京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据产业:未开放的农业之花
当前,大数据已快速发展为新一代的信息技术和服务业态,成为了国家基础性战略资源。农业农村是大数据生产和应用的重要领域之一,农业农村大数据已成为现代农业新型资源要素。
在当下全球科技、经济发展格局下,数据已经成为了一种生产力和竞争力。当前,大数据已快速发展为新一代的信息技术和服务业态,成为了国家基础性战略资源。农业农村是大数据生产和应用的重要领域之一,农业农村大数据已成为现代农业新型资源要素。
近年来,农业大数据可谓炙手可热。但相比于其他行业,农业农村大数据的采集、发布和应用仍面临着种种亟待化解的困境。
我国农业大数据尚未形成
涉及面广泛的农业大数据尤为庞大和复杂,可谓是最大的大数据。
根据农业的特点和农业全产业链切分,农业大数据可分为农业环境与资源大数据、农业生产大数据、农业市场大数据和农业管理大数据等。而从行业来看,农业的大数据则可分为成种植业、农资及养殖业等不同的行业,其中还可再细分成不同的品种和产品。
中国农业大学信息与电气工程学院教授李道亮曾在今年5月举办的中国大数据产业峰会上指出,农业大数据主要来自四个方面:物联网、生物信息数据、资源环境数据、农业统计数据。而从应用来看,农业大数据主要在五个方面:第一是基础研究,第二是农业智能生产,第三是农产品市场行情预测与物流,第四是农产品质量安全,第五是农业资源整合共享与服务平台。
李道亮告诉《中国科学报》记者,目前我国的大数据概括来说有两大类,一类是微观的,主要来自企业;另一类是宏观的,来自政府部门。
随着大数据的战略资源地位越来越凸显,不少农业领域企业纷纷布局深耕大数据,甚至由此转型。孟山都公司中国总裁在今年上半年就透露,孟山都近几年的战略方向是数据科学在农业上的应用。2014年,大北农集团提出“智慧大北农”战略,推出“三网一通”,据了解,其在全国分布了上万名业务员,记录猪场生产情况、搜集客户信息,以不断更新数据。
但李道亮也表示,无论是从政府层面来看,还是从企业层面来看,目前中国的农业大数据“还没有形成”。
“这是目前最大的问题。”李道亮告诉记者,这是长期形成的局面,短时间内很难改变。“这与我们过去不重视积累有关,也与我们的科研机制、政府部门的工作体制有关”。
2013年,农业部市场与经济信息司时任司长张合成曾撰文指出,我国在数据采集、发布、应用等方面与决策需要存在较大差距,数据采集和发布还处于初级阶段,亟须从体制层面进行改革。
根源在于缺乏完整数据体系
“现在国内农业企业在有意识地涉足大数据,但能兼顾做全产业链的企业屈指可数。”山东卓创资询集团畜牧业产业群经理李霞在接受《中国科学报》记者采访时表示。
她介绍,以畜牧业产业群为例,做全产业链的大数据意味着要从饲料原料的供需入手,到养殖、流通环节,再到下游屠宰加工环节,环环相扣,实现数据间的引用和佐证。“很多企业做的大数据大都是自己熟悉和擅长的领域。”李霞告诉记者。
在李道亮看来,目前做大数据最“热”的是在企业,打造大数据平台,既可为企业生产经营提供决策依据,同时也利于掌握数据话语权。“只有行业里的大企业才能真正形成和掌握大数据”。
在中国大数据产业峰会论坛上,李道亮总结了我国大数据面临的问题:农业大数据缺乏,大数据模型缺乏长期的积累,大数据缺乏与行业产业的结合,大数据缺乏必要的规范。
李道亮告诉《中国科学报》记者,由于条块管理等原因,各部门间数据不共享,造成了农业大数据的缺乏。“现在从政府层面来说,事实上就是在着力打破这种局面,实现资源共享,有了资源共享,才能形成大数据,才能再分析大数据。”
说到数据的积累,李霞也表示,“数据采集的工作量是非常庞大的,需要不断甄别、筛选、更新,长时间积累形成的数据才是有价值的。”
一位不愿具名的业内人士告诉《中国科学报》记者,目前中国的市场行业尤其是农业领域对大数据的分析需求和使用远不及国外。“归根到底,还是需要扎实的、高精确度的、完整的数据体系。”
人才缺口亟待补上
约半个月前,农业部印发了《全产业链农业信息分析预警第二批试点方案》,旨在通过试点,组建全产业链农业信息分析预警团队,形成分析反应快速、信息内容全面、预测判断准确的工作格局。
记者了解到,目前国家在农业信息采集和分析方面的人员“缺口很大”,且“并不专业”。
武汉工程大学管理学院的明均仁指出,当前农业信息人才队伍主要存在以下问题:专业型农业信息人才严重缺乏,农业信息人才队伍结构失衡,农业信息活动工作流程不规范,农业信息人才薪酬管理体系不健全等。
而李霞则用“断层”来形容当前相关领域的人才现状。“行业内有领衔的专家学者和国家级的信息预警分析师,”她解释道,“但是,再往下走就没有了。”
在身处农业信息采集分析一线多年的李霞看来,做信息采集和分析应该“接地气”,真正通过实地考察,了解相关的行业和产业,“相信从方法上,信息采集分析人员肯定是熟知的,但是做这项工作更为重要的是,对行业的了解,在领域内积累的资源。”李霞说。
此外,李霞认为,还需要形成好的组织架构和采集流程,“简单说,就是怎么采集、什么时间更新、怎么检查监督,这都需要一连串配套。”
明均仁建议,将农业信息化人才培养纳入我国高等教育学科培养体系,构建农业信息人才多元培养体系。
山东农业大学农业大数据研究中心常务副主任宋长青曾撰文指出,要根据农业大数据发展和现代农业应用需求,制定农业大数据技术和应用人才培养计划,建立多学科融合的协同创新团队。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27