京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据风潮如何革新农业_数据分析师
两个大儿子离家去上大学后,明尼苏达州的史蒂夫和罗莉·多肯多夫(Lori Dockendorf)夫妇俩需要想办法把他们留下的劳动力空缺补上,以维持这个拥有100头奶牛的农场的运营。
传统的解决方案是雇一些人手。但多肯多夫家选择了机器人:用机器人喂牛,用机器人打扫牛栏,甚至用机器人挤奶。奶农通常一天要挤两次奶,每次要用三个小时。“如今呢,”罗莉说,“我们早上起来,机器人已经把奶全都挤好了。”
农场生活给人感觉好像挺简单的,但经营一个奶牛农场的复杂程度会吓你一跳。和其他的生产行业不同,这里的生产机器是牛——牛需要喂、需要睡觉,它们的体重会有起落。一个奶农需要面对的变数之多超出你我想象。
幸好,科技在农场经营领域有了长足的发展,可以应用到日常事物的管理,对牛群每天产生的大量数据进行收集和分析。10月初,在威斯康星州麦迪逊举行的世界牛奶博览会(全美奶业规模最大的交易会)上,展示了关于这方面的最新技术。
Dairy Quality技术总监史蒂夫·曼甘(Steve Mangan)原本设想的方案比现在Dairy Quality技术总监史蒂夫·曼甘(Steve Mangan)原本设想的方案比现在这个更大,价格更贵。
他想到可以让奶农不用送样本到实验室的方法,在牛栏装配一个体积更大的固定设备,再通过网络连接到中央处理中心。在和应用开发公司Mpengo的联合创始人兼总裁盖瑞·乔纳斯(Gary Jonas)取得联系后,曼甘意识到,他的需求大多数可以通过智能手机做到。
“我们需要一个摄像头,智能手机有,”曼甘说,“我们需要软件,可以通过手机应用实现;我们需要输出数据,智能手机就是用来干这个的。”
博览会上最受瞩目的是荷兰牛奶设备生产商Lely的展位,他们的主打产品是Astronaut A4挤奶机,是多肯多夫夫妇的奶场使用的那种系统的升级版。
在牛栏放一个挤奶机的主要好处是你不需要亲自到场挤奶,不过,前提是你能拿得出大约20万美元买一台。
A4有一个带门的小区域,一端是饲料槽,机器可以在挤奶间隙将饲料补充到槽里。
奶牛知道这个区域里有谷子可吃,会自己走进来。就在它大快朵颐的时候,一个不锈钢和碳纤维制成的机械臂会伸到它身下,把挤奶装置自动吸附到它的四个乳头上(A4使用激光对奶牛身体下面进行扫描,确认乳头的位置)。
挤奶结束后,饲料槽会移开,门也打开了,奶牛重新回到牛群中。
然后A4会自行清理和重置,等待下一头牛到来。
有了这个,天蒙蒙亮就得起床挤奶的奶农就不需要每天举行这么一套辛苦的仪式了,然而,除此之外,收集每头牛的数据也是同样重要的事。
A4会使用无线电或红外线来扫描牛的项圈,辨识牛的身份。接下来,系统会在挤奶时对几项数据进行跟踪:牛的重量和产奶量,以及挤奶所需的时间、需要喂多少饲料,甚至牛反刍需要多长时间。
机器还会从牛产的奶中收集数据。每一个乳头里挤出的奶都需要查验颜色、脂肪和蛋白质含量、温度、传导率(用于判断是否存在感染的指标),以及体细胞读数。每头牛身上收集到的数据汇总后得出一份报告;一旦A4检测到问题,奶农的手机上会得到通知。
还有呢,到明年初,奶农就可以收到他的牛发来的短信了。在距离麦迪逊7000多公里开外的瑞士伯尔尼附近,研究人员正在测试可以装在牛身上的传感器,用来判断牛是否发情。利用一块蜂窝网络芯片和算法,牛可以发短信给自己的主人,告诉他什么时候该在牛栏里辟出一个安静的角落,配上昏暗的灯光,最好还能来点音乐。
总之 传统农业正在接受移动互联、智能技术和大数据浪潮的洗礼。对传统农业生产者,这将产生不小的冲击,但也会带来巨大的机遇。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10