京公网安备 11010802034615号
经营许可证编号:京B2-20210330
农业大数据应用案例启示_数据分析师
随着大数据与农业的深度融合发展,以前依靠传统方法不能解决的诸多问题也会迎刃而解。当大数据在IT行业风生水起之时,传统行业的应用也许才是大数据的落地所在。
以下案例也许对于中国的农业投资有所启示。
一、天气意外保险公司(The ClimateCorporation)
The Climate Corporation为农业种植者提供名为TotalWeatherInsurance (TWI)、涵盖全年各季节的天气保险项目。本项目利用公司特有的数据采集与分析平台,每天从250万个采集点获取天气数据,并结合大量的天气模拟、海量的植物根部构造和土质分析等信息对意外天气风险做出综合判断,以向农民提供农作物保险。公司声称该保险的特点是:当损失发生并需要赔付时,只依据天气数据库,而不需要繁琐的纸面工作和恼人的等待。该公司总部位于美国加州,已经运营6年,从GoogleVentures、Founders Fund等多家公司获得超过5000万美元的风险投资。
二、农场云端管理服务商Farmeron
Farmeron旨在为全世界的农民提供类似于GoogleAnalytics的数据跟踪和分析服务。农民可在其网站上利用这款软件,记录和跟踪自己饲养畜牧的情况(饲料库存、消耗和花费,畜牧的出生、死亡、产奶等信息,还有农场的收支信息)。其可贵之处在于:Farmeron帮着农场主将支离破碎的农业生产记录整理到一起,用先进的分析工具和报告有针对性地监测分析农场及生产状况,有利于农场主科学地制定农业生产计划。 Farmeron创建于克罗地亚,自2011年11月成立至今,Farmeron已在14个国家建立农业管理平台,为450个农场提供商业监控服务。公司在本年度获得140万美元种子轮融资。
三、土壤抽样分析服务商Solum
Solum致力于提供精细化农业服务,目标是帮助农民提高产出、降低成本。其开发的软、硬件系统能够实现高效、精准的土壤抽样分析,以帮助种植者在正确的时间、正确的地点进行精确施肥。你既可以通过公司开发的No WaitNitrate系统在田间地头进行分析,即时获取数据;也可以把土壤样本寄给该公司的实验室,让他们帮助你进行分析。 Solum成立于2009年,总部位于美国硅谷。继2012年获得AndreessenHorowitz 领投的1700万美元投资后,已累计融资近2000万美元。
四、社区生鲜超市M6的数据化管理
连锁型的社区生鲜超市M6于8年前就开始了数据化管理,物品一经收银员扫描,总部的服务器马上就能知道哪个门店,哪些消费者买了什么。M6免费为顾客办理实名制会员卡,用户持卡结账可以享受优惠,但M6不找零,这样一来,既可以提高收银效率,又为数据分析提供基础。在一些细节上,M6的收银模块甚至比一些大商超更细致,比如,信息被扫描进系统后,顾客突然要求退掉其中一件或几件,或者整单退掉,为什么要退掉,这些信息全都被写入了后台数据库。2012年,M6的服务器开始从互联网上采集天气数据,然后,从中国农历正月初一开始推算,分析不同节气和温度下,顾客的生鲜购买习惯会发生哪些变化。
五、日本“都城”市利用云和大数据进行农业生产
日本宫崎县西南部的“都城”市已经开始利用云和大数据进行农业生产。通过传感器、摄像头等各种终端和应用收集和采集农产品的各项指标,并将数据汇聚到云端进行实时监测、分析和管理。富士通和新福青果合作进行卷心菜的生产改革。两家公司在农田里安装了内置摄像头的传感器。把每天的气温、湿度、雨量、农田的图像储存到云端。还向农民发放了智能手机和平板电脑,让大家随时记录工作成果和现场注意到的问题,也都保存到云端。卷心菜增产3成,光合作用也实现IT管理。
六、告别手工挤奶时代,机器为你代劳
在英国,大部分农场已告别了手工挤奶,自动挤奶设备普及率达90%以上。机器人的作用不仅仅是挤奶,还要在挤奶过程中对奶质进行检测,检测内容包括蛋白质、脂肪、含糖量、温度、颜色、电解质等,对不符合质量要求的牛奶,自动传输到废奶存储器;对合格的牛奶,机器人也要把每次最初挤出的一小部分奶弃掉,以确保品质和卫生。目前,英国大多数养牛和养猪、养鱼场都实现了从饲料配制、分发、饲喂到粪便清理、圈舍等不同程度的智能化、自动化管理。
在美国,挤奶同样变得简单。来自明尼苏达州AstronautA4挤奶机,不仅帮农场主可以代替农场主喂牛,还会使用无线电或红外线来扫描牛的项圈,辨识牛的身份,在挤奶时对牛的几项数据进行跟踪:牛的重量和产奶量,以及挤奶所需的时间、需要喂多少饲料,甚至牛反刍需要多长时间。机器也会从牛产的奶中收集数据。每一个乳头里挤出的奶都需要查验颜色、脂肪和蛋白质含量、温度、传导率(用于判断是否存在感染的指标),以及体细胞读数。每头牛身上收集到的数据汇总后得出一份报告;一旦A4检测到问题,奶农的手机上会得到通知。
大数据在农业生产中的应用和案例还不远如此。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17