農業作為我國重要的產業，農業經濟有著不可替代的地位，全國人民的工作與生活都受到農業經濟的影響，而農業經濟仍然處于初級階段，甚至還有一部分區域采用的管理模式為傳統的管理模式。而傳統的經濟管理方式，必然會影響到農業生產的利益，新型的現代化農業和傳統農業具有本質上的區別，其區別是農業大數據對于經濟管理中的應用在一些地區，逐步適應了新的農業農村發展模式，淘汰了以往的傳統農業農村發展，大幅度的提升了農業經濟的收益。

農業大數據是一種虛擬的資產，是在充分利用大數據平臺獲得的大量數據資源后，通過對傳統的信息與數據進行整合、處理、分析和預判，從而獲得較大潛在價值是農業大數據的優勢。

農業方面，應用大數據管理的技術能夠大幅度的提升農業中生產的收益，減小在種植方面的經濟成本，極大的提高了種植產品的質量品質，對于社會經濟的發展具有重大的意義。現已有一些大型企業開始廣泛開展大數據研究和管理，進行大數據的深層優化、全面更新，以滿足社會經濟發展趨勢要求。

全面地利用大數據，可將企業的經營發揮到極致，通過進行一系列的銷售活動，提高市場中農產品的商業價值，利用大數據讓農產品進入市場占據主導地位。

大數據在種植方法、種植時間、采收時間等方面進行大數據模塊化管理，大幅度提高了農作物的畝產量，讓農業種植戶得到了更好的經濟收益。

養殖業含畜牧業，畜牧業我就不單獨說了。養殖業是智慧農業的智慧化程度較高，也可以說是數字化程度較高的，至于你要糾結智慧農業和數字農業的概念，請看此文《最全的農業模式分類概念解釋（文字略長）》。養殖業不僅能使用大數據和物聯網，還能使用低階段的AI，離機器學習和深度學習還有點距離。

1.1養殖業的生產者

目前養殖業是用物聯網最多也最合適的子行業，不管是養豬、養牛、養雞、養水產，都有物聯網來提供一堆IoT數據，再結合一些生產計劃、喂養執行等管理數據構建一個數據采集體系，并可以對養殖過程進行大數據分析，并做出響應措施。如識別魚塘含氧不足，則開啟指導措施。視頻識別牛不動、體溫高，上藥。雞定量喂水，減少傳染等，應用場景還是蠻多的。

圖1-某廠商的智慧養殖大數據方案

以上這些場景不用大數據，也能做，但用了更好。

圖2-養豬智能化（來自某廠商材料）

1.2對養殖業的政府

還有各個省市縣的智慧畜牧大數據平臺，在農業政務大數據基本盤是各種農業資源的打點，也可以用農用資源地理信息來展示。對于養殖業+畜牧業，只有一般農業資源是牧草區域，某地區的養殖場位置、規模、聯系人電話，某地區的防疫站位置，顯示目前的草原面積。當然當牧區沒牧草不夠的時候，也能有點指揮作用。

應急的話。還可以用于自然災害時的指揮，如畜牧的草原沙化，部分場景可以結合無人機。

圖3-某廠商的養殖監管平臺架構圖

圖4-某廠商官網的養殖物理網+大數據系統

無人機和搖感也能成為養殖業的數據來源。

種植業之前也說了，蔬菜種植大數據還是一個偽場景。唯有和AI結合的病蟲害識別，我認為還是個有價值的場景。

其他種植場景，價值也是有的，如名貴草藥、鮮花等。

還有一個就是熱成像用來看蟲害，長勢預估等（遙感也能做幾個品類）。

2.1對種植業的生產者

對于生產者，可以通過病蟲害圖像識別現在的問題，針對性施肥或者用農藥。不過現在并不是所有品類都有模型，算法精準度較高的是西紅柿、葡萄、生菜等，像西蘭花、豌豆等還沒有太成熟的模型。當然這些都只適合農業新手用或者嘗試新品種，老手自己都能看明白，要比模型和專家教授都準。

圖5-葡萄病蟲害知識圖譜

2.2對種植業的政府

對政府，種植業目前用的比較多的場景，還有搖感數大棚，定補貼。

圖6-某廠商大棚數據

縣域內的病蟲害識別，而導致的農業應急管理，不過基本上都是系統建在那里，我還沒看到用的，因為真的大面積來了，如蝗蟲，一般無法馬上解決。

在種植業，政府的農業大數據應用就是土地測量、土地測算、耕地紅線和土地流轉等，具體大家可以自己去查一下。

圖7-某廠商縣域種植業大數據平臺

圖8-農業災害應急（來自某廠商官網）

林業其實目前更多的場景都用在政府層面，對于生產者也一般是國企監管了。

林業大數據的現在可見應用場景是林業資源顯示，森林防火、防盜防偷獵等場景都有很多價值，還能把安防設備（如海康威視）、物聯網設備和森林公安局的實際工作，用大數據結合起來，當然不用大數據也能做，只不過物聯網數據處理起來麻煩點。

此外還有森林火災、地質災害的事前預警、事中處理，事后評估和知識積累。大數據的本質為數據積累和算法演進，也就是知識圖譜，能夠自己推理知識，生成知識。

圖9-某廠商森林防火系統

生鮮電商對大數據的而應用，基本上就是電商的老套路：實時數據分析，如銷售單價、金額、總金額等；進行精準營銷的智能推薦（別人喜歡叫千人前面），推薦給用戶喜歡的生鮮；大數據殺熟；成本估算，應用大數據估算成本，指導采購和定價，以及營銷；需求預測，指導采購和加工過程。

當然以上這些面向生鮮電商的大型公司的，太小的區域性質的，小范圍的生鮮團購廠商，還是別浪費資源在這個上面了。

最后其實面向生鮮電商的大數據應用，很多也是貿易商需要的，但是農產品貿易商基本上都是沒有IT能力的，因此需要很多的SaaS服務提供商來為貿易商提供的大數據應用服務了。

所有農業大數據里面，最初應用的就是農業資源大數據和價格大數據，都是政府監管用的，也是其他小廠商用來做自己的場景的。

但是對于價格大數據，有個致命的缺陷就是價格數量的量級和代表性，目前僅是從全國100+的農批市場采集某個時間點上的大數據，所以價格數據可信度不高的。

不像生鮮電商，有天然的很多面向終端的零售價格數據和批發采購價格數據，還能做點分析，但是這些數據都不是對外的，不開源的。

圖10-某價格大數據大屏

還有些農業大數據IT廠商的做法就是，一個個建區域電商平臺，拿一個個區域農業大數據項目，以獲取價格數據；然后建自己的大宗交易平臺（部分單品），獲取價格數據；再結合國家的農產品檢測價格；外購部分價格數據，做質量處理；最后的商業模式就是對外出售價格大數據了，可能看到這里，大家猜到這家公司是誰了。

其實具體還得按實際的應用場景來識別，養殖業、種植業、林業、生鮮電商等的農業大數據應用，還可以深挖，有機會，我一個個深入挖掘給大家看看。

大數據應用的基礎是：數據真實與精準、且有代表性；有應用場景、不是自己YY的應用；用hadoop和傳統的分析軟件，甚至是excel，也是需要審視的。