掘机,甚至灯泡,”PTC全球传播副总裁斯诺(Eric Snow)说,“这一变化会彻底改变产品设计、创新的理念和方式,因而给新进入者带来很多机会。”
其二,物联网创业不再是独立的行为,与传统领域的创业相比,它需要联合、利用更多生态资源、采纳更多开放式创新。以生死畜牧公司为例,集成了传感技术、通讯技术的“电子药片”是其核心专利,而要让大数据养牛真正能够帮助乳制品生产商,仅仅依靠“电子药片”显然是不够的——这将是一个庞大的工程,包括软件、通讯、云平台以及数据分析。
“我们最擅长的是‘电子药片’,对于创业公司来说,我们很灵活、快速,但我们缺乏资源,所以必须聚焦,不可能兼顾所有。对于商业的其他方面,我们采取了合作和借用现有平台的方式。”沃西解释说。正因为如此,已经创立2年多生死畜牧公司目前仍然是一个“轻公司”,除了两位创始团队成员外,其他10多位成员为根据项目推进需求组建的临时外聘专家团队,跨越软件、通讯、畜牧等领域。
云平台是生死畜牧商业模式的重要构成,而沃西选择了提供物联网应用软件服务的PTC旗下ThingWorx平台,一站式解决了信息采集后,传播、分析和分发的过程。“ThingWorx帮助我们以最高的效率、最合适的预算完成了商业架构。”沃西说。
其三,在商业模式上,服务将是提供物联网应用和解决方案的主要方式。对于生死畜牧公司来说,他们将不再满足于将一套硬件(“电子药片”及信息收发设备)叠加系统销售给乳制品或肉类生产商,而是抓住物联网时代商业变革的机会,提供持续的服务——通过服务获取源源不断的稳定收入。
从商业发展的角度来看,订阅服务将是未来商业模式发展的大趋势,因为它对于服务提供者和使用者是共赢的:既可以给用户带来更贴近需求的满足,也可以让服务提供商的商业更加稳健、可持续。由此看来,物联网商业的开启将是服务型模式推进的一个重大契机。
在中国,从2010年上海世博会开始,物联网热便悄然升温,但目前大多数应用仍然停留在概念阶段,并没有形成真正的商业。发展迟缓的原因是多重的,但缺乏有效的生态链条或许是阻碍有创新理念的创业公司发展的关键原因之一。ThingWorx目前正准备进入中国开拓业务,相信这将为完善中国物联网发展的生态链起到一定的推动作用。
对于中国的机会,沃西表示美国市场目前仍然会是生死畜牧公司专注的市场,但他已经注意到中国乳制品行业的广阔市场空间。“到技术和商业都成熟的时候,我们完全可以在全球各地复制我们的模式。”沃西说。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08