㈠ 如何建設一個落地的農業大數據體系
從最初的出發點，農業大數據是可以利用衛星遙感、氣象和土地等數據集成天氣、病蟲害、成長監測等到種植管理計劃中，並能夠進行作物產量和生長趨勢預測；
從標准化農場的規模化和自動化產業運營的角度，農業大數據是可以結合自動化農機、IoT的智慧農業等進行輔助決策分析；
通過大數據分析和預測，可以進行農產業的產品創新和垂直市場的深入開發；
通過大數據來支撐農產品的品質控制和種植生產等數據與農產品零售和食品零售的數據交換和追溯；
基於大數據來進行農業的一二三產的價值鏈整合，誰先掌握更多的大數據誰更容易建立產業鏈的首發優勢；
通過豐富和全面的大數據來支撐農產品品牌的打造和IP化；
但是，如果只是為了農業的大數據而大數據是沒有用的，一定要結合農業的實際應用場景來採集、利用和演算法分析，也就是要讓「量」大的大數據變成「厚實」應用場景的大數據。
現在的農業大數據大多是從數據源入手，比如天上的衛星遙感、地下的土地設備等，但缺少實際的農業應用場景，導致數據很難直接進行價值轉化落地，農業的大數據不只是天上的、地下的能夠解決，更關鍵是地面部隊，地面推進。農機，也沒有實現標准化和規模化的農場或者基地，而農場和農產品的交易平台也沒有完全實現，這就意味著農業大數據的道路還很漫長。
㈡ 如何建立落地型數據分析or數據挖掘流程
如何建立落地型數據分析or數據挖掘流程？
數據工作者最長也是有效的一種工作方式是帶項目，無論是數據分析還是專項挖掘，項目制能使數據盡量貼近業務並且有效理解業務和數據的各個維度。那麼如何建立面向業務落地的數據分析（挖掘）流程？
在做本篇介紹之前，有以下幾個方向需要做一個界定，這些界定是做本篇的前提：
該項目流程是面向業務層的，直接通過模型做代碼優化或者以BI技術為方向的不同；
該項目的領導者是具有一定能力的數據分析師，需要具備業務常識、數據理解能力和專項分析挖掘能力，說白了，能接受問題並且能解決問題；
該項目是以業務落地為導向的，那些面向市場分析方向的戰略項目等不在此列。
在以上的界定下，我們放心的來談本篇的核心，我相信大多數一線的數據分析師都能適用這套流程。完整的數據分析（挖掘）流程包括：需求提報審核、商業理解、數據理解、專項分析（建模）、部署與實施優化、項目總結六大部分。
一、需求提報
任何數據分析的起點都是從業務需求開始的。在收到業務需求後，首先要做的還不是業務夠通，是考量這個需求是否可以受理。導致需求不能受理的原因包括業務需求本身是個偽命題以及目前的數據無法支撐該需求的分析。
目的：第一步需求提報的審核目的是找到最佳需求命題，並確定該命題的可行性。
輸出物料：無
周期：1天內響應
二、商業理解
商業理解包括業務語言轉化成數據語言的整個過程，目的是確定業務通過數據需要實現的具體緯度，粒度，數據范圍等，通過方案思路進行二次確認。確認思路後，會正式開始項目的數據部分工作。
目的：確認業務邏輯、數據分析需求、數據產出內容方向及分析思路。
輸出物料：分析思維導圖、測試數據
周期：2天
三、數據准備
數據准備是對即將進行的分析和挖掘工作進行預處理，包括從數據倉庫中取數，驗證數據質量，數據特徵提取，異常值處理，數據轉換，合並等，為最終的數據分析挖掘做准備。這個階段是非常費時但是重要的工作，前期這個工作做不好會直接影響數據質量。
目的：數據前期清洗。
輸出物料：數據
周期：4天
四、專項分析（建模）
經過需求確認，數據清洗之後，開始了專項數據分析和挖掘工作，包括常用的描述性數據統計、數據分類、聚類、管理、序列、規則提取等建模工作，並在專項分析或建模結束後完成模型測試工作，保持模型的穩定性和最佳擬合度。
目的：報告撰寫、模型搭建。
輸出物料：分析報告、建模流程和節點、模型評估報告等
周期：7天
五、部署與實施優化
本階段包括數據結果輸出，方式可能是郵件、會議類（通常是二者配合），在業務報告溝通中確認落地執行計劃，並安排排期和計劃方案，同時數據分析師進行數據收集，等業務執行完畢後進行效果再評估，並根據評估結果優化前期報告或模型結果。
目的：數據落地。
輸出物料：業務執行計劃、落地排期、數據落地收集計劃等
周期：14天（根據所需數據量和業務時間需求而定）
六、項目總結
在整個項目結束後，進行整體總結，反思本項目整個過程，包括前期需求溝通與確認是否清晰，中期數據處理、分析和挖掘如何優化，後期數據落地效果和建議等，對整個項目有新的認知，最終為下一次項目積累經驗。如果有必要，可以跟業務一起溝通討論本次項目的優劣得失。另外，不是所有的有效項目都是以成功結束，失敗的項目也可以為我們帶來啟發，最起碼能說明業務的邏輯或出發點不可行。
目的：經驗總結
輸出物料：項目總結報告
周期：1天
只會做挖掘、只會寫報告的數據分析師只能算一半，另一半就是如何把我們的思想、建議融入業務中，真正讓他們理解並付諸實踐。這才是數據分析師存在的真正價值。
㈢ 移動互聯網如何讓大數據「落地」，有哪些產品實例
問題補充：「大數據」這件事大家提了很久，可是真正能用好的產品少之又少。移動互聯網使得更多、更廣的數據不斷產生，它是否能真正促使大數據「落地」，變成每個人真正能享受到的服務？下面是來自知乎小夥伴maggie的回答：雲計算出現之前，傳統的計算機無法處理大量的非結構化數據，雲計算使得海量數據的存儲和快速分析成為可能，而每個人都擁有的智能終端（手機、電腦、智能設備）以及帶寬不斷增加的移動通信網路，使得海量數據的收集成為可能。大數據的核心在於「預測」，而雲計算使數據從「小樣本」轉變成有機會對所有可能的數據進行分析，預測將基於 「數據之間的關聯性」 而非 「為什麼是這樣的因果性」，我們只需要按照預測出來的趨勢去響應，使用這些結果。比如預測機票價格的走勢，並給出可信度，幫助用戶來決定什麼時間購買機票最省錢。它不用關心為什麼機票會有差異，是因為季節性還是因為其他什麼原因，它僅僅是預測當前的機票未來一段時間會上漲還是下降。如果機票價格有上漲的趨勢，系統就系統用戶立即購買機票。而原始的數據可以從機票預訂資料庫或者行業網站上扒下來。這項預測技術可以用在類似的相關領域。比如賓館預訂，商品購買等。比如通過汽車引擎的散熱和振動來預測引擎是否會出現故障。亞馬遜的推薦系統是很好的例子：亞馬遜從每一個客戶身上捕獲了大量的數據，歷史購買了什麼，哪些商品只是瀏覽卻沒有購買，瀏覽停留的時間，哪些商品是合並購買的，它要做的是找到產品之間的關聯性，感興趣的可以去搜索亞馬遜推薦引擎的專利。在中國，淘寶、支付寶擁有大量的用戶數據，還記得 「淘寶時光機嗎「 ？通過數據分析，把畢業- 戀愛- 遷移城市-結婚- 買房- 生子- 買車的人生軌跡串起來，我不敢說有多准，但是的確感動了我們。從數據中挖掘出背後的故事，這是一個非常有意思的關聯性數據挖掘嘗試。想想也挺可怕的，淘寶是個擁有海量用戶數據的平台，每天還有源源不斷地從移動終端、電腦上不斷增加的數據，如果把這些數據利用起來，不止可以做商品購物推薦，同時還可以對可能的關聯性做預測。在零售行業，銷售數據的統計分析，可以讓供應商監控銷售速率、數量、以及存貨情況，可以知道什麼貨物和什麼貨物擺在一起，放在什麼位置銷量最好，特定的季節，什麼產品銷量最高。公共設施領域，不再是隨機的巡檢，而是針對設施上報的數據以及故障發生的歷史數據、環境數據進行分析和預測，集中人力和物力優先檢查最有可能出現問題的那些設施，減少整體平均的故障發生率。大數據革命首先要把這些可以獲得的數據收集上來，包括未來可能被利用的信息。比如很多應用不管是不是需要位置信息，通常都會問你要位置信息，為未來能做出更多的智能反應做數據儲備。保險公司通過車險投保人的歷史數據（時間、地點、實際行駛路程）來為車險定價。廣告公司可以根據人們的居住地點、要去的地方，提供定製廣告，信息匯集起來可能會揭示某種發展趨勢。交通服務公司可以通過手機的位置來預測交通情況，和某個地方目前聚集了多少人。最近的 」棱鏡計劃「 ，從音視頻、圖片、郵件、文檔以及連接信息中分析個人可能對國家安全造成威脅的行動。大數據可用的領域實在是很多，具體有什麼好點子，哪些產品有機會，我覺著還得多去想和研究。總結起來，首先是數據收集，除了利用現有的數據渠道之外，還可能需要改造一些產品形態，使得數據更好地被量化和可被學習。然後是通過雲計算來做數據相關性的分析，這裡面有大量的演算法工作要去做，所以未來演算法人才是最具有技術挑戰的工種。
㈣ 如何讓大數據落地轉化時空大數據專家們精彩分享
「如何讓新新大數據勢力落地，將成果轉化成項目，實現就地轉化？」
在日前舉行的「時空大數據2021年度大會」分論壇——時空大數據產業生態協同創新論壇上，河南大學人文與建築時空大數據融合研究中心執行主任王振凱提出了這一疑問，現場的專家們圍繞這一主題進行了深入探討與交流。
全球人文與時空大數據
讓建築工程可視化
王振凱介紹，通過時空大數據平台，衍生出時空大數據集合系統。該系統集合了建築信息、地球信息、交網信息、電網信息、水網信息、市政信息、人文信息等集合系統，最終得出全球人文、建築與地理環境時空數據基礎。
簡單來說，工程可以通過時空大數據來具象化，大到建築物本身，小到建築物內一根鋼管，都能清晰可見，甚至可以見到建築物內鋼管內部。精確的時空大數據讓工程成本管控、進度管控都有跡可循。
TOD與城市時空大數據融合
建軌道就是建設城市
軌道交通帶給人民快捷速度的同時，新的擁堵問題又出現了。地鐵「建的起，養不起」的問題如何破局？如何讓交通擁堵得到緩解，同時又能賦予交通線更多的經濟價值？TOD模式由此營運而生。
「TOD模式是以公共交通為導向的開發模式（transit-oriented development，TOD）。」中鐵上海設計院集團有限公司TOD中心主任郭琳解釋，就是在規劃居民區或者商業區時，使公共交通的使用最大化的一種非 汽車 化的規劃設計方式。該模式可以同步城鎮化進程，帶動城市經濟提升。
郭琳認為，建軌道就是建設城市，經營軌道就是經營城市。軌道交通建設中會出現技術、主體、利益、主體邊界不明確，這就要破解融合。TOD模式通過大數據為未來城市提供了無限可能。未來是TOD5.0時代，通過可視化鼓勵機制，為城市碳達峰做貢獻。
一葦數智·時空大數據平台
時空大數據構建交通底座
眾合 科技 對構建軌道交通的時空大數據底座進行了實踐，一葦數智·時空大數據平台應運而生。構建數字孿生、挖掘數據價值、實現萬物互聯、賦能業務創新，是一葦數智平台四個顯著的特點。現場，浙江眾合 科技 股份有限公司研發中心總經理王廈通過示例進行了深入淺出的講解。
數字孿生，即通過一張圖可以看到地上空間和地下空間，兩者結構關系一目瞭然。同時，數字空間里還能看到空間構架的物件、供應商信息等信息，無論產品質量監控還是施工進度都可以實時跟蹤。
一葦數智平台以數據驅動業務，在四維數據的海洋中為業務挖掘更深層次的價值。王廈介紹，平台可以接入到終端設備，數據介面對外開放給合作夥伴和應用程序開發人員。
「我們願意共享平台及其內部功能與數據，與用戶、合作夥伴建立起價值的連接，所謂的萬物互聯，一切可聯通。」王廈說。
利用智能引擎，平台可向每項業務提供AI能力和模型演算法，同時為行業應用提供便捷易用的開發模板和工具。數據快速迭代為有效創新提供了支持。「早高峰的地鐵內，你可以提前知道哪節車廂比較空，從容候車避免擁擠。」王廈用這一實例介紹了一葦數智平台在賦能業務創新上所能起到的作用。
大數據助力園區管理
天集產城集團有限公司產城項目總經理李書江分享了時空大數據在園區管理上的應用。他介紹，時空資料庫分共有與私有，私有資料庫體現了建築數據、資產管理、現場施工進度、物料管理、智能化運維。智慧運維端深入園區日常需求，進行智慧園區的運營管理，全面了解園區企業基本經營情況，為企業在銀行和金融機構貸款做增信（從抵押增信到數據增信）。
此外，通過可視化界面，時空大數據還可以幫助企業進行員工打卡、門禁管理、智能管控和設備管理。平台內還能導入政務服務和其他功能性服務，助力企業完成工商注冊、財稅服務、知識產權、社保服務、法律服務等各類事項。
高效協同的時空大數據生態鏈
「每天要從家的A點到工作地B點，有多條路可以走，早晨出發可以選擇路上有早餐店和咖啡館的路線，晚上下班可以換一條路線，看看哪裡有聚餐點、哪裡有商場。這些，大數據生態鏈都可以為你作出指引。」維正集團企知道產學研科研成果轉化有限公司總經理李志慧從城市信息、物質和 社會 空間，三者連接共生數據互補出發，生動解釋了時空大數據生態鏈。
她表示，時空大數據是具有時空屬性的數據，搭建大數據集合平台，從而產生更廣泛的應用場景，引入聯盟成員，便能為大眾生態搭建出一套高效協同、開放包容的運行規律。
科技 金融助力推動時空大數據
力合金融控股股份有限公司創新基金管理總經理申康認為， 科技 和金融的結合決定了產業未來的發展，是未來時空大數據發展的關鍵。
中小企業 科技 創新具有投入高、周期長、風險高特徵，短期難以依靠自我造血實現滾動發展。中小企業融資難的根本原因在於其天然的弱質性，但傳統金融機構很難為中小型新新大數據企業賦能。力合金融利用金融支持打通發展到創新的過程，打造時空大數據產業投資基金，通過差異化服務，滿足時空大數據產業不同階段企業的投資需求，做到差異化賦能。
來源| 科技 金融時報（記者 孫俠）