2. 批次数据管理全景框架

智慧养殖中的“批次”不是简单的一群动物，而是一条贯穿生产计划、入栏、饲喂、健康、环境、出栏六个环节的数据主线。批次数据管理的核心任务，是让这条主线上的每个关键事件都能被记录、关联和追溯，最终回答三个问题：这一批从哪来、经历了什么、结果如何。理解全景框架，就是先看清数据在哪些节点产生、以什么标识串联、在哪些环节发生分叉与汇合。

从数据流角度看，批次是一条“主键贯穿、多源汇入”的链路。批次号是整条链路的主键，生产计划给出批次的预期边界（计划入栏日期、计划数量、目标出栏体重），入栏环节产生批次的真实起点（实际入栏日期、来源场、初始均重、入栏头数），饲喂、健康、环境三个环节以“批次号＋日期”为粒度持续产生过程数据，出栏环节则形成批次的终点结算（出栏头数、出栏均重、成活率、料肉比）。如果批次号在任一环节缺失或错位，后续的统计与追溯就会断裂，这是框架设计首先要守住的底线。

上图把框架拆成三层来看：最上层是主链，六个环节按时间顺序推进；中间是批次号主键带，它像一根轴把六段串起来；下层是三类过程数据的汇入，它们不改变主链顺序，但持续向主链补充事实。出栏结算不是独立环节，而是主链数据与汇入数据共同计算的结果。理解这个分层，就能明白为什么“批次号一致”比“记录记得多”更重要。

各环节的数据职责与关键字段

生产计划是批次的“预期基线”。它至少应包含计划批次号、计划入栏日期、计划入栏数量、来源场、目标出栏日期和目标出栏体重。计划数据的价值在于提供对比基准：实际入栏比计划晚几天、实际成活率比目标低多少，都要靠计划值来度量。没有计划值，过程数据只能描述“发生了什么”，无法判断“是否偏离”。

入栏是批次的“真实起点”，也是整条链路最关键的锚点。入栏记录应包含实际入栏日期、实际头数、初始均重、来源场与圈舍编号。这里有一个常见问题：计划批次号与实际入栏批次号不一致。合理的做法是以入栏时确认的批次号为准，并在计划记录中标注对应关系，而不是让两个批次号各自为政。入栏均重尤其重要，它是后续计算日增重和料肉比的起点，缺失后整批的生长曲线都无法闭合。

饲喂、健康、环境三类数据是批次的“过程事实”。饲喂数据按日记录采食量、饮水量、饲料批次号，用于计算累计采食与料肉比；健康数据按事件记录免疫、用药、死淘，每条事件都要带日期和头数；环境数据按日或按小时记录温度、湿度、氨气浓度等，用于关联生长表现与异常事件。三类数据的共同要求是：每条记录都必须携带批次号，且时间字段要能落到具体日期，否则无法与主链对齐。

出栏是批次的“结算点”。出栏记录应包含出栏日期、出栏头数、出栏均重，并由此计算成活率、全程料肉比和批次成本。成活率的计算口径要提前统一：是“出栏头数÷入栏头数”，还是扣除中途转出、淘汰后的口径。口径不统一，不同批次之间就无法横向比较。这一点在框架设计阶段就应写进数据规范，而不是等到结算时再争论。

框架落地的三个关键约束

第一，批次号必须唯一且全程可追溯。建议采用“场区代码＋入栏日期＋顺序号”的编码规则，例如“A01-20250310-02”，既包含时间信息又便于人工核对。批次号一旦生成，在饲喂、健康、环境、出栏各环节都只能引用，不能重新生成。

第二，时间粒度要统一到“日”。饲喂和环境数据天然按日汇总，健康事件按事件日期归属到日，出栏按出栏日期归属。统一到日后，任意两个环节的数据都可以按“批次号＋日期”做关联，形成按日的过程视图。

第三，异常事件要单独标记。死淘、用药、环境超标等事件不应只混在日汇总里，而应作为独立事件记录，保留事件时间、头数、处置方式和关联批次号。这样在复盘时才能回答“这批的成活率下降主要发生在哪几天、与哪次环境波动或疾病事件重合”。

把上述内容收拢成一句话：批次数据管理全景框架的本质，是以批次号为主键、以日期为对齐粒度、以六段环节为时间轴、以三类过程数据为事实来源的一条可追溯数据链。计划给出基线，入栏锚定起点，过程数据持续补充事实，出栏完成结算。框架建立之后，后续的饲喂分析、健康预警、环境调控和成本核算，才有共同的数据底座可以依托。