在2018年欧洲国际集约化畜牧展览会(VIV Europe)上，大数据软件商Porphyrio公司主办了一场名为“服务于现代家禽生产的生物统计学和大数据”的研讨会。与会代表们得知，从孵化场和饲料供应商到养殖户和兽医，最终到屠宰厂，各个层面均可获取数据;只要收集它们，而后综合，就能进行有意义的分析。整合到数据库，通过解析，家禽生产数据可为有访问权限的养殖户和其他任何利益相关者提供具有洞察力的见解。
这些经过处理的数据有三大主要用途：改善生产、制定兽医指导纲要和科研项目合作(例如与政府、大学或制药公司)。
从头到尾，更好地了解生产实况，有助于生产者调整管理。
这些经过汇总和分析的数据可以不同方式服务于家禽生产中各利害关系人，帮助他们根据现场实际情况调整个人投入。
生产者的视角
英国Applied集团 & Optifarm咨询公司总经理大卫?斯佩莱(DavidSpeller)说，在生产者层面，这些数据用于：
●性能监测和改进
●系统微调
●结果预测、快速回应
●理念、技术开发
●职员工作模式评估
斯佩莱以查验耗水量的数据为例，他指出，基于用水记录，可预测家禽生长速度和活动量。如，了解需水量和供水量可能会让禽舍引进额外的饮水器。生产者也可更好地了解禽舍环境对舒适度的影响。例如，如果空气流通过快，鸡群就会感觉到冷，因此变得不活跃。生产者可以发觉舍内干扰因素，比如噪音和其他应激源，也可监控健康饲料的供应情况。
斯佩莱说：“如果耗水量保持不变的话，我甚至能知道，饲养员是否在某个周日上岗。这是我们借助简单的事物就能获取的某一类信息。”
大数据本身不会解决问题，但它有助于更好决策。
利用一个单独的平台，他的公司收录了英国各地养殖场的多点数据。通过数据比对，例如体重，就能发现哪儿出了问题。
他说：“这不能解决你的问题，而是让你最大程度地了解哪里可能有问题。”只有数据，若不分析和采取行动，就不会带来变化。养殖户必须做出回应，尽快行动。
“如果今天回应的是昨天的数据，可能就太晚了。”斯佩莱说，“作为养殖者，我们或许应该在夜里工作，白天睡觉。饮水器和通风设备一直正常工作，但人一走，问题就来了。”物联网有好处，但无法保证投资回报。生产者必须做好准备，拥有开放的思想，根据数据所示进行整改。有时，问题可能比答案多。
斯佩莱建议逐步推进，首先进行简单但有效的数据监测，总结经验教训，与专业人员共事，以更快达到目标。他也指出，大数据是一个快速发展的领域，如果不拥抱它的红利，就等于把好处拱手让给对手。
兽医的视角
在家禽生产中，兽医是重要决策者之一，他们会对特定的数据集感兴趣。比利时普尔维特(Poulvet)集团管理合伙人约翰?范?伊鲁姆(Johan vanErum)博士说，他们特别需要查验4类数据。
生产性能数据：群体统计图表、生产性能参数
养殖场/管理数据：大小、位置、养殖场使用年限、禽舍数量和房屋设施配置
健康数据：疾病预防、免疫接种、治疗方案、剖检和实验室分析结果、屠宰性能和肉品不合格率
流行病学数据：伊鲁姆认为，数据收集对禽病兽医至关重要。这有助于他们识别潜在风险因素以改善家禽健康，调整兽医准则以预防疾病，减少抗生素用量。
也许，收集数据的目的是为了监测和改善禽群健康水平，但兽医能为养殖场管理者提供支持。因此，可把对禽群的更好了解纳入养殖者的管理决策中。
随着食品安全和透明度成为首要问题，大数据变得非常重要，这有助于满足政府和消费者的需求。
养殖场年度报告内容必须包含饲养管理、生产性能、禽舍设施和禽群健康，即生产全程。它相当于一次审计，查明养殖场潜在的特定问题和风险因素。
最后，数据解读至关重要。而兽医在这方面发挥着关键作用。
饲料加工厂的视角
数据必须契合长期业务目标，荷兰ForFarmers公司营销和技术总监约斯特?斯帕拉(Joost Sparla)说：“仅收集数据不够，还必须制定计划和战略。”
通过收集大量数据，每个人对自己感兴趣的特定领域进行提炼、分析并据此行事。
收集数据只是预测的起点，接下来要转化成真知灼见。不过，值得牢记的是，谁拥有数据，谁就能使用它。一旦数据体系建立，就可实施战略了。大数据能提供什么?举个例子，它让我们更好地了解饲料生产参数(饲料加工厂内)与肉鸡生产性能(养殖场内)之间的关系。通过收集和比较这两方面的数据，就可获悉此类信息。
在饲料加工厂内，测定制粒温度、蒸汽添加量、能源消耗、颗粒持久性、颗粒硬度，当然还有配方所用不同原料。“如果你能将这些与饲料转化率、日增重和健康状况联系起来，就可借助数据分析，改进加工工艺。”斯帕拉说，“利用所有数据，也许就能弄清颗粒硬度是如何影响生长期和育肥期生产性能的。”
利用数据和运算法则，饲料厂能给养殖户带来附加值。通过对饲料、养分摄入量与实际产出的关系进行连续监测和分析，可以改进饲喂方案。
科学家的视角
每只肉鸡都不相同，没有适用于一切的模板。比利时天主教鲁汶大学教授巴特?德凯特拉海勒(Bart de Ketelaere)说，成功越来越依靠数据，尤其是大数据。
就生物质比如家禽而言，需要大数据和高级模型。不过，他回应称，这些不能确保成功。
收集数据是不够的，数据必须正确。他说：“我所说的数据正确，指的是我们需要了解深层次的数据处理过程，以避免伪相关。”
数据应涵盖相关范围和变量，为预测打下坚实的基础，避免可能相关但实际互不相干的情况。此外，也需要描述实际情形的良好模型和展现价值的良好可视化工具。对肉鸡来说，描绘生长的生理模型可能非常有用。
取样也很重要。就家禽而言，这项工作需要频繁进行。通常，每周统计一次数据是不够的。德凯特拉海勒还认为，要想通过大数据取得成功，数据科学家和诸如家禽科学家这些对深层次的数据处理过程有清晰理解的人之间需进行紧密互动。
