跳到内容
    bayer-white

    通过创新和可持续性帮助农民更有效地种植作物

    测试更多的种子变种, 用更少的土地生产更多的种子, 为客户提供更好的服务,同时创造更多的公司价值.

    拜耳数据科学

    它的历史可以追溯到一个多世纪以前, 拜耳一直将创新视为其实现提高农民收成使命的关键,以平衡人类需求与地球有限资源之间的关系. 拜耳, 世界领先的农产品供应商, 以数据科学为核心, 支持用例,如最大化作物产量, 改善客户体验, 优化供应链运作. 数据科学的输出是一个模型. 通过拜耳500多个强大的数据科学社区建立的模型,帮助改善了100多个决策, 该公司例证了模型驱动的含义.

    拜耳已经将Domino作为其“science@scale”数据科学平台的一部分,以进一步增强可见性和协作, 加速数百个同时进行的项目和多个业务部门的研究步伐. 这个平台对商业产生了巨大的影响. 再加上对企业范围的数据战略和数字平台的投资, 拜耳通过降低货物成本和提高运营效率,实现了显著的成本节约.

    机会

    拜耳拥有开发新产品的多年研究渠道, 包括最大限度地提高作物产量的种子,并提供保护,免受害虫和除草剂的侵害,这些都是打击田地里破坏产量的杂草所必需的. The process is expensive and time-consuming; there is little margin for error.

    “每年, 在每个半球的生长季节,mg老虎机游戏大厅都有一次机会来收集mg老虎机游戏大厅培育的种子的数据,Naveen Singla解释道, 拜耳卓越数据科学中心负责人. “mg老虎机游戏大厅管理着数量惊人的数据,以帮助产生高质量的结果, 但mg老虎机游戏大厅也知道,总有机会改善mg老虎机游戏大厅管理和利用数据的方式.”

    Domino简化了全球企业用户的工作, 使用不同的工具,拥有不同的背景和技能, 互相合作, 利用过去的工作, 迅速和协作.

    Naveen Singla,拜耳卓越数据科学中心负责人

    该公司在农业生产过程的每个阶段都采用高度复杂的模型, 从早期育种到田间试验, 在保护环境资源的同时,提高产量最大化的突破概率和速度.

    拜耳在他们的数据科学之旅中很早就意识到管理开发, 生产, 对模型的持续改进需要一种不同于围绕软件工程和数据管理的既定学科的方法. 拜耳开始开发内部, 基于云的数据科学平台,称为“science@scale”,以获取数据,并提供对广泛使用的数据科学工具的访问. 而平台加速了数据分析, 模型的独特特性需要额外的协作.

    模型的构建方式不同,它们服务于不同的目的.

    不像软件工程或数据管理, 模型(以及拜耳的业务)需要一种基于研究的方法,包括不断的探索, 迭代, 和敏捷性. 它们是概率性的,而不是确定性的. The nature of data scientists’ work is experimental and collaborative; models must constantly be tracked, 重新训练, 并不断迭代以反映变化的数据和其他导致模型漂移的因素.

    拜耳有机会增强和扩大其基于研究的方法,以便在其全球数据科学社区取得更大的成功.

    模型有不同的成分.

    数据科学工具和技术的前景——i.e. 模型中的“成分”是非常异质的,并且不断演变. 数据科学平台必须提供灵活性, 敏捷性, 以及可伸缩性,以支持动态工具环境和不同的技能集和首选项. 快速迭代再培训模型的能力, 验证, 部署对拜耳来说是“必须的”.

    science@scale解决方案包括RStudio、jupiter、瓶等.,迎合适应现代软件编程范式的数据科学家. Domino为拜耳更广泛的数据科学社区提供了对大数据技术栈的更方便的访问, 这对拜耳多元化的研究团队产生了积极的影响,同时也带来了商业价值.

    mg老虎机游戏大厅需要一个平台,可以抽象出复杂性,并允许所有用户进行大规模分析, 利用现代技术堆栈,从数据中获得更好的见解,”Singla说.

    多米诺效应

    拜耳领导层发现了用Domino增强science@scale的机会. Domino是一个专门构建的数据科学平台,支持各种工具, 自动化硬件基础设施的供应(这样数据科学家就可以并行地、大规模地运行实验), 并促进模型的快速迭代和部署. Domino提供的关键特性包括:

    • 开放灵活,易于使用:Domino允许拜耳的数百名数据科学家专注于推动创新, 使用他们喜欢的硬件, 软件, 工具, 和语言——包括RStudio, Python, 瓶, 和Shiny——集中管理. 该平台允许对大数据技术栈相对陌生的团队成员进行处理, 探索, 并使用最新的软件包对数据进行建模. 每个级别的数据科学家都有权控制自己的环境和硬件.
    • 协作:Domino不仅自动为代码版本, 而是整个实验和数据, 的环境, 讨论线程, 和必要的工件, 有意义的工作永远不会丢失,而且总是可以重现的. “能够将你当前的结果与5个实验前的结果进行比较,看看有什么变化,这是非常宝贵的,”Singla说. 全球的数据科学家可以在过去的工作基础上进行合作,而不是重新发明轮子, 数据科学的领导层对团队高效、大规模地交付业务结果的能力充满信心.
    • 采用:拜耳在science@scale中一个健壮的发现环境中设置了Domino, 通过Domino API和Shiny应用程序加速模型开发. 该公司500多名数据科学家社区中,超过75%的人现在都在积极使用Domino,而且采用情况还在继续扩大. 随着团队的壮大, 专家数据科学家在Domino中创建模板,帮助初级同事巩固和共享最佳实践.
    拜耳的数据科学之旅:使命驱动

    拜耳的大型数据科学社区是一个具有凝聚力的高效团队. 他们建立的模型既能推动农业突破,又能优化日常业务运营的效率.

    全公司的数字创新, 通过数据投资的组合实现, 平台, 和人民, 使公司在向世界各地的农民提供农产品方面实现了价值和效率.

    • 通过mg老虎机平台的平台使用机器学习, 拜耳更能理解, 建立模型并预测种子遗传的影响, 环境条件和农业实践对其供应链运作中的作物产量的影响. 产量表现取决于作物基因型和环境因素(如地形)之间的相互作用, 作物种植地点的土壤和气候条件). 利用该平台,只需在公司现有种子生产网络的最佳区域种植产品,就能显著提高种子生产产量. 这种增加既可以用来减少生产面积, 或现有生产面积的不确定性水平.
    • 而不是在在线操作中使用静态模型, 研究人员现在可以根据更新的数据流调整模型. 快速迭代, 验证, 使用Domino交付允许他们更有效地执行现场操作.
    • Domino允许拜耳的销售团队访问关于客户特定需求的更详细信息, 为了给他们的领域推荐最好的产品. 这种个性化的方法提高了客户的成功和满意度.
    • 平台自动跟踪R的完整测试记录&D项目, 并将其部署为下游系统使用的api, 允许加入团队的新成员立即做出贡献.

    Domino简化了全球企业用户的工作, 使用不同的工具,拥有不同的背景和技能, 互相合作, 利用过去的工作, 迅速和协作. 这最终导致在更短的时间内交付和部署更多的模型, 是什么让拜耳成为了一个走在农业前沿的模型驱动型公司,”Singla说.

    现在看看Domino Enterprise MLOPs平台可以为您做些什么