每个季节，农民平均要做出 40 项种植决定--从何时种植什么、用什么种子，到何时灌溉、灌溉多少，再到何时收获。
在可靠的模型和科学研究的基础上提供答案，使这些问题不再需要猜测，这就是一项无价的服务。
"孟山都公司首席信息官吉姆-斯旺森（Jim Swanson）说："作为一家农业公司，孟山都公司开发的产品和工具可以帮助农民高效种植作物，同时减少能源、水和土地的使用。"事实上，我们需要能够高效地回答有关我们业务各个方面的问题。
这就是为什么数据科学是我们的核心任务。
斯旺森以孟山都公司的运输管理系统（TMS）为例，说明了数据科学如何为业务提供支持。TMS 是一个端到端的物流解决方案，结合了实时监控、流程自动化、基于分析的决策制定和标准化，以整合巴西、欧洲、北美、拉丁美洲和亚洲的运输路线。通过优化效率，TMS 最大限度地提高了卡车利用率，减少了产品损失，同时还通过主动通知和交货状态更新改善了客户体验。TMS 预计每年可节省和避免近 1400 万美元的成本，同时减少 300,000 英里的行驶里程和 350 公吨的二氧化碳排放量。
斯旺森指出，TMS 的实现不仅依靠数据，还得益于企业的数字化转型。
转型的开端
孟山都早在十多年前就开始从一家农业生物技术公司向数据科学驱动型组织转型，在过去的四年中，转型步伐迅速加快。从孟山都如何开发产品、实施流程到如何为客户提供服务，这一变革已经影响到业务的所有组成部分。
斯旺森承认，要实现数据科学驱动业务决策的目标，需要整个组织进行巨大的文化变革。
这一转变始于高层。
"大约四年前，休-格兰特（孟山都公司前首席执行官）和其他高层领导开始从内部和外部认识到，数据科学不仅能推动业务发展，而且是农业的核心部分，"孟山都公司数据科学卓越中心负责人纳文-辛格拉（Naveen Singla）说。"我们的高层领导强调，数据科学不仅是一种好奇心，更是我们产品的支柱。"
数据驱动的员工队伍
数字化转型的第一步是转变员工队伍，使其更加以数据为导向。在过去的两年里，孟山都的数据科学团队已经从大约 200 人增加到 500 多人。但这些人并不都是新招聘的，甚至也不都是传统的数据科学家。Singla 指出，孟山都公司发现，对现有员工进行数据科学方法培训，可以让员工过渡到新的岗位，同时还能利用他们的技能和领域知识。
"辛格拉说："如果我们只是简单地聘用一名数据工程师或统计学家，那么这个人可能需要半年到一年的时间来了解业务。"相反，我们的生物学家、工艺化学家等已经学会了数据科学方法，现在正在这些领域从事数据科学工作或管理数据科学团队。
数据民主化
第二步是斯旺森喜欢称作的 "数据民主化"。
"斯旺森说："数据民主化是我们的行政领导层发出的行动号召，要求我们认识到，我们使用的数据不是某个人的数据，甚至不是某个部门的数据。"这些数据是公司的数据。
孟山都公司的领导人认识到，数据必须供所有人使用。他们打破了数据孤岛，促进了全公司的数据共享。他们围绕五个突出类别组织数据：产品、地点、客户、公司信息（通常是财务和人力资源相关数据）和物联网数据。通过将这五类数据连接起来，孟山都公司的数据提取和连接变得更加容易。
共享数据是孟山都智能供应链的核心，它利用数据科学来优化种子生产。通过将客户需求变化、供应预测、作物安排和环境变化等各种因素纳入其中，孟山都创建了一个标准化、自动化和强大的田间生产预测，涵盖从播种前到收获的整个季节。孟山都从改进的优化中获益，而客户则从孟山都提供的改进种植决策和供应规划的能力中获益。
数据科学卓越中心
孟山都数据驱动转型的另一个关键步骤是将全公司的数据科学家联系起来。十多年前，孟山都公司聘用第一批数据科学家时，他们是为了在生物技术或育种等特定部门工作。当时，数据科学工作相互脱节，组织内为数不多的数据科学家也不了解彼此和正在开展的工作。随着孟山都从早期数据科学的成功中实现价值，数据科学家的数量和群体急剧增加，孟山都采取了几个重要步骤来打破孤岛，统一整个公司的数据科学。
实现这一统一战略的步骤之一就是创建数据科学卓越中心（DSCoE），由 Singla 领导。通过 DSCoE，数据科学家们在单一平台上进行开发时密切合作。"辛格拉说："除了提高对彼此工作的认识外，通过 DSCoE 的密切合作还提高了工作的严谨性，同时加快了工作进度。
规模和速度的提高在孟山都的玉米研发管道中显而易见。孟山都公司的研究人员利用十多年的数据，正在使用一种基于机器学习的产品，帮助准确预测数千种种子第一年在田间的表现。这使他们能够评估的玉米品种比过去多出约五倍，节省了数百小时的研究时间。
数据扫盲
改善数据科学家之间以及数据科学家与业务之间联系的方法之一是提高整个组织的数字素养。孟山都与 Coursera 和 DataCamp 合作开发了一个学习平台，帮助提高所有员工的数字敏锐度。通过该学习平台，公司鼓励员工探索 R 和 Python 等在线程序。
此外，孟山都公司还通过定期的内部活动鼓励员工。辛格拉说，在去年的一次黑客马拉松活动中，各小组集中讨论了一个分子育种问题，与工作无关的人提出了一个想法，现在这个想法已经被实验室采纳。
"辛格拉说："孟山都通过让人们接触新技术来解决问题，获得了不可估量的价值。"在我们的模型中结合不同的背景和思维，往往能让我们取得非常有创意的成果。
敏捷方法
"实验概念 "是孟山都公司数字化转型的最后一步。大约三年前，斯旺森的 IT 组织采用了敏捷方法进行软件开发。敏捷方法包括迭代、反馈和持续改进。同样的思维方式也适用于如何将数据科学纳入业务决策。
"Singla 解释说："我们不断将实验引入流程。"我们倾听客户的声音，并向他们学习，无论是公司内部的同事还是田间地头的农民。根据从他们那里学到的东西，我们重新定义。
利用丰富的新数据机会改善客户体验是气候公司 FieldViewTM 平台的宗旨。农民--无论是手工还是电子方式--都会记录数据。气候公司的工具使农民能够优化他们的数据，发现支持成功收获的新见解。决策不再基于逐块田地的评估，而是转向逐尺数据的收集和分析。
转型之旅
尽管斯旺森和辛格拉都对孟山都取得的进步感到高兴，但他们都对数据科学将继续产生的影响充满热情。斯旺森提到，世界人口迅速增长，再加上气候变化的挑战，因此需要继续推动数据科学在农业中的应用。
Singla 分享了 Climate 公司如何利用人工智能在田间诊断玉米疾病。机器学习模型利用 50,00 多张病害和压力图像诊断出九种关键的玉米病害，成功概率非常高。有了这种能力，农民只需拍摄一张作物照片，就能获得病害诊断结果，并在病害影响产量之前采取行动。
"斯旺森说："使用预测建模和分析技术使孟山都公司能够更快、更远地扩展我们的研究。"从预测消费者对产品口味的偏好，到与气候学家合作模拟不断变化的气候对农业的影响，我们希望现在就投资于农民 10 年、20 年或 30 年后所需要的产品"。
文章来源：Oracle Blogs 编译：Cam@novoseed
