
聚焦聚力 推进农业大数据发展应用
大数据是信息化发展的新阶段。对此,我们应审时度势、精心谋划、超前布局,推动实施国家大数据战略,加快完善数字基础设施建设。
其中,推进农业大数据发展应用是一个重要方向,是建设农业农村现代化、实施乡村振兴战略的有力抓手。必须紧跟大数据时代步伐,抓紧推动农业大数据建设,以此牵引农业农村信息化发展,抢占农业农村现代化的制高点,推动我国从农业大国走向农业强国。
深刻认识加快推进农业大数据发展应用的重要性和紧迫性
农业农村信息化发展取得显著进展 但面临诸多新形势新问题
当前,信息革命已经从数字化、网络化进入到以数据深度挖掘与融合应用为特征的智慧化阶段。大数据发展日新月异,引领了社会生产新变革,创造了人类生活新空间,拓展了国家治理新领域,极大提高了人类认识世界、改造世界的能力,深刻改变着全球经济格局、利益格局、安全格局,已经成为引领创新、驱动转型的先导力量,是世界主要大国的国家战略重点和优先发展方向。
我国大数据发展和应用已取得显著成效,与世界发达国家的差距明显缩小,成为全球第二大数字经济体。据统计,2016年,我国数字经济总量达到22.58万亿元,占GDP的比重达30.3%,成为经济增长的新动能。经过20多年的快速发展,我国互联网从无到有、从小到大、由弱到强。截至2017年6月,我国网民规模达到7.51亿,互联网普及率达54.3%,超过世界平均水平4.6个百分点。
在这一时代背景下,我国农业农村信息化发展取得显著进展。农业电子商务迅猛发展,农产品电子商务网络零售总额高速增长,2016年达到1589亿元;信息进村入户工程经过3年试点,目前已进入整省推进的新阶段,到2017年底,或建成益农信息社超过8万个;农业物联网区域试验示范扩大到9个省份,相继推出了426项农业物联网新产品、新技术和新模式;农业部制定印发了推进农业农村大数据发展的实施意见,组织对8个农产品单品种大数据进行试点,遴选认定了38项农业农村大数据实践案例;已经认定三批共210家全国农业农村信息化示范基地;推进政务信息资源和网站整合的力度亦前所未有。更为可喜的是,一些互联网、大数据企业纷纷进军农业农村这片蓝海。这些都为农业大数据的发展应用探索了路子,奠定了基础。
还要看到,我国农业大数据发展应用正面临诸多新形势、新问题。我国农业农村信息化与发达国家和其他行业相比,总体上仍相对落后,尤其是农业大数据发展应用还处于起步阶段。
具体来看,农业大数据科技创新尚处于“跟跑”阶段,自主创新能力还很薄弱,核心技术和关键设备主要依赖进口;农业数据资源最为丰富,但目前远未得到充分挖掘和应用,数据资源体系亟待加快构建和完善;在数据资源的共享开放和开发利用上,普遍存在不愿、不想、不敢共享开放的问题,主动开放让社会主体进行二次开发应用的体制机制还存在很多障碍;大数据与现代农业发展、农村社会治理融合度不高,对优化配置资源要素、推进农业供给侧结构性改革的潜力还远未挖掘,对提升农村社会治理能力的作用还远未发挥;对农业数据安全的认识有待深化,农业网络安全防护体系亟待强化和完善;网络传播和信息服务在打破农民封闭意识、提升农民素质、增强农民信息化应用技能等方面的作用,还需进一步释放。
准确把握农业大数据的发展内涵
数据是新型生产要素和社会财富 是国家重要的基础性战略资源
截至目前,大数据还没有一个统一、准确、权威的定义,但国际上已经达成了基本共识。从定义内涵看,麦肯锡认为,大数据是指规模超过现有数据库工具获取、存储、管理和分析能力的数据集,并同时强调并不是超过某个特定数量级的数据集才是大数据;美国国家标准与技术研究院认为,大数据是指具备海量、高速、多样、可变等特征的多维数据集,需要通过可伸缩的体系结构实现高效的存储、处理和分析;我国《促进大数据发展行动纲要》认为,大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合,正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析,从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。
从发展进程看,大数据是互联网延伸及物联网、移动互联网、云计算等现代信息技术低成本化驱动的自然现象。从应用方式看,大数据正在创新甚至颠覆传统统计方法,由过去的随机样本变为全体数据,由精确求解变为近似求解,由因果关系变为关联关系。应用超前于理论。从运用价值看,大数据是认识复杂系统的新思维新手段,是促进经济转型增长的新引擎,是提升国家综合能力和保障国家安全的新利器,是提升政府治理能力的新途径。大数据的核心功能在于预测。从战略意义看,数据是新型生产要素和社会财富,具有取之不尽、用之不竭、越用越有价值的特性。
大数据已成为国家重要的基础性战略资源,是新的基础设施。工业时代的“铁公机”带来的是“乘数效应”,而大数据带来的将是“幂数效应”,对适应把握引领经济发展新常态、推进供给侧结构性改革、建设现代化经济体系、实现国家治理体系和治理能力现代化具有极其重要的意义。
明确推进农业大数据发展应用的重点任务
加强基础设施建设 构建农业数字资源体系 加大科技创新和成果转化应用力度 强化政务信息资源整合落地 提升网络安全保障能力
农业大数据建设是一个系统工程,是一项长期而艰巨的任务。对此,既要做好顶层设计,又要坚持问题导向,以应用成效为检验标准,找准切入点。当前,结合农业大数据发展应用的现状和需求,应当主要抓好以下几项重点任务。
一是加强大数据基础设施建设。要加强农业大数据的“云”“网”“端”基础设施建设,既包括国家农业大数据平台、重要信息系统等软件基础设施建设,也包括互联网、物联网等网络基础设施建设,还包括安装在田间地头的传感设备、移动终端等硬件基础设施建设。
二是加快构建农业数字资源体系。全面提升数据采集、传输、存储、处理、利用、安全保障等能力,加强农业大数据标准化体系建设,加快形成跨层级、跨地域、跨系统、跨部门、跨业务的农业数字资源体系。现在最基础、最关键的是要解决没有数据这个最大“短板”。
三是加大农业大数据科技创新和成果转化应用力度。推动有关部门、科研教学单位加强农业大数据学科建设、重点实验室建设和重大科技攻关,积极争取将农业大数据发展应用纳入数字农业工程项目和现代农业产业技术体系。要与有关科研教学单位、大数据企业合作,启动开展数据挖掘、深度学习、关联分析、管理与处理等农业大数据核心关键技术开发应用,推出系列农业大数据产品,创新完善农业大数据推广和服务方式。
四是强化政务信息资源整合落地。加快建立农业数据资源共享开放和开发利用的制度机制,深入推进业务融合、数据融合,打通“互联网+政务服务”的数字大动脉,真正实现用数据说话、用数据决策、用数据管理、用数据创新。同时,要深入推进网站整合,推动农业新媒体的建设和创新。
五是提升网络安全保障能力。按照网络安全与建设同步规划、同步实施、同步落实的要求,全面加强基础设施、信息系统、数据资源的网络安全保障体系建设。同时,要应用大数据技术,提升重大舆情监测能力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28