问题解决的算子

任何一个问题的解决,都有三点特征:

  • 目标导向。明确需要解决的问题和要达成的目标。
  • 子目标分解。把总目标分解为一系列子任务,或者子目标。
  • 算子应用。算子(operator)****指将某一问题从一种状态转化为另一种状态的动作 ,即达成目标(总目标和子目标)的方法。

问题的状态包括初始状态、中间状态、目标状态,问题解决者能够达到的状态被定义为「问题空间」,问题解决的算子可以被认为是将「问题空间」从一个状态转变到另一个状态的方法。

我们可以把问题解决看作是走迷宫,算子是进入迷宫到走出迷宫的移动路径,问题解决者必须找到一条穿越迷宫的合适路径。

习得问题解决算子至少有三种路径:通过自己发现、被他人告知、或者通过观察其他人使用的算子来获得新的算子。如果你想成为某个领域的高手,最好的方式是模仿领域内高手的问题解决方法模仿他们的思维方式、使用的工具、接触的信息。

问题解决的三点规律

发现真正的问题,是解决问题的第一步。

解决问题经常犯的错误:没有解的问题却想着解答、有解的问题却放弃解答、有解的问题却用错误的方法解答。

在解决问题时,头脑会出现三种情况:

功能固着:

从物体固有的功能表征物体,未能表征物体的新功能。

问题:

1  

|

桌子上有一盒图钉,一盒火柴,一支蜡烛,你的目标是把蜡烛放在门槛上。不可以把蜡烛点燃,直接放在门槛上行不通,请问如何解决?  
  

—|—

按照常规的方法,这个问题很难解决。一种解法是,用图钉把盒子钉到门槛上,然后把蜡烛放到盒子上面。为什么很难想出其他方法呢?我们会在潜意识中把装火柴的盒子理解为装火柴的容器,压根不知道有其他用途。人也是一样,如果把自己当成工具人,或以工具人的角色工作,会执着自己某方面的“技能”, 对其他工作漠不关心,反而阻碍发展。

定势效应:

人们会受到经验的影响,而选择某些算子,特别是某些状态下解决问题的方法被强化时,定势效应更明显。“对于拿着锤子的人来讲,全世界都是钉子”,一个程序员,面对一个问题时,首先想到的是编写代码。同理,局限在某个专业领域的人,所有问题都从专业思维习惯思考,这也是为什么芒格提倡多元思维——学习不同学科的思维方式。

酝酿效应:

当某个问题无法解决时,暂时把问题抛弃几个小时,几天或者几周,在回过头来解决问题时,会很快解决。所以,当一个问题难以解决时,不妨放一放。

人类问题解决的倾向

在解决问题时,会出现三种倾向。

回溯规避。 倾向于避免哪些可能消除先前作用的算子。比如,不愿意退后一步,前进两步,不希望以前达到的状态作废。

差异降低。 趋向于选择最大限度地减少当前状态与目标状态差异的非重复算子,依赖于对当前状态与目标状态相似性的估计。比如,想要一步登天,赚很多钱,但是却不愿意付出努力,导致赚不到钱。

手段-目标分析。 即把最终目标不断的拆分为每个手段,再把手段作为目标,循环往复解决。

问题解决的高级方法

手段-目标分析是一种较为高级的用来寻找解决问题的方法。纽厄尔和西蒙(Newell & Simon)对此方法展开了广泛的研究,并把其用于构建人类问题解决模型的计算机模拟程序GPS(General Problem Solver)中。

该方法的核心是:把最终目标拆解为子目标,有意识的放下真正的目标,焦点集中在使子目标起作用的方法上。

创建子目标有两种方法:

流程图1:把目标状态与当前状态拆解为一个个差异,把消除每个差异当成子目标,首先消除被认为是最重要的差异。例子:目标是提高企业的盈利能力,拆解为子目标——增加收入、降低成本,继续拆解增加收入=销量 * 客单价 * 复购率,成本=人工+折旧+流动,发现盈利的最大影响因素是销量低,集中力量解决销量低。

流程图2:寻找达到最终目标需要的条件,找到目标与条件之间的差距,集中力量消除差异。

image-20201121095821388

推荐书目

《创新算法:TRIZ、系统创新和技术创造力》 阿奇舒勒

《改变:问题形成和解决的原则》

《认知心理学及其启示》(第七版)安德森 第八章

《问题解决力》 大前研一

背景

最近在调研电商平台黑猪肉市场需求情况,电商平台有效的用户评论,可以用来辅助理解客户需求。

下面对网易未央的一款猪肉评论进行抓取,并做简单分析。

技术有限,大部分代码是参考这里的。

网页分析

京东商城的信息储存在JSON里面,我们首先要找到储存评论的JSON。

使用谷歌浏览器,点击检查—Network,刷新进入,搜索发现储存评论的网址。

image-20201117190100685

第一个网页链接打开后,发现搜索错了,并非是评论储存的地方。我们继续往下找,如下图所示的便是商品评论储存的地方了。观察URL,最后一个数字是“1”,表示评论的页数。我们可以通过for循环,爬取需要的数据。

image-20201117190532476

代码如下

1  
2  
3  
4  
5  
6  
7  
8  
9  
10  
11  
12  
13  
14  
15  
16  
17  
18  
19  
20  
21  
22  
23  
24  
25  
26  
27  
28  
29  
30  
31  
32  
33  
34  
35  
36  
37  
38  
39  
40  
41  
42  
43  
44  

|

# -*- coding:utf-8 -*-  
  
# 代码参考链接:https://blog.csdn.net/Q_M_X_D_D_/article/details/104662721  
  
import urllib.request  
import json  
import time  
import xlwt  
   
# 爬取评论信息  
   
page = int(input('请输入爬取的结束页码:'))  
for i in range(0,page):  
    print('第%s页开始爬取'%(i+1))  
    url = 'https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98&productId=5461917&score=0&sortType=5&page=0&pageSize=10&isShadowSku=0&fold=1'  
    url = url.format(i)  
    headers = {  
        'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 11_0_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36',  
        'Referer': 'https://item.jd.com/'  
    }  
   
    request = urllib.request.Request(url=url,headers=headers)  
    content = urllib.request.urlopen(request).read().decode('gbk')  
    content = content.strip('fetchJSON_comment98vv385();')  
    obj = json.loads(content)  
    comments = obj['comments']  
    fp = open('京东.text','a',encoding='utf8')  
    for comment in comments:  
        #评论时间  
        # creationTime = comment['creationTime']  
        #评论人  
        # nickname = comment['nickname']  
        #评论内容  
        contents = comment['content']  
        item = {  
            # '评论时间': creationTime,  
            # '用户': nickname,  
            '评论内容': contents,  
        }  
        string = str(item)  
        fp.write(string + '\n')  
    print('第%s页完成' %(i+1))  
    time.sleep(2)  
    fp.close()  
  

—|—

分析结论

因需要分析的是“评论内容”,所以未爬取“评论时间”,“用户”等信息。

爬取得完后,常规操作是利用Matplotlib、Pandas等进行数据分析及可视化,现在我们用最简单的词频统计工具分析,后面学会了这些工具,在完善。

此次爬取了200页,总共2000条的评论,通过图悦分析词评,删除没有意义的“评论内容”,“猪肉”等词语,生成的词云如下:

image-20201117191733693

从中可以得出用户购买猪肉关注的点:味道、价格、送货速度、外观、健康、售后服务、服务稳定性。 这些指标在一定程度为生产经营提供了方向性参考,当然还需要进一步把这些指标拆解成具体的行动。

不足之处:获取的评论数量依然有限,同时只获取了一个产品的评论,用户代表性上较差。等学到了更多新技能后,再来优化:)。

1

农业只是一个普通的行业

大众眼中,一提到农业,立刻想到种点什么、养点什么、或者搞个农场,想到的是从事该行业单调、辛苦、没钱赚、低信息流动。这个不性感的行业,变成了大家眼中依靠“情怀”情怀才能存在的行业。

事实的确如此,但也并非如此。做农业有时候亏损得没钱赚,但有时候却是暴利!

以去年到今年价格一直高企的猪价为例。2020年上半年生猪自繁自养盈利值为2311.36元/头,同比涨幅1896.36%,净利润直接上涨10倍、20倍。截至今年7月15日,已发布中报预告的1527家A股上市公司中,260家公司预计利润同比翻番。养猪股最赚钱,房地产亏损最严重,牧原股份以至少净利润105亿元的水平占据榜首。

与此相反的是今年的鸡价,一个做养鸡生意的朋友告诉我,100元可以买到5只鸡,我听后大吃一惊。

农业的整体盈利水平的确不高,只是抗经济周期性能力强。很多被情怀蛊惑,看到政策补贴巨大,某个农产品赚钱,羡慕农场主自在生活,一下子就冲进农业的人,进去后才知道成本收益不是这么算的。

今年4月份去江苏盐城,见到一个经营1000亩蔬菜基地的80后新农人。5年前,他在南京当程序员,后来把南京的房子卖了,跑到盐城承承包1000亩地种蔬菜,按照他的算法,很快就能够回本并赚到钱。可今年,疫情最严重期间蔬菜大面积的烂在地里,损失了几百万。他叹了一口气,如果当初不卖房子,房产都升值了不少,家庭关系也更和睦(目前家人很不理解他)。

仅仅就农业谈农业,是永远找不到出路的,关于农业的谎言,越早识破越好。

2

土地私有化 + 市场化流动在中国行不通

很多人羡慕美国大农场式的发展思路,试图通过土地私有化+市场流动,实现土地规模化经营,从而增强农产品的国际竞争力。天真的认为只要土地规模化后,农业的问题就能够迎刃而解。

这种思想错在没有了解美国大农场怎么形成的,美国大农场竞争力何在,采用美国大农场发展模式的其他国家农业发展如何?

世界上的农业分为三种:

大农场农业:出现在完全殖民化的国家,比如澳大利亚、美国、加拿大、阿根廷、巴西等,形成条件是大规模移民取代土著居民后形成的,经营农场的是移民而非土著民。农业特征是规模化生产、机械化程度高,但伴随着环境污染。

中小农场农业:出现在殖民地宗主国,比如欧盟。农业特征是中小农场主占大部分,农业收益来自农业的生态功能、环保功能、文化功能。

小农经济:出现在没有被殖民化的国家,包括东亚的日本、中国、韩国,东南亚的越南、泰国等。经营农业的为土著民。农业特征是农业兼业化,土地兼具经济功能和社会保障功能。

中国农业形态极其复杂,不能以单一模式去看中国农业。在东北、内蒙、新疆地区,有条件实现大农场农业,但中国绝大部地区,农户拥有的土地极少,大农场模式无法走通。大家应尽早放弃单一模式发展中国农业,放弃对美国大农场的幻想,探索适合中国的农业发展模式。

土地私有化 + 市场流动解决农业问题的思想,忽视了土地的经济属性及社会保障属性。若实行土地私有化,自愿或非自愿的把土地转出去,小农户会从小有产者变为无产者,大部分人涌入城市但没有匹配的就业技能,在城市中形成贫民窟,社会犯罪行为增多。典型的例子是巴西、印度、墨西哥,这些国家都有大量的贫民窟。

而如果农户还有土地,当在城市没工可打了,还可以选择回到农村依靠土地生存下去。今年受疫情影响,大量农民工没有流入城市,也没有出现严重的社会问题,土地的社会保障功能凸显了。

中国农业的问题,本质上是土地问题,而土地问题的核心是农民权益保护。

国家提出农村土地承包经营权延长30年不变,给农民吃了定心丸。但依然值得警惕以各种名义侵占农民的土地,警惕冒进的合村并居,拆村并村。

3

农村集体产权改革并非下乡圈地

11月3日,农业农业部表彰全国农村承包地确权登记颁证工作先进集体和先进个人,标志着我国农村土地确权这项工作的结束。土地确权后,农村的市场要素接轨能力将进一步增强。

但最令市场疯狂的是,允许农村集体土地入市,很多人想入非非,以为又有了发展房地产,下乡圈地的新空间。

真的是这样么?

农村集体产权改革核心是让农户有更多的收益来源。

这需要分三步走:

首先,需要的是清晰界定各项财产之间的关系,理顺财产关系,并通过法律固定下来。

其次,建立市场主体,农户以股权或者其他利益分享的形式加入组织,由村级建设的市场主体集中补贴、作为农户利益代言人。

最后,引入外部投资者,通过合资或者授权经营的方式,盘活农村资产,壮大村集体经济。

2019年全国农村集体家底已基本摸清,为后续工作推进奠定了基础。截至2019年底,全国共有集体土地总面积65.5亿亩,账面资产6.5万亿元,非经营性资产3.4万亿元,经营性资产3.1万亿元。

整体上看,这个资产量是非常巨大的。从结构看,固定资产占比近半。固定资产为3.1万亿元,其中2/3是用于教育、科技、文化、卫生等公共服务的非经营性固定资产。

从地域分布看,农村集体资产大体呈“6、2、2”分布格局,东部地区资产为4.2万亿元,占总资产的64.7%,中部和西部地区资产大体相当。此外,超过3/4的资产集中在14%的村。

image-20201112072108602

农村集体产权改革是利益重新分配的过程。

既得利益者会拼命的维护自身利益,根据温铁军的研究“人们都不愿意对既得利益做任何调整,只在全局性危机影响到几乎所有人利益的压力下,各地区、 各部门、各产业和各企业才有认同并且执行国家宏观调控的可能“。

这个过程非常缓慢,但可以肯定,农村集体产权对未来几十年乡村振兴的重要作用。

农村集体土地入市,利于对接农村的市场,各地可以通过资源开发型、物业租赁型、乡村旅游型、农业生产型等集体经济发展模式,吸引更多资本、能人参与乡村建设。

4

农业多功能性被大家忽视了

之前在江苏一个国家级农业园区做项目,书记一直强调他做的是“农业现代服务业”,而非“现代农业服务业”。我很纳闷为什么要这么提。他解释到现代农业是继原始农业,化学农业后提出的农业发展模式,依然强调对农业生产领域的服务,而“农业现代服务业不仅服务农业生产领域,还服务农业延申的旅游、文化等。

我们先不纠结文字上的差别,从中可以看出,看待农业应该转换思路,农业除了生产功能外,还有社会功能、历史传承功能、文化功能。农业多功能性是2006年在中央一号中提出来的。

时代变了,农业不再单纯追求产量,农民不在单纯追求吃得饱,农村不在单纯追求发展速度。

旧三农大家都很熟悉,即农民增收、农业增产、农村发展,而现在已经变成”新三农“了,即农民权益、农村发展和农业可持续。

当人均GDP超过1万美元后,食品消费结构不断改善,高蛋白的食物摄入量增加,对谷物粮食的需求量有所减少,消费者视线从食物的数量转移到食物的品质。整个产业的价值进一步从种养殖向食品加工、流通及终端销售环节转移。除了生产外,休闲、旅游、金融、保险等环节是利益的增长点。

越是对农村资产进行单一要素定价,外部性风险越高。比如集中土地后,老板跑路,上访比比皆是;企业收入来源单一,不依靠政府补贴,就无法生存。

全国正在推进的农业产业集群,做大优势农产品,把加工、销售等环节的利益,更多的留在农村。发展程度最高的是长三角地区、珠三角地区,这些地区有很多名宿、旅游地区,值得其他地方学习。

5

乡村资产价值化是破解乡村发展困境的可行思路

产业资本介入乡村的模式包括:

  • 社区内部资本兼并周围村落。农村内部有企业,完成资产化的改造。比如华西村、吉林棋盘村。

  • 产业资本利用社区力量进入,产业资本和社区力量有所关联。比如产业资本通过村干部进入。

  • 产业资本直接进入。成本高,风险大。

  • 产业资本通过乡村建设的方式进入。风险较小,利于降低交易成本。

不管哪一种方式介入,都面临和单个农户沟通产生的超高交易成本,加上资本逐利,农业投资长周期和低回报率,更难以吸引资本进入。

为破解这方面的难题,温铁军提出的发展农村集体经济的三级市场理论,我觉得很有参考意义和实践价值。

在他看来:乡村除了农产品有价值外,青山、绿水、空气、乡土文明等要素也是有价值,只是过去没被发掘。当前在三大资本过剩,加上中产阶级崛起,这些要素获得了重新定价的机会,即通过乡村资产价值化,吸引城市人群前来投资、消费。乡村资产化需要建立三级市场,大体过程如下图所示:

image-20201108104031158

三级市场壮大农村集体资产的方法在福建等地正在试点,推行下去需要协调政府、村集体组织、金融机构等多方面,并非易事。我觉得这个模式值得有条件的新农人尝试。

历史充满偶然性,看似普通的一件事情,小人物,却可以改写历史。

诚如作者所说:

或许,那平淡无奇的漫长岁月是为了历史的突变准备、积蓄能量,正如地下奔腾的岩浆,在长期积蓄的压力作用下喷薄而出。对个人、国家和民族来说,这种关键时刻的选择,的确关乎一生一世、存亡兴替。如果说漫长的悠悠岁月是历史长河地步平缓的深流,那短暂的“关键时刻”就是大河上的惊涛骇浪;如果说漫长岁月是历史幕后的长期演练,那辉煌的一瞬间就是历史前台的炫目演出。

茨维格十四篇历史人物特写,刻画了在决定历史瞬间时,人物的心理状态。

人们会为这种转折归因。历史足够复杂,茨维格在《人类的群星闪耀时》所说的时候,不一定也是这件事发生的深层原因,本质原因。

或许,仅仅是巧合。比如淘金狂热者寻找到黄金,写出《马赛曲》,韩德尔的创作,海底电缆的铺设失败。

这是否意味着生活完全不可控?我们应该放弃预测,放弃想象,消极的面对现实?人类历史的发展表明,并非如此。

相反,历史的随机性告诉我们:

要有风险意识,保证不亏掉本,不要All in,要买保险。

时候准备好,当机会来临时,牢牢的抓住。

当机会来临时,要贪婪,该拿的资源要拿,该赚的钱赚个够。

打破平衡,寻找变量,不确定性意味着机会,自我革命,对抗熵增。

事情再糟糕,也要积极的寻找解决方法。

edn.

创建个框架,待增补内容。

学科解决什么问题

认知心理学是认知科学的重要分支,研究人类心智是如何工作的一门学科,包括:知觉与注意、知识的表征、记忆与学习、问题解决、判断推理、语言。

1967年奈赛尔出版第一本认知心理学专著《认知心理学》,标志着认知心理学诞生。

核心模块 主要内容
模块一 感觉、知觉与客体识别
模块二 记忆
模块三 推理与决策
模块四 语言
模块五 学习与专家技能习得

认知心理学的研究方法包括实验法、观察法、测验法。

学科发展历史

第一代:

信息加工学派:使用计算机隐喻,核心贡献是组块。核心人物——巴德利

联结学派:使用大脑隐喻,无数神经元联结。核心人物——韩丁

第二代:

具身认知

强调身体和环境对认知的影响。核心人物——莱考夫

@todo 关键转折点

学科研究方法

认知心理学形成于20世纪50年代~70年代之间,在其形成前采用哲学思辨(19世纪前)、内省法(19世纪到20世纪交替之交)、行为主义(20世纪上半叶,主张心理学完全关注外在行为)理解人的行为及心智。认知心理学形成后,主要研究方法包括:信息加工法、计算机模拟、实验法、脑成像法(EEG、ERPs、MEG、PET、fMRI)。

研究方法 操作方法 备注
信息加工法 将抽象的信息分解为一个个可加工的信息
计算机模拟 计算机类比人脑,模拟人的思维方法 计算认知科学采用方法
实验法 通过实验验证
脑成像法 EEG、ERPs、MEG、PET、fMRI 认知神经科学采用的方法

学科主要专家

认知心理学重要专家

姓名 生活年代 专长
巴德利 1934.03.23— 工作记忆
安德森 1947年8月27日— 认知架构、专家技能习得
卡尼曼 1934年3月5日— 推理与决策、行为经济学
斯坦诺维奇 1950.10.23— 阅读、理性、推理
埃里克森 1902年6月15日-1994年5月12日 专家技能的习得
诺曼 1935年12月25日— 认知心理学与设计心理学结合
艾森克 1916年-1997年 社会认知和语言
平克 1954年9月18日— 语言
吉仁泽 1947.9.3— 推理决策
达马西奥 1944年— 情绪

@todo 关键论文及学科流派大理论

核心理论

@todo

Change Log

20201109 创建

数据分析的步骤

数据分析可分为数据采集、数据挖掘、数据可视化三个步骤。

但在完成上面三个步骤之前,还有一个基本的东西需要完成:明确数据分析的目标。

如果数据分析的目标不清晰,数据不能够用来解决问题,那么数据就没有任何价值。所以数据分析的完整步骤应该是:明确数据分析目的——数据采集——数据整理(清洗、变换、分类等)——数据挖掘(建模)——数据可视化——数据更迭。

image-20201108093634021

数据分析常用算法

国际权威的学术组织 ICDM (the IEEE International Conference on Data Mining)评选出了十大经典的算法。

算法 常用方法
分类算法 C4.5,朴素贝叶斯(Naive Bayes),SVM,KNN,Adaboost,CART
聚类算法 K-Means,EM
关联分析 Apriori
连接分析 PageRank

用户画像建模

获客、粘客、留客

数据变换的常用方法

为什么要进行数据变换?把数据变换成统一的标准,方便后续围绕数据进行计算。

常用的数据变换方法有:

  • 数据平滑:去除数据中的噪声,将连续数据离散化。这里可以采用分箱、聚类和回归的方式进行数据平滑;
  • 数据聚集:对数据进行汇总,在 SQL 中有一些聚集函数可以供我们操作,比如 Max() 反馈某个字段的数值最大值,Sum() 返回某个字段的数值总和;
  • 数据概化:将数据由较低的概念抽象成为较高的概念,减少数据复杂度,即用更高的概念替代更低的概念;
  • 数据规范化:使属性数据按比例缩放,这样就将原来的数值映射到一个新的特定区域中。常用的方法有最小—最大规范化、Z—score 规范化、按小数定标规范化等,我会在后面给你讲到这些方法的使用;
  • 属性构造:构造出新的属性并添加到属性集中。这里会用到特征工程的知识,因为通过属性与属性的连接构造新的属性,其实就是特征工程。比如说,数据表中统计每个人的英语、语文和数学成绩,你可以构造一个“总和”这个属性,来作为新属性。这样“总和”这个属性就可以用到后续的数据挖掘计算中。

常用的规范方法:

  • min-max:将数据归一化到[0,1]区间。新数值 =(原数值 - 极小值)/(极大值 - 极小值)
  • z-score:将数据规范到0均值,1方差的标准正态分布上,减少老师说的百分制80和500分制80的数据值差异问题。新数值 =(原数值 - 均值)/ 标准差
  • 小数定标规范化:将数据转化为[-1,1]区间中。

python做数据分析常见扩展库

Numpy:详见一文学懂NumPy基础知识1

Scipy:

Matplotlib:

Pandas:详见Pandas基础快速入门

StatsModels:

Scikit-Learn:

Keras:

Gensim:

image-20201109193405641

数据分析案例

航空公司客户价值分析

家用电器用户行为与事件识别

电子商务网站用户行为分析与服务推荐

电商产品评论数据情感分析

财政收入影响因素及预测模型

参考资料

数据分析实战45讲|极课时间

《python数据分析与挖掘实战》张良均等著

Chage Log

20201109 增加python做数据分析常见扩展库

20201108 创建初版

每年,政府机构、研究机构、企业主体会发布各种各样的榜单,诸如中国企业500强、世界企业500强、XX创新20强、XX前100强。这类榜单评选标准及评选利益机制我们无从得知,很多评选的榜单,也没啥价值。

但,对于权威机构发布的榜单,还是值得看一下,特别是像信息流通慢的行业。诺,最近农民日报社组织评定的2020中国农业企业500强发布了,这个榜单是以企业营业收入来划分的 。

下面我尝试对这个榜单进行解读,希望大家有所收获。

第一,每类企业都有适合生存的土壤

山东、江苏、四川、吉林、安徽和福建6个省份,上榜的企业占71%。其中又以山东、江苏、四川三大省表现最突出,三个大省共有273家企业上榜,占总上榜企业的54.6%。山东上榜企业最多,达到151家,遥遥领先江苏(61家)、四川(61家)90家!

山东上榜的企业包括饲料、肥料生产销售、食品加工。四川上榜比较有特色的是各种休闲零食品牌及酒业,包括泸州老窖、千禾味业、吉香居等。江苏上榜的农产品贸易企业居多。

举一个运用,假如你要去找货,并不是一家一家的去找,而是要按照产业带去找。

image.png

第二,各地上榜企业实力不一

上榜企业多,并不是企业营业额就多,利润就高,你会看到有的行业营业收入高得离谱,但利润率也低得离谱,比如沃尔玛,这取决于性质。

企业入围的门槛是5.1亿元,营业收入最高的企业达2340元,差不多相差458倍。

所有企业总营业收入为2.64万亿,相比整个农业市场,对总营收的贡献还是有限的。

上榜企业数最多的前7个省份,贡献总营收的60.36%。四川和江苏同为61家企业上榜,但四川所有企业(10.04%)对总营收的贡献高于江苏(7.64%)。

从企业结构可以发现,四川上榜的企业大多是休闲零食、酒业等,而江苏上榜的企业以贸易为主,造成营收上的差别。福建因为有一家巨无霸企业(象屿股份)的存在,对总营收的贡献排名前三。

image.png

第三、年营业收入超过5亿的已经属于行业佼佼者了

入围企业营业收入在1000亿以上的共2家,500-1000亿元的共9家,营收在100-499亿元的企业共38家,营收在50-100亿(不含)的企业42家,营收在10-50亿(不含)的224家,营收在10亿(不含)以下的企业184家。

image.png

营业收入超过100亿的共47家,占比还不到10%,要想营收超过100亿并非一件容易的事情。国家提出“培育一批产值超百亿元、千亿元优势特色产业集群”,从单个企业来看,这并非易事,但我国农产品加工行业每年营业收入有几十万亿,众多小企业集合起来去实现,是完全可能的。

继续回来看上榜企业营业收入的分布,81.6%的企业营业收入在50亿以下,10-50亿(不含)的企业营业收入在44.8%,10亿以下的占36.8%。整个市场以中小企业为主,很多农业领域新三板挂牌的公司,年营业收入1-2个亿的一抓一大把。

产业结构决定了企业的状态,农业行业地域性很强,边际成本减少和边际收益递增速度,远远不如互联网行业。

第四、上榜企业结构明显,食品加工行业将持续集中

食品企业上榜最多,公司名字里面含有食品的企业有111家,比如温氏食品、龙大食品、三全食品、洽洽食品。

肉制品加工企业和休闲食品加工企业上榜最多。肉制品方面,比如温氏食品、牧原食品、龙大食品,得益于中国人特别爱吃猪肉,50%的猪肉都是中国人消费的,养殖/屠宰方面上市的企业也非常多。

米业也一样,仅从含米的公司统计,就有15家公司上榜,再算上农产品贸易,企业数量就更多了。

第五、选择比努力重要

做事之前,选择正确的方向,远比努力更重要。同一个产业,在不同地方做得到的结果会不一样,同样产业的不同方向,付出同样的努力,获得的结果也不一样。

上榜的中国农业500强,绝大部分企业在90年代就成立了,经过20多年的发展,成为各自领域及行业的佼佼者。

优势资源向头部企业集中将会越来越明显,过去的发展可以理解为一路狂奔,后面的发展则需要考虑运用新的技术升级,考虑消费群体的变化。农业企业出现百年企业的概率更大,欧美很多百年的企业比如农化巨头孟山都、1962年成立的PIC、1936年成立的史密斯菲尔德食品公司等。行业的特点是,发展缓慢,但是稳定,进入该行业,注定难以赚到快钱,一上来全产业链,死得也很快。

其次,在农产品加工、贸易、流通及终端品牌上会有越来越多大而强的企业出现。随着人均收入的增加,消费的食品重点会从芋类、谷类等淀粉质食品逐渐转向畜禽等高蛋白食品。但对食品的消费量不会随着收入的增加而无限增加,当人均GDP超过1万美元时,对增加食品消费的欲望逐渐趋近于零。这意味着,整个行业的价值增长点转移到研发、产品加工及终端销售环节。

0%