大数据时代 农业该如何应对？

　　大数据时代已经来临，对于传统行业来说既是机遇，也是挑战，如何应对?如何利用?这是一个很大的课题。在传统产业中，农业作为第一产业，具有基础性的作用。在大数据时代，农业与大数据必然发生各种联系，通过大数据带来的技术突破推动农业迈向全面信息化时代，通过农业的快速发展推动大数据更加落地，产生实效。

　　相关专家表示，农业大数据的集成和未来的挖掘应用对于现代农业的发展具有重要作用。在农业发展中，大数据不仅可以渗透到耕地、播种、施肥、杀虫、收割、存储、育种、销售等各环节，而且能够帮助农业实现跨行业、跨专业、跨业务的发展。

　　不论对哪一个传统行业来说，对大数据的需求，都要既懂技术又深谙内情。能够驾驭行业大数据的人，需要比金融更懂金融，比电信更懂电信，比交通更懂交通，农业也是如此。对于农业的大数据方案商来说，需要充分调查农民的实际需求，需要对农业和农村市场充分了解。

　　大数据的特征，业界常用五个V来表示：一是数据量大(Volume)、二是处理速度快(Velocity)、三是数据类型多(Variety)、四是价值大(Value)、五是精确度高(Veracity)。对于中国的8亿农民来说、18亿亩耕地、186万个乡村来说，所产生的数据量不仅巨大，而且类型丰富。如果能够通过深度挖掘，产生的价值不可估量。但问题如同大数据第二个和五个特征所说，需要高度精确化、处理速度及时的分析，才能够实现价值的显现。

　　另外，还有一个问题是，面对突如其来的大数据，农民们可能会很疑惑：这关我们什么事?对我们又有什么用?这与其说是农民不了解大数据，不如说专业人员对大数据能够为农民提供的服务，没有做好普及工作。

　　那么农民们需要什么样的大数据服务呢?我想应该主要包括3点：

　　1)面向农村、农业、农民的大数据垂直应用。

　　每个行业都有自己的特点，农业也不例外，所以自然会存在行业应用的需求。具体来说，就是符合农村市场、农民需求和农业生产的垂直应用。过去决策许多是凭经验，“跟着感觉走”，而用农业大数据来指导，不仅将为农民的农村生产和生活提供方便，而且将为生产发展和政府决策提供科学、准确的依据。通过开发指向农业的移动大数据应用系统，让农民在田间地头就能够获知到各种农业动态信息;通过开发面向农业移动智能大数据感应系统，让农作物的生长情况“扫一扫”就能及时显示在农民的手中，并通过网络直接连接政府提供的农业大数据平台实现精确的生产性指导;通过开发直达农民家门口的农村智能大数据分析系统，让农民对市场、政策、生活的预期更加准确。

　　2)面向农产品市场、农业产业的大数据预测系统。

　　首先要建立农产品智能标签。标签是行业应用的基础。不管什么行业，都需要精细化整理自己顾客的属性标签以及商品属性标签，农业作为生产农产品的行业，必然会涉及到各种农产品的标签汇整问题，而且这些标签必须能够细化到单株作物，实现农业生产的精细管理和准确预测。

　　举一个比较现实的例子，近些年，猪肉的价格一波三折，一会儿太便宜了，农民权益得不到保证，一会儿猪价太高了，农民们蜂拥都开始养猪，如何解决猪肉价格周期问题?这就需要利用到大数据，解决农民和市场信息不对称的难题。通过大数据技术，能够细化到每头猪的生长情况、饲养状态、位置信息、健康情况、出栏时间、对接商超、预期收益等，都做到了如指掌，过去那种盲目的市场行为势必将减少。

　　从远期来看，还可以通过大数据和云计算进行猪周期的预测，会发现猪的价格波动周期有一定的规律，大概3到5年是一个完整的周期，少的时候2年多，多的时候5年多，而这个周期又受国家的政策变化、天气变化、传染病变化、农民收入变化、原料价格变化等多重因素影响，同时又跟人们的生活水准和购买力有关系。全国所有养猪的农户，如果通过云计算、大数据对庞大的数据进行研究、分析、判断，研究出一个模型，建立信息系统，养猪会变得更加科学化。

　　3)跨行业的农业内外部数据的管理、链接与整合。

　　传统的农业生产管理，人为的因素占很大程度，大多是靠农民自身的经验，有的甚至是凭感觉，很少建立在科学的数据和模型基础上，因而难免片面、失误。要做到对农业生产的科学管理，就应当把管理建立在数据分析基础上。通过在农业政策层面，将整个农业行业内外，包括生产、加工、物流、营销、回溯的各种数据进行数字化的记录、分析和整理，为农民管理生产提供依据。这种“大数据驱动的”农业，必使得农民的生产活动变得更有效率、更开放、更精细。同时，基于大数据的分析，也能够帮助政府有效监控各种农业政策的实施情况，及时纠正农业生产中的偏差和失误。

　　另外，通过整合每个农村内部和外部数据，农业与行业外数据，并在户与户、巷与巷、村与村、农产品与农产品、农产品与相关配套、当季生产与未来预期之间建立链接，并进行分析整理，实现农民、农村、农业三个层面的数据共享互通，形成现实的网状的面向农村、惠及农民、给力农业的大数据场景。