Άρθρο του  Matt Frizzo, Carthage Veterinary Service

Οι παραγωγοί είναι εξαιρετικά καλοί σε πολλά πράγματα: να εργάζονται σκληρά, να φροντίζουν τα ζώα τους και να σχεδιάζουν το μέλλον των εργασιών τους. Ένα πράγμα που μπορεί να μην σκεφτείτε να συμπεριλάβετε είναι η "συλλογή δεδομένων".

Οι παραγωγοί, οι μεταποιητές και οι κτηνίατροι συλλέγουν δεδομένα εδώ και χρόνια από συστήματα, διαδικασίες, ακόμη και γραπτά αρχεία. Συλλέγουμε βουνά δεδομένων από την ισοτιμία χοιρομητέρων μέχρι το μέγεθος της γέννας και το κόστος τροφοδοσίας έως το κλείσιμο — και πολλά άλλα. Ποια ερωτήματα όμως προσπαθούμε να απαντήσουμε; Σε πολλές περιπτώσεις, δεν νομίζω ότι έχουμε σταματήσει για να καταλάβουμε τι θέλουμε να μάθουμε, επομένως απλώς συλλέγουμε τα πάντα και προσπαθούμε να τα επεξεργαστούμε αργότερα. Ωστόσο, αυτό μπορεί να καταλήξει με το να πνιγόμαστε στους αριθμούς και η ποιότητα των δεδομένων είναι πιθανό να μην είναι τόσο καλή όσο αν η συλλογή ήταν λίγο πιο στρατηγική.

Λοιπόν, γιατί το μαζεύουμε; Το πιο σημαντικό, τι άλλο μπορούμε να κάνουμε με αυτό;

Ποιος, τι, πότε, που, γιατί?
Τα βασικά στοιχεία της γραφής μεταφράζονται και στην προσέγγιση ανάλυσης δεδομένων σας. Αν και μπορεί να διαχειρίζεστε καλά τη λειτουργία σας, είναι αντικειμενικά πιο εύκολο να μετρήσετε τα οικονομικά αποτελέσματα ή τα αποτελέσματα παραγωγής όταν μετράτε την απόδοση με δεδομένα.

Αρχικά, εστιάστε σε ποιον στόχο θέλετε να επιτύχετε — ποια απόφαση θέλετε να πάρετε για τη λειτουργία ή το κοπάδι σας — και επιλέξτε να συλλέξετε και να συνθέσετε δεδομένα με βάση αυτή την ανάγκη. Μπορεί να είναι τόσο ευρύ όσο, "Έχω τα αποτελέσματα που θέλω από τις δαπάνες και τις εισροές μου;" ή τόσο συγκεκριμένο όσο ο καθορισμός των κατάλληλων μερίδων τροφής ανά αχυρώνα.

Προκαλέστε τις ερωτήσεις που κάνετε. Αυτό που ζητάτε και εξετάζετε εξαρτάται από τη λειτουργία και τους στόχους σας. Υπάρχουν πολύ τυπικές μετρήσεις απόδοσης που αξιολογούν όλοι στον κλάδο, ωστόσο, τι άλλο θα μπορούσατε να κοιτάξετε; Ποια προφανής ερώτηση ή ιδέα θα μπορούσε να σας δώσει μια νέα προοπτική;

Επιθεωρήστε τι περιμένετε. Τι περιμένετε από τη μετατροπή ζωοτροφών; Θνησιμότητα? Πρέπει να έχετε αυτές τις πληροφορίες για να μπορέσετε να πάρετε τα αποτελέσματα που θέλετε.

Λάβετε υπόψη ολόκληρη την εικόνα. Ένας παραγωγός με τον οποίο συνεργάστηκα ήθελε να μάθω πόσο χοιρινό παρήγαγε ανά τετραγωνικό μέτρο, για να εξετάσει την απόδοση της επένδυσής του στις εγκαταστάσεις του. Οι συζητήσεις μας τον έκαναν να συνειδητοποιήσει ότι έπρεπε να λάβει υπόψη άλλους παράγοντες για μια πιο ολοκληρωμένη, ολιστική εικόνα του κόστους του στάβλου του — για παράδειγμα, εστίαζε στο βάρος του στην αγορά, αλλά δεν λάμβανε υπόψη τον αριθμό των ημερών που αφιερώνει στην εκτροφή των γουρουνιών του σε σύγκριση με άλλες λειτουργίες.

Ανακαλύπτοντας βελτιώσεις
Μερικές φορές θέλετε απλώς να μάθετε πώς να λύσετε ένα συγκεκριμένο πρόβλημα — η ανάλυση δεδομένων όχι μόνο βοηθά σε αυτό, αλλά μπορεί ακόμη και να αποκαλύψει ένα πρόβλημα που δεν είχατε συνειδητοποιήσει ότι είχατε. Αυτό μπορεί να ισχύει ιδιαίτερα όταν αξιολογείτε ολιστικά πολλά σημεία δεδομένων και τις σχέσεις τους.

Συνεργάστηκα με έναν πελάτη με τον οποίο είχαμε πολλαπλά σημεία δεδομένων (ανάπτυξη, μετατροπή ζωοτροφών, θνησιμότητα, Βαθμός Α, κ.λπ.) που αξιολογήθηκαν με διαφοροποιητικούς παράγοντες όπως ο επόπτης, η ροή χοίρων ή ο μύλος ζωοτροφών. Διαπιστώσαμε ότι το ποσοστό Βαθμού Α ήταν αρκετά διαφορετικό και όταν εστιάσαμε σε αυτό, ήταν χαμηλότερο από ένα συγκεκριμένο εργοστάσιο ζωοτροφών. Δεδομένου ότι είχαμε τα δεδομένα που τροφοδοτούν αυτή τη ροή, ήταν πολύ ενδεικτικό ότι αυτό θα μπορούσε να είναι κάτι για να επιστρέψουμε στο μύλο ζωοτροφών ή στην ομάδα διατροφής.

Η υιοθέτηση της ανάλυσης δεδομένων μπορεί να μην είναι εύκολη στην αρχή. Μπορεί να αναρωτιέστε εάν η απόδοση επένδυσης (ROI) δικαιολογεί το κόστος συλλογής και αποθήκευσης απαραίτητων δεδομένων (καθώς και την πρόσληψη ειδικών αναλυτών δεδομένων εάν χρειάζεται). Εάν η άμεση απάντησή σας στη χρήση της ανάλυσης δεδομένων είναι, "Τα πάω καλά" - σκεφτείτε εάν είστε βέβαιοι ότι δεν υπάρχει τίποτα νέο που θα μπορούσατε να μάθετε για να κάνετε τη λειτουργία σας πιο οικονομική ή να αυξήσετε τα έσοδα. Λάβετε επίσης υπόψη σας ότι μπορεί να μην χρειάζεται να συλλέξετε νέα είδη δεδομένων για να εκτελέσετε κάποιες βασικές αναλύσεις και, αντ' αυτού, μπορείτε να αντλήσετε από αυτό που ήδη καταγράφετε.

Να είστε ανοιχτοί σε αναλύσεις
Εάν δεν είστε σίγουροι για την αξία των αναλύσεων δεδομένων, μιλήστε με άλλους παραγωγούς που γνωρίζετε και που τα χρησιμοποιούν.

Κυρίως, είναι σημαντικό να κάνετε απλώς τη συζήτηση και να πλαισιώσετε τις σωστές ερωτήσεις για τη συγκεκριμένη λειτουργία ή το σύστημά σας. Ακολουθούν μερικά δείγματα ερωτήσεων για να ξεκινήσετε:

Ποια δεδομένα έχω ήδη που είναι χρήσιμα;

Πώς μπορώ να χρησιμοποιήσω κάθε κομμάτι αυτού προς όφελός μου;

Τι θέλω να μάθω από την ανάλυση δεδομένων και ποιες αποφάσεις μπορεί να με βοηθήσει να πάρω;

Ποια πρόσθετα δεδομένα θα με βοηθούσαν να πραγματοποιήσω μια συγκεκριμένη ανάλυση;




Photo by Markus Winkler on Unsplash