耕联大数据

① 智慧农业项目有哪些

智慧农业项目有农业大数据、植保无人机、未来农场、农业AI技术、节水农业。

1、农业大数据

节水农业是提高用水有效性的农业，是水、土、作物资源综合开发利用的系统工程。节水农业采用喷、微灌而取消了田埂、沟渠，这样节约了土地。而且节水农业的经济效益好，它可以根据作物生长的到需求按时按量进行灌溉，增加了作物的产量。

② 大数据应用须解决三大关键点

大数据应用须解决三大关键点
大数据应用的关键点是数据来源、产品化和价值创造;数据资源分布不均，大数据应用在数据密集领域更易获得突破;须对不当的行业管理模式进行改革,以促进大数据在已有各个行业中应用。
大数据贵在应用。当前，在国家层面，国务院出台《促进大数据发展行动纲要》;在地方层面，大数据被作为区域发展战略引擎;在企业层面，各类大数据概念公司方兴未艾、蓬勃发展。我们独关注大数据应用，关注数据从哪里来、数据怎么用、成果谁买单，也就是数据来源、产品化和价值创造三个关键点。一个好的大数据应用，从技术上可能很复杂，但从业务模式上应当简单、直白、管用。我们还关注，是否存在若干"数据密集型"行业或领域，大数据应用在这些领域可能更容易开展。在产业政策方面，我们关注作为新兴业态的大数据，过去屡试不爽的做法，如给地、给钱、给项目等，是否还会继续有效?
大数据应用的三个关键点
国务院《促进大数据发展行动纲要》(简称《大数据纲要》)将大数据定位为"新一代信息技术和服务业态"，赋予大数据"推动经济转型发展""重塑国家竞争优势""提升政府治理能力"的战略功能，并将数据界定为"国家基础性战略资源"。在应用方面，《大数据纲要》在公共领域提出许多发展方向，如宏观调控科学化、政府治理精准化、商事服务便捷化、安全保障高效化、民生服务普惠化;在产业层面，主要按行业领域划分为工业大数据、新兴产业大数据、农业农村大数据、万众创新大数据，以及大数据产品体系和大数据产业链。这些方向，只是大数据应用的潜力和空间，能不能应用起来，能不能发挥作用，还得看有没有可行模式和实际效果。无论是在公共领域还是在产业层面，大数据应用都离不开数据来源、处理技术和方法、创造价值的模式，这是我们关注的重点。概括来说，需要回答下面三个看似简单、却是关键的问题。(一)数据从哪里来关于数据来源，普遍认为互联网及物联网是产生并承载大数据的基地。互联网公司是天生的大数据公司，在搜索、社交、媒体、交易等各自核心业务领域，积累并持续产生海量数据。物联网设备每时每刻都在采集数据，设备数量和数据量都与日俱增。这两类数据资源作为大数据金矿，正在不断产生各类应用。国外关于大数据的成功经验介绍，大多是这类数据资源应用的经典案例。还有一些企业，在业务中也积累了许多数据，如房地产交易、大宗商品价格、特定群体消费信息等。从严格意义上讲，这些数据资源还算不上大数据，但对商业应用而言，却是最易获得和比较容易加工处理的数据资源，也是当前在国内比较常见的应用资源。在国内还有一类是政府部门掌握的数据资源，普遍认为质量好、价值高，但开放程度低。《大数据纲要》把公共数据互联开放共享作为努力方向，认为大数据技术可以实现这个目标。实际上，长期以来政府部门间信息数据相互封闭割裂，是治理问题而不是技术问题。面向社会的公共数据开放愿望十分美好，恐怕一段时间内可望不可及。在数据资源方面，国内"小数据""中数据"应用并不充分，试图一步跨入大数据时代，借机一并解决前期信息化过程中没能解决的问题，前景并不乐观。另外，由于中国互联网公司业务主要在国内，其大数据资源也不是全球性的。数据从哪里来是我们评价大数据应用的第一个关注点。一是要看这个应用是否真有数据支撑，数据资源是否可持续，来源渠道是否可控，数据安全和隐私保护方面是否有隐患。二是要看这个应用的数据资源质量如何，是"富矿"还是"贫矿"，能否保障这个应用的实效。对于来自自身业务的数据资源，具有较好的可控性，数据质量一般也有保证，但数据覆盖范围可能有限，需要借助其他资源渠道。对于从互联网抓取的数据，技术能力是关键，既要有能力获得足够大的量，又要有能力筛选出有用的内容。对于从第三方获取的数据，需要特别关注数据交易的稳定性。数据从哪里来是分析大数据应用的起点，如果一个应用没有可靠的数据来源，再好、再高超的数据分析技术都是无本之木。(二)数据怎么用数据怎么用是我们评价大数据应用的第二个关注点。大数据只是一种手段，并不能无所不包、无所不用。我们关注大数据能做什么、不能做什么，现在看来，大数据主要有以下几种较为常用的功能。追踪。互联网和物联网无时无刻都在记录，大数据可以追踪、追溯任何一个记录，形成真实的历史轨迹。追踪是许多大数据应用的起点，包括消费者购买行为、购买偏好、支付手段、搜索和浏览历史、位置信息，等等。识别。在对各种因素全面追踪的基础上，通过定位、比对、筛选，可以实现精准识别，尤其是对语音、图像、视频进行识别，使可分析内容大大丰富，得到的结果更为精准。画像。通过对同一主体不同数据源的追踪、识别、匹配，形成更立体的刻画和更全面的认识。对消费者画像，可以精准推送广告和产品;对企业画像，可以准确判断信用及风险。提示。在历史轨迹、识别和画像基础上，对未来趋势及重复出现的可能性进行预测，当某些指标出现预期变化或超预期变化时给予提示、预警。以前也有基于统计的预测，大数据大大丰富了预测手段，对建立风险控制模型有深刻意义。匹配。在海量信息中精准追踪和识别，利用相关性、接近性等进行筛选比对，更有效率地实现产品搭售和供需匹配。大数据匹配功能是互联网约车、租房、金融等共享经济新商业模式的基础。优化。按距离最短、成本最低等给定的原则，通过各种算法对路径、资源等进行优化配置。对企业而言，提高服务水平、提升内部效率;对公共部门而言，节约公共资源、提升公共服务能力。当前许多貌似复杂的应用，大都可以细分成以上几种类型。例如，贵州推行的"大数据精准扶贫项目"，从大数据应用角度，通过识别、画像，可以对贫困户实现精准筛选和界定，找准扶贫对象;通过追踪、提示，可以对扶贫资金、扶贫行为和扶贫效果进行监控和评估;通过配对、优化，可以更好地发挥扶贫资源的作用。这些功能也并不都是大数据所特有的，只是大数据远远超出以前的技术，可以做得更强大、更精准、更快、更好。(三)成果谁买单成果谁买单是我们评价大数据应用的第三个也是最后一个关注点。道理很简单，不创造价值的应用不是好应用。我们关注大数据的应用是否实实在在地提升了能力、改善了绩效。如果大数据用于自身的产品设计、营销推广、资源配置，那就看企业竞争力是不是提升了，看企业最终是不是比以前更赚钱了。如果大数据用于为第三方提供服务，那就看是不是有人愿意付费、愿意持续付费。但如果是用于公共领域，还要看政府或公共部门的付费值不值，不仅仅是从出资方的视角看值不值，还要从老百姓的视角看值不值。当我们面对一项大数据应用时，只要简单问一问上面三个问题--数据从哪里来、数据怎么用、成果谁买单，就能揭开许多"伪装"。当然，如果经得起上述"大数据三问"，也并非一定算得上优秀，却也离优秀的大数据应用不远了。寻找数据密集型领域既然大数据被视为一种资源，那就要考虑资源分布的问题。一般而言，资源分布是极不均匀的，如水、矿产、耕地、能源等自然资源;人力资源和知识的分布更是不均。大数据是否也存在分布不均的问题?发展大数据产业是否真的能弯道超车?这些问题值得深入思考。与可以探测的自然资源不同，数据资源分布难以定位和刻画。不过，可以用大数据人力资源分布状况来间接反映大数据应用在地区、行业间的差异，哪些行业、哪些地区大数据人力资源密集，这些行业和地区就可以看作是数据密集的。我们对两家主流招聘网站"前程无忧"和"智联招聘"2014年下半年以来发布的招聘信息进行筛选，得到两家网站两年来共发布相关信息涉及企业22.7万家，职位100.7万个，数据量确实足够"大"。通过分地区、分行业进行汇总分析，结果显示大数据人力资源分布极不均匀，各地区、各行业差异极大。不过，确切来说，通过招聘网站反映的是人才需求情况，并不是严格意义上的人力资源存量分布情况，但这两者是紧密相关的。从大数据相关岗位工作地来看，北京、广东、上海三地高度密集，遥遥领先于其他地区。三地相加，发布招聘信息企业数在两家网站占到52.35%和47.48%，职位数占到61.23%和56.74%。可以推测，大数据人力资源的半壁江山都集中在这三个地方，这与我们平时的直观感受是高度一致的。在这三个地方之外，我们关心是不是地方政府重视大数据产业、将大数据作为区域经济发展引擎，就可能促进人力资源集聚，就可能超越与自己相似经济发展水平的其他地区。从数据反映情况看，至少目前还看不到这样的结果，这揭示出人力资源结构是后发地区发展大数据产业最需要弥补的短板和最难克服的困难。改变一个地方人力资源构成的难度要远远大于改变地面建筑面貌，要么需要一个长期的过程，要么需要一个独特的制度。即便在同一省份内，大数据人力资源分布也极为不均。例如在广东，单深圳一市就大体占到了全省的一半。再加上广州，竟然能够达到九成。其他地方，即使经济实力不俗，但与深圳、广州相比，在大数据人力资源方面相差甚远。这再次表明，大数据人力资源分布是极不均匀的。显然，大数据人力资源密集地区发展大数据产业的基础要优于人力资源贫瘠的地区。从城市排名看，北上深广可以视作大数据人力资源需求密集的一线城市，杭州、南京、成都、武汉、西安等可以看作二线城市。大数据人力资源分布与城市经济实力、活力乃至房价水平都是大体一致的。从行业分布看，对大数据人力资源的需求分布更不均匀，主要集中在互联网、信息技术及计算机相关行业。这充分说明了大数据是互联网或IT产业的一部分，是在原有基础上的新发展。这些行业是典型的"数据密集型"行业，是大数据产业发展的摇篮。金融是另一个特别重要的"数据密集"领域。金融行业既是产生数据尤其是有价值数据的基地，又是数据分析服务的需求方和应用地。更为重要的是，金融行业具备充足的支付能力，将是大数据产业竞争的重要战场。许多大数据是通过在金融领域的应用辐射到了各个行业。除此之外，电信、专业服务(如咨询、人力资源、财会)、教育培训、影视媒体、网络游戏等，相对而言也是当前数据较为密集的行业。《大数据纲要》几乎面面俱到地对所有行业和领域都规划了大数据应用的广阔前景，但数据资源分布极为不均，在"数据密集"领域的大数据应用，取得市场成功的可能性较大。大数据需要什么样的产业政策大数据应用需要什么样的产业政策?从应用的角度来看，大数据并非一个全新的产业，而是与已有产业融合，对已有模式的改造、升级和替代。制约大数据发展的往往并不是大数据本身，而是大数据所应用的行业和领域原本存在的问题，如行业管制、行政垄断、要素不能自由流动，等等。因此，促进大数据发展，用给地、贴钱、上项目的方法，并不能解决根本问题。要从大数据应用领域角度，对不当的行业管理模式进行改革，对既有利益格局进行调整，使大数据应用具备必要的条件。即使在企业内部，大数据应用也不仅仅是个技术问题，而是涉及业务流程重组和管理模式变革，是对企业管理能力的一个考验。金融、电信、教育、影视媒体等"数据密集型"行业，既是大数据应用潜力巨大的领域，也是迫切推进行业改革的重点领域。另一方面，大数据的应用也可以为行业改革提供技术支撑，能以更有效的技术路线实现行业发展目标。
大数据应用需要的产业政策其实就是市场经济下各个行业发展所应有的政策，如放开准入、公平竞争、减轻企业负担、消除企业所有制歧视、消除企业规模歧视，等等。只有在一个开放的产业环境中，大数据才能在这些产业得以有效运用。一个地方若要在金融、医疗、教育等领域大力推动大数据运用，最管用的政策就是对这些行业进行有力的改革。

③ 大数据应用现状 从发现价值到创造价值

大数据应用现状：从发现价值到创造价值

从发现价值到创造价值， 大数据将成为“互联网+” 产业升级的驱动力。 过去，数据的价值主要应用在决策领域，典型应用是商业智能(BI, Business Intelligence)在企业经营管理层面的应用， 即通过数据收集、管理和分析等方法，将数据转化为知识， 发现数据的价值，进而提供决策支持。随着数据体量的不断增加和处理数据能力的提升， 大数据已经成为一类新的资产， 其应用场景正在不断扩宽，除了决策支持、 提高效率等发现价值功能之外，大数据还能创造价值的功能： 一方面，大数据可以帮助提供传统模式下所无法提供的产品， 满足用户需求， 例如大数据完善个人征信体系，帮助金融机构提供消费金融产品；又如千方旗下的掌城科技通过浮动车模型提供实时交通信息服务；另一方面，大数据还可以创造需求， 例如，大数据可以助力实现人工智能， 这是新技术创造的新需求。

大数据延伸 BI 内涵， 提高企业效率

大数据分析结果为企业经营决策提供支持，帮助企业提高效率，这实际上是传统 BI 范畴的延伸。 在人口红利逐渐消失的背景下， 我国企业传统的粗放型模式受到了 越来越大的挑战， 互联网与产业结合背景下的大数据应用将有助于提升企业经营管理效率，助力企业经营从粗放型向集约型转型， 实现产业升级。

大数据促进商业智能的加速发展，这是因为：第一，大数据的分析过程和结果更具有灵活性、可靠性和价值性；第二，大数据的存在提高了企业的商业智能意识， 引导企业主动寻求商业智能的帮助。一些大型企业往往拥有几十个甚至数百个信息系统，其所包含的大量数据反映了企业的日常经营情况，若能加以分析和利用，将为企业创造巨大的价值。

目前，大数据应用可以帮助企业实现户关系管理、盈利能力分析、控制成本、衡量绩效等功能：

客户关系管理（CRM）：通过客户信息统计，使企业有针对性的根据客户需求来定制产品和服务，提高客户忠诚度，还可以通过分析偏好挖掘潜在客户；

赢利能力分析：帮助企业分析利润来源、各类产品赢利能力、费用支出是否与销售成正比等；

控制成本：根据统计信息优化流程，如降低库存、减少损耗等，助于企业控制成本；

绩效管理：利于商业智能确立对员工的期望，帮助他们跟踪并管理其绩效。

麦肯锡调查显示， 数据挖掘的商业价值巨大， 大数据在美国医疗行业每年能提高 0.7%的生产力，创造约 3000 亿美元的价值；在欧洲公共管理部门 ，每年能提高 0.5%的生产力，创造 2500 亿欧元的价值；在美国零售业，每年能提高 0.5%-1.0%的生产力 和 60%的净利率。

大数据满足需求， 市场空间巨大

大数据可以帮助提供过去所无法提供的产品， 满足用户需求。 这种模式在传统产业中比较常见， 过去，一些行业的用户需求虽然存在， 但是由于缺乏有效的技术手段，导致市场参与者无法提供合适的产品迎合市场需求。大数据技术兴起后，将带动一系列创新产品推出市场， 这在各行各业都能找到案例，考虑到传统产业的广度，这将是是一个正在挖掘的巨大市场。

以交通领域的实时交通信息服务和车险定价为例，这两个细分领域的需求本来就存在，但在大数据兴起之前，传统模式无法提供最优的产品，而大数据技术下的产品优化可以更好的满足需求，提高用户体验。

千方科技旗下掌城科技通过大数据技术提供实时交通信息服务。 掌城科技通过向出租车公司和公交车公司购买数据、 向政府部门臵换数据、利用千方自有数据的形式汇集城际交通数据， 基于浮动车的算法模型，对数据进行二次开发，以建立实时交通信息服务平台。 目前， 掌城科技运营着北京、上海等全国 30 余个大中城市的实时路况信息，准确率极高。 目前，千方已将交通数据收集从城际交通扩大至整个陆路交通和航空等领域，目标通过大数据技术提供更加全面的公众智慧出行服务。

大数据技术将参与车险定价，使定价更加科学。随着车联网的兴起，OBD（On-BoardDiagnostic车载诊断系统）等联网的车载设备，成为车联网中的智能节点，连接运动中的人、车和道路环境，读取行车数据，从而分析出车辆能耗、故障等车况信息以及驾驶者的行车习惯：通过G-sensor监测车主的诸如急刹车、急加速和急转弯等危险行为，通过破解Can-bus协议监测车主的诸如转弯不打灯、驻车不拉手刹等不良驾驶习惯，通过GPS获取车辆的位臵信息和里程数据，这些数据将改善车险定价技术与核保政策，提升精准定价能力。

大数据创造需求，拓宽市场边界

大数据创新产品拓宽市场边界， 供给创造需求。 大数据创造价值功能， 除了提供产品满足市场已经存在的需求外， 基于大数据的新产品还将创造新供给，带动新需求， 打破原有的市场边界，想象空间巨大：

一方面大数据能够前所未有的精准洞悉现在，深入挖掘现有商业价值：

例如 Airbnb 拥有海量的独有数据，包括旅游地、用户评论、房源描述、社区信息等， Airbnb还有一支队伍去各地和当地人交流，搜集所有的相关历史数据。当用户在搜寻一个住宿的地方时， Airbnb 利用大数据分析通过 Airbnb 社区告诉未来的客人哪里是更好的住宿地，甚至能够帮助用户更深入地了解某个地点，包括地理信息无法描述的文化或宗教上的区分。 Uber 则是利用地理位臵和其用户的综合数据，大大缩短司机开着空车去接下一位乘客的时间和乘客等待的时间。

另一方面大数据能够空前准确的预测未来，从而能获得前瞻性的商业价值：

例如社交数据分析公司 Topsy 准确预测了 iPhone 4S 上市后的市场表现，同时还成功预测美国大选结果和奥斯卡颁奖结果。它在商业分析、市场销售、新闻等领域拥有很高价值，因而苹果以 2 亿多美元的价格收购 Topsy。

大数据产业链分析

大数据产业链的主要参与方

大数据产业链可以分为四个部分： 数据采集和整合、数据存储和运算、数据分析和挖掘、数据应和消费。数据采集和整合是指通过技术手段从互联网、 移动终端、 物联网、 应用软件等采集数据，然后把数据按照一定的规则进行存储和运算，再按照需求调用数据并进行智能分析和挖掘，将数据转化成价值信息或者产品，为决策支持、提升效率、 创新产品提供依据。

数据资产开始成为核心资源

拥有数据，大数据时代的王者。在大数据时代， 数据资产已经成为核心资源， 2012 年，奥巴马政府明确提出 将“大数据战略”上升为国家意志，并将数据定义为“未来的新石油”， 因此，拥有数据可谓是大数据时代的王者。 拥有数据的机构可以分为三类：

一是既有数据、 又有大数据思维的互联网公司，如阿里巴巴、腾讯、京东、 Google、 Amazon等，在互联网端积累了大量的数据资源，而且此类公司 IT 起家， 对大数据有天生敏锐的嗅觉， 大数据技术也相对成熟， 因此，互联网公司 可谓是最早使用大数据的机构，成为大数据应用的先行者；

二是传统软件公司转型互联网，通过 SaaS 模式为用户提供服务， 例如用友软件推出畅捷通，以云模式为小微企业提供财务管理应用， 也可以认为是既有数据、 又有大数据思维的模式；

三是拥有数据，缺乏大数据思维的机构，这类机构手里掌握着大量的数据，但是没有能力自己有效利用， 例如金融机构、 运营商、政府部门等。

使用数据，数据变现的推动者。对于手里掌握大量数据，但没有能力变现的机构而言，需要专业的第三方公司提供大数据服务，主要是各类 IT 咨询机构和行业应用软件厂商，尤其是行业应用软件厂商， 在各自的领域具有天然的卡位优势： 软件公司提供了行业应用软件和相关的运营维护， 行业应用软件本身就是重要的数据来源，软件公司 属于不拥有数据，但可以接触到数据的机构， 且天然拥有大数据思维和大数据技术，以及良好的行业客户关系，从信息系统建设延伸到大数据运营顺理成章。因此，各个细分行业的应用软件提供商有望成为传统拥有数据机构的重要合作伙伴， 助力其探索大数据价值变现。

大数据技术是重要生产力

大数据应用好坏的关键除了 数据本身，还在于大数据技术， 大数据技术包括数据采集、数据存取、基础架构、数据处理、统计分析、数据挖掘、模型预测、结果呈现等环节，涉及的技术环节极广， 随着数据体量增大和数据复杂性程度提高，大数据技术本身也处于快速迭代的发展过程中。值得一提的是，大数据技术落地的一大重要因素在于如何实现技术与业务的融合， 这背后需要深厚的业务理解， 对于既有数据、 又有大数据思维的互联网公司 来说，技术和业务本身是相互驱动、共同发展的， 对于拥有数据，缺乏大数据思维的机构而言， 在行业深耕多难的应用软件提供商则是最好的选择。

以上是小编为大家分享的关于 大数据应用现状 从发现价值到创造价值的相关内容，更多信息可以关注环球青藤分享更多干货

④ 大数据可以应用在哪些方面

可以应用在云计算方面。

大数据具体的应用：

1、洛杉矶警察局和加利福尼亚大学合作利用大数据预测犯罪的发生。

2、google流感趋势(Google Flu Trends)利用搜索关键词预测禽流感的散布。

3、统计学家内特.西尔弗(Nate Silver)利用大数据预测2012美国选举结果。

4、麻省理工学院利用手机定位数据和交通数据建立城市规划。

5、梅西百货的实时定价机制。根据需求和库存的情况，该公司基于SAS的系统对多达7300万种货品进行实时调价。

6、医疗行业早就遇到了海量数据和非结构化数据的挑战，而近年来很多国家都在积极推进医疗信息化发展，这使得很多医疗机构有资金来做大数据分析。

7、及时解析故障、问题和缺陷的根源，每年可能为企业节省数十亿美元。

8、为成千上万的快递车辆规划实时交通路线，躲避拥堵。

9、分析所有SKU，以利润最大化为目标来定价和清理库存。

10、根据客户的购买习惯，为其推送他可能感兴趣的优惠信息。

(4)耕联大数据扩展阅读：

大数据的用处：

1、与云计算的深度结合。大数据离不开云处理，云处理为大数据提供了弹性可拓展的基础设备，是产生大数据的平台之一。

自2013年开始，大数据技术已开始和云计算技术紧密结合，预计未来两者关系将更为密切。除此之外，物联网、移动互联网等新兴计算形态，也将一齐助力大数据革命，让大数据营销发挥出更大的影响力。

2、科学理论的突破。随着大数据的快速发展，就像计算机和互联网一样，大数据很有可能是新一轮的技术革命。可能会改变数据世界里的很多算法和基础理论，实现科学技术上的突破。

参考资料：

网络--大数据

⑤ 农业大数据怎么玩

农业大数据怎么玩？中国民企在行动
科技正在以大数据的形式向农业领域渗透，行业整合成为中国农业生产方式变革的重要力量。决策者多次提出的“让农民成为令人羡慕职业”愿景，在科技的武装下正在接近实现。
在农业4.0时代前夜，中国农业生产的三要素已经悄然改变。农民面朝黄土背朝天的传统形象已被抛弃，科技的力量已使农村劳动力成为“网络新农人”。他们手中的农业大数据平台新工具，已经可以随时监测到土壤、天气、农作物等数据；而越来越多的土地流转，也赋予他们更大的规模效益。
中国农科院农发所研究员胡定寰曾向经济观察报记者描述了他对中国未来农业生产方式的构想。他认为未来中国的农业生产者应该是有技术的新农民，甚至是大学毕业生来经营适度规模的家庭农场。
市场主体已经开始意识到这一点。相对于国外，中国农业公司很多，但是依靠科技手段提供大数据的龙头农业公司却很少。这也是掣肘互联网科技和传统农业相结合的因素。曾是美国航空航天局（NASA）数据科学家的张弓试图改变这一现状，2015年他离开硅谷，带回了科学技术和大数据解决方案，也带回了在空间、气象和农业领域十分活跃的多位中国科学家。
张弓现在的身份是北京佳格天地科技有限公司创始人兼CEO。在美国，他从事卫星和气象大数据在农业和生态领域的应用，参与了美国农业部和美国森林局以及商业机构的重要项目，多项技术创新成果被应用于NASA地球信息共享系统。
张弓接受经济观察报采访时说，随着中国人口结构的变化以及农业的快速发展，农业正在发生深刻的变革，时下农业大数据的发展正当其时。
如果说留给大众印象深刻的是50年代大批留美科学家回国，21世纪的海外人才回国潮正在影响着中国经济结构变革。张弓就是这轮“现象级”中国留学人才回流中的一员。
佳格开始对接中国的农业公司，为农业生产提供技术领先的农业大数据平台。作为中国为数不多的农业大数据公司之一，佳格已经获得A轮融资6000万元，其最近的动态是，顺利与现代农业领先企业东方集团签署战略合作协议。
民企发力
当人们谈论大数据时，或许首先想到的并不是农业。作为高风险行业，农业生产面临天气、种植等太多不确定性。而作为最古老的生产形态，农业生产更是远落后于现代工业、服务业的社会产值。但是，随着越来越多的科技被用到农业领域，农业生产的高附加值已经逐渐显露。
城镇化、农村劳动力外流，已经让传统意义上农民已经开始主动或被动离开土地。根据此前农业部统计，截至2016年底，二轮承包地经营权流转面积达到4.7亿亩，占比约35.1%，现在2.3亿农户中有7000万农户已经不再直接经营其承包的全部或部分土地。
规模化和规范化的农业生产需要更多的技术支撑，大数据农业公司越来越有市场，走在前列的中国民营企业已经嗅到了这一商机。佳格此时开始登上时代的舞台。张弓告诉经济观察报记者，佳格的核心服务是通过提供作物大数据、气象预测以及病虫害预警服务，实现中国农业从传统“看天吃饭”的经验模式到“知天而作”的现代数据农业模式的转变。
农业大数据公司是服务农业公司的公司。张弓介绍：“具体来说，佳格可以为农业企业解决的痛点包括以气象、遥感和地面数据为基础的农业信息系统，比如给用户提供作物长势监测，结合地块级气象服务和病虫害预警、智能化灌溉植保，有效提升农作物的种植效率和精细化管理水平；另一类是农产品的评估需求，包括农业种植，农产品贸易和金融体系服务。”
这一次，佳格选中了以现代农业产业为主营业务的上市公司——东方集团，后者旗下的子公司东方粮仓已建立了从育种到餐桌的全产业链经营管理商业模式。2009年成立的东方粮仓先后在黑龙江省五常、方正、肇源这3个粮食主产区投资兴建了3个年综合加工能力为30万吨的现代化稻谷精深加工园区，并在五常核心产区流转13000亩优质水稻田。其与五常市政府合作建设的五常市农业高科技示范园区，已成为国内一流的现代农业示范园区。
与欧洲、美国大农业相比，中国人均耕地少、土地分散，这对农业数据收集造成很大困难。此外中国农业还存在大数据人才匮乏、大数据共享度低等困扰。农业部信息中心主任王小兵建议，中国应该加快构建数据资源体系，解决农业数据匮乏问题。
东方集团股份有限公司董事长孙明涛告诉经济观察报记者：“中国农业还缺乏一些大数据，农产品的市场行情每时每刻都在变化，在价格变化中吃亏的可能更多的是种地的人，他们从种植到收获，包括最后相关的消费数据都是极其缺乏的，所以需要一种方式能够快速收集和分析这些数据。”
孙明涛认为，不管是通过气象、气候数据，还是其他卫星得到的播种面积等相关数据，是能够有效解决生产这端数据供给的。
事实上，即使正在走向规模化经营，中国农业生产一定程度上也面临着“靠天吃饭”的困局。甚至在中国农业保险赔付率不高的现状下，一旦遇到暴雪、强降水等天灾，尤其是设施农业经营者很容易难以收回成本，更不用谈当年盈利了。根据经济观察报记者采访，2017年底安徽省雪灾时，一家投资上千万的合作社受灾严重，而按照当地保险公司规定，仅依据其对合作社核定损失额的40%进行赔付。
从防范风险、降低损失的角度来讲，大数据公司的出现解决了这两点的矛盾。张弓的独特经历也使得公司能够利用中、美、欧等数十颗卫星和无人机实时采集地面和气象数据，整合土壤、地块、作物、农资等全方位信息。
张弓介绍，这些信息通过拥有自主知识产权的图像解析和数据分析算法，为现代农业产业提供全产业链数据支持和管理服务，提高农业管理的科技化水平和精细化管理能力。此外，佳格已经可以做到进行产值预判，从金融和贸易的角度，服务场内场外期货公司、贸易公司。
农业4.0前夜
毫无疑问，中国农业生产正处于巨大变革之中。正如信息化和工业化的融合带来了工业4.0时代，这片土地上的互联网数据和传统农业生产碰撞，正将中国的农业带向4.0时代。农业4.0从2015年开始备受关注，这一年11月，《农村深化改革实施方案》公布，明确提出到2020年农业科技创新体系更加健全的目标。
农业部课题组曾对六省1072农户数据进行调研分析，结果表明，信息化对农户农业经营收入有重要影响。查询农业信息的农户比不查询信息的农户家庭农业经营收入要提高45.8%；使用过农业信息技术的农户比未使用的农户收入高14.3%。
这些数据仅仅是针对分散农户做的信息技术调查。对于规模化生产者运用大数据科技手段后增收额的变化，官方尚没有相关的数据，但这一改变生产方式的手段，对于农业增收的影响可想而知。
政府层面推动的现代农业4.0项目的代表是北京市大兴区的500亩西红柿，其中一个重要温室大棚根据需要自动调整光线，西红柿需要快速生长时光线是直射的，而需要慢慢生长时则调整到斜射的角度。由于物联网技术的运用，这些西红柿的生长可以实现全程可追溯。
专业的农业公司所面对的生产规模远非500亩。仅仅东方集团的子公司东方粮仓在黑龙江省五常市就有13000亩优质水稻田。
孙明涛告诉经济观察报：“与佳格合作，就是要把科技引入农业，提高农业产量，降本增效，提升产业化水平;同时，双方共同探索出一套成功的模式，激发行业内更多创新力，共同促进农业产业升级。”
虽然与自带话题的BAT等传统互联网公司相比，大数据公司显得有些低调，但却在悄无声息中消融行业边界。佳格就是这样，作为一家通过卫星和气象大数据服务于农业、环境、金融等行业的大数据应用公司，佳格已经开始将前沿互联网大数据融入到传统农业中来。从技术本身来看，这家公司也是中国第一家将目标智能识别技术和机器学习技术应用于高分辨率遥感影像领域、并率先实现商业化应用的公司。
对于未来的发展，张弓告诉经济观察报，佳格首先是从农业相关领域切入，做好农业种植板块，得到种植经验积累之后再逐渐向上下游推进。佳格不仅是农业大数据，更是以空间数据为核心。佳格在基础技术平台上最主要的应用除了农业，还有金融、生态环保，并以这几个应用为核心逐步拓展其他相关行业。

⑥ 大数据未来的前景怎么样

未来大数据应用的六大趋势：

1、区块链技术

区块链是计算机技术的新应用模式，包括分布式数据存储、共识机制、点对点传输、加密算法等等。区块链技术是指全民参与记账的方式。所有系统后面都有数据库。可以将数据库看作是一个大账簿。现在各自记着自己的账。

2、智慧城市

智能城市是利用信息和通信技术手段检测、分析、集成城市运营核心系统的关键信息，智能地应对包括民生、环境保护、公共安全、城市服务、工商业活动在内的各种需求。其本质是利用先进的信息技术为城市人民创造更好的生活，促进城市的和谐和可持续发展。

随着社会的发展，未来城市承载人口也会越来越多。目前我国正处于城市化加速时期，部分地区的“城市病”问题日益严重。建设智慧城市已成为当今世界城市发展一个新的趋势。

3、虚拟现实(VR)和增强现实(AR)技术

拟现实技术是一种可以体验虚拟世界的仿真系统，它利用计算机生成模拟环境，使用户沉浸在环境中。比起VR，AR它不是单纯被创造出来的。现实是我们肉眼能看到的东西，耳朵能听到的东西，皮肤能识别的东西，所在的世界。从广义上说，在现实基础技术上，添加相关、附加内容，就可以说是增强现实。

4、物联网

物联网就是所有物品都可以通过信息传感设备连接到互联网上，进行信息交换，物品与物品紧密相连，实现智能识别和管理。物联网是新一代信息技术的重要一部分，也是信息时代的一个重要发展阶段。

5、语音识别技术

语音识别是一门跨学科的学问。近些年来，语音识别技术有了明显的发展，开始从实验室进入市场。语音识别技术将进入产业、通信、家电、医疗、汽车、电子、家庭服务、消费电子产品等多种领域。语音识别技术包括信号处理、模式识别、概率论和信息论、发声系统和听觉机理、人工智能等。

语音识别是一种通用的无屏幕接口，可以快速集成到各种工具中，在智能设备和手机中非常有用。

6、人工智能(AI)

人工智能，英文缩写为AI。是研究、开发、开发用于模拟、扩展和扩展的智能的理论、方法、技术和应用系统的新技术科学。

更懂消费者的数字营销服务
点亮工场
查看
人工智能需要接受教育，需要输入大量信息才能进化，从而产生意想不到的结果。AI有很大的影响，比如媒体行业，现在电脑和机器人可以生产好文章，一个小时几百篇，成本也很低。AI可以对经济发展产生很大影响，很多知识产业和白领职业也可以被机器人取代。

大数据已经成为时代发展的必然产物，大数据正在迅速渗透到我们的日常生活中，在衣食住行的方方面面都有体现。大数据时代，所有的可量化，所有的可分析。

⑦ 山西省农业生产托管服务条例

第一条为了规范和促进农业生产托管服务活动，推广应用先进的农业机械和农业技术，加快小农户与现代农业发展有机衔接，促进农业增效、农民增收，推进农业现代化，根据有关法律、行政法规，结合本省实际，制定本条例。第二条本条例所称农业生产托管服务，是指农户等农业经营主体在不流转土地经营权的前提下，将农业生产过程中的耕、种、防、收等全部或者部分作业环节委托给服务主体完成或者协助完成的农业经营方式。
本条例所称服务主体，包括农机户、农户自愿组成的合作组织、家庭农场、农民专业合作社、农村集体经济组织、供销合作社、农业企业等。第三条农业生产托管服务应当因地制宜、因势利导、统筹推进，坚持农户自愿、市场主导、政府指导、基层组织服务的原则。第四条县级以上人民政府应当加强对农业生产托管服务工作的组织领导，依法履行下列职责：
（一）将促进农业生产托管服务发展纳入国民经济和社会发展规划；
（二）制定促进农业生产托管服务发展的政策措施；
（三）建立农业生产托管服务工作协调机制，统筹协调本区域农业生产托管服务工作；
（四）将农业生产托管服务所需工作经费列入本级财政预算；
（五）推进高标准农田建设、农田基础设施升级、破碎耕地连片整治，改善机械耕作环境，为农业生产托管服务实现规模经营创造条件；
（六）安排农机购置补贴资金，引导服务主体购置用于地方特色农业发展所需、适用性强的农业机械；
（七）加强与农业科研机构、涉农高校合作，通过互联网或者利用新媒体向服务主体推广新技术；
（八）支持服务主体将大数据、云计算、物联网、人工智能等信息技术和手段运用到农业生产托管服务中。
县级以上人民政府农业农村主管部门负责对农业生产托管服务进行综合指导、示范创建、监督检查。第五条乡（镇）人民政府应当协调本辖区内的农业生产托管服务工作，协助有关部门指导、监督农业生产托管服务工作。
村民委员会应当根据农户意愿，引导农户参加农业生产托管服务，支持农户自愿组成的合作组织开展农业生产托管服务，维护农户的合法财产权和其他合法权益。第六条县级以上人民政府应当按照主体多元、服务专业、竞争充分的原则，积极培育服务主体，优先扶持农机户以及农户自愿组成的合作组织开展农业生产托管服务。
鼓励农村集体经济组织、农民专业合作社、供销合作社和其他农业生产经营组织开展农业生产托管服务。
鼓励农村集体经济组织与服务主体、农户开展合作与联合，建立利益共享、风险共担的利益联结机制。第七条农村集体经济组织根据农户意愿，可以开展下列活动：
（一）依托高标准农田建设、土地整治、农田水利建设等重大项目，引导农户自愿互换并地；
（二）组织农户通过联户经营、联耕联种等方式，推进耕地集中连片，自愿接受农业生产托管服务；
（三）在符合规划的前提下，利用闲置的各类设施、房产、集体建设用地等，依法整合利用集体积累资金、政府帮扶资金等，提供仓储、烘干、销售、农产品初加工等服务。第八条供销合作社围绕农业生产托管服务，可以开展下列活动：
（一）依托村级综合服务站、乡镇供销社门市部建设惠农服务平台，为农机户以及农户自愿组成的合作组织等服务主体提供农资供给、产品收储加工、市场营销等服务；
（二）领办、参办农业生产托管服务合作社或者农业生产托管服务合作社联合社，购置农业机械、加工设备等，扩大耕、种、防、管、收、加、贮、销等农业生产托管服务规模；
（三）建设农产品流通体系，开展仓储、物流、烘干、冷藏保鲜等服务。第九条县（市、区）人民政府农业农村主管部门应当围绕农业生产节本增效，制定农业生产托管服务指南，指导农业生产托管服务。
农业生产托管服务指南应当包括优选良种、深翻（松）、整地培肥、适期播种、病虫害防治、测土配方施肥、节水灌溉、秸秆综合利用、适期收获等区域适应性强的先进适用技术。
服务主体可以根据本区域自然禀赋，分不同地类、不同作物，制定适宜的作业标准和操作规程。第十条服务主体应当以农业生产托管服务指南、作业标准、操作规程为指导，采用绿色高效高产技术，推行农药化肥减量化、生产过程清洁化，促进农业绿色生产和可持续发展，合理利用和保护土地。
服务主体可以应用信息化、智能化的服务和监管平台，通过遥感、航拍、定位系统等智能化设备，采集、统计、分析、储存和合法使用托管服务信息，监测农业生产过程，建立托管服务电子档案，主动接受农户和服务平台的监测监督和质量评价。

⑧ 大数据行业发展前景如何

作为人口大国和制造大国，我国数据产生能力巨大，大数据资源极为丰富。随着数字中国建设的推进，各行业的数据资源采集、应用能力不断提升，将会导致更快更多的数据积累。预计到2020年底，我国数据总量预计将占全球数据总量的21%，将成为名列前茅的数据资源大国和全球数据中心。

大数据行业发展前景很好，大数据作为一门基础科学，无论在数据开发及分析、物联网和人工智能算法训练领域，都有着核心技术和职位诉求，主要来说的话，当下，大数据方面的就业主要有三大方向：一是数据分析类大数据人才，二是系统研发类大数据人才，三是应用开发类大数据人才。

⑨ 农业大数据的概念

农业大数据是大数据 理念、技术和方法在农业的实践。农业大数据涉及到耕地、播种、施肥、杀虫、收割、存储、育种等各环节，是跨行业、跨专业、跨业务的数据分析与挖掘，以及数据可视化。
农业大数据由结构化数据和非结构化构成，随着农业的发展建设和物联网的应用，非结构化数据呈现出快速增长的势头，其数量将大大超过结构化数据。

⑩ 大数据产业:未开放的农业之花

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。