编辑导读：自从大数据理念出现后，越来越多行业已经拥有了自己的大数据应用，但是能够应用的场景不多，更别提深度的机器学习了。本文作者以农业大数据为例，分析它的应用场景，希望对你有帮助。

至从2011年，大数据（BigData）被炒熟之后，越多越多的行业有了自己的大数据应用，不仅包含数据采集，还有数据存储，甚至还有数据治理，但是无论做各种程度的数据管理，偏离了大数据应用场景，那就都是低价值甚至无价值的，更不用提基于大数据的AI-机器学习-深度学习了。

接下来，我们就一起来聊聊农业大数据到底有什么场景，我将从农业细分领域和受众两条线一同展开。农业细分领域也是养殖业（假装含畜牧业吧）、种植业和林业展开，三个子领域存在一定的交叉。受众（利益相关者）则从政府、生产者、贸易者、生鲜电商（含社区团购）展开，至于之前提的食材配送企业、代卖、代买，批发商等就全合并在贸易者里了，而农业科研院校等此次不涉及。外加一个农产品价格大数据，这个这几年一直在提的概念。

统一一下认知：农业大数据不仅仅指各个政府的大数据可视化大屏哦（据说带应急指挥和决策支持功能），还应包括数据采集、存储和管理。还有大数据未必一定要部署在私有云/公有云上，全部署在物理服务器也是可以的，所以大家别被骗去买云服务哦。

还有农业大数据不仅只包含农业哦，三农不分家，大家常见的可视化大屏中，可能还有些农村、农民的数据，不要见外啊！

一、养殖业（含畜牧）

养殖业含畜牧业，畜牧业我就不单独说了。

养殖业是智慧农业的智慧化程度较高，也可以说是数字化程度较高的，至于你要纠结智慧农业和数字农业的概念，请看此文《最全的农业模式分类概念解释（文字略长）》。养殖业不仅能使用大数据和物联网，还能使用低阶段的AI，离机器学习和深度学习还有点距离。

1.1 养殖业的生产者

目前养殖业是用物联网最多也最合适的子行业，不管是养猪、养牛、养鸡、养水产，都有物联网来提供一堆IoT数据，再结合一些生产计划、喂养执行等管理数据构建一个数据采集体系，并可以对养殖过程进行大数据分析，并做出响应措施。如识别鱼塘含氧不足，则开启指导措施。视频识别牛不动、体温高，上药。鸡定量喂水，减少传染等，应用场景还是蛮多的。

图1-某厂商的智慧养殖大数据方案

以上这些场景不用大数据，也能做，但用了更好。

图2-养猪智能化（来自某厂商材料）

1.2 对养殖业的政府

还有各个省市县的智慧畜牧大数据平台，在农业政务大数据基本盘是各种农业资源的打点，也可以用农用资源地理信息来展示。对于养殖业+畜牧业，只有一般农业资源是牧草区域，某地区的养殖场位置、规模、联系人电话，某地区的防疫站位置，显示目前的草原面积。当然当牧区没牧草不够的时候，也能有点指挥作用。

应急的话，还可以用于自然灾害时的指挥，如畜牧的草原沙化，部分场景可以结合无人机。

图3-某厂商的养殖监管平台架构图

图4-某厂商官网的养殖物理网+大数据系统

无人机和摇感也能成为养殖业的数据来源。

二、种植业

种植业之前也说了，蔬菜种植大数据还是一个伪场景。唯有和AI结合的病虫害识别，我认为还是个有价值的场景。

其他种植场景，价值也是有的，如名贵草药、鲜花等。

还有一个就是热成像用来看虫害，长势预估等（遥感也能做几个品类）。

2.1 对种植业的生产者

对于生产者，可以通过病虫害图像识别现在的问题，针对性施肥或者用农药。不过现在并不是所有品类都有模型，算法精准度较高的是西红柿、葡萄、生菜等，像西兰花、豌豆等还没有太成熟的模型。当然这些都只适合农业新手用或者尝试新品种，老手自己都能看明白，要比模型和专家教授都准。

图5-葡萄病虫害知识图谱

2.2 对种植业的政府

对政府，种植业目前用的比较多的场景，还有摇感数大棚，定补贴。

图6-某厂商大棚数据

县域内的病虫害识别，而导致的农业应急管理，不过基本上都是系统建在那里，我还没看到用的，因为真的大面积来了，如蝗虫，一般无法马上解决。

在种植业，政府的农业大数据应用就是土地测量、土地测算、耕地红线和土地流转等，具体大家可以自己去查一下。

图7-某厂商县域种植业大数据平台

图8-农业灾害应急（来自某厂商官网）

三、林业

林业其实目前更多的场景都用在政府层面，对于生产者也一般是国企监管了。

林业大数据的现在可见应用场景是林业资源显示，森林防火、防盗防偷猎等场景都有很多价值，还能把安防设备（如海康威视）、物联网设备和森林公安局的实际工作，用大数据结合起来，当然不用大数据也能做，只不过物联网数据处理起来麻烦点。

此外还有森林火灾、地质灾害的事前预警、事中处理，事后评估和知识积累。大数据的本质为数据积累和算法演进，也就是知识图谱，能够自己推理知识，生成知识。

图9-某厂商森林防火系统

四、生鲜电商

生鲜电商对大数据的而应用，基本上就是电商的老套路：实时数据分析，如销售单价、金额、总金额等；进行精准营销的智能推荐（别人喜欢叫千人前面），推荐给用户喜欢的生鲜；大数据杀熟；成本估算，应用大数据估算成本，指导采购和定价，以及营销；需求预测，指导采购和加工过程。

当然以上这些面向生鲜电商的大型公司的，太小的区域性质的，小范围的生鲜团购厂商，还是别浪费资源在这个上面了。

最后其实面向生鲜电商的大数据应用，很多也是贸易商需要的，但是农产品贸易商基本上都是没有IT能力的，因此需要很多的SaaS服务提供商来为贸易商提供的大数据应用服务了。

五、价格大数据

所有农业大数据里面，最初应用的就是农业资源大数据和价格大数据，都是政府监管用的，也是其他小厂商用来做自己的场景的。

但是对于价格大数据，有个致命的缺陷就是价格数量的量级和代表性，目前仅是从全国100+的农批市场采集某个时间点上的大数据，所以价格数据可信度不高的。

不像生鲜电商，有天然的很多面向终端的零售价格数据和批发采购价格数据，还能做点分析，但是这些数据都不是对外的，不开源的。

图10-某价格大数据大屏

还有些农业大数据IT厂商的做法就是，一个个建区域电商平台，拿一个个区域农业大数据项目，以获取价格数据；然后建自己的大宗交易平台（部分单品），获取价格数据；再结合国家的农产品检测价格；外购部分价格数据，做质量处理；最后的商业模式就是对外出售价格大数据了，可能看到这里，大家猜到这家公司是谁了。

六、结语

其实具体还得按实际的应用场景来识别，养殖业、种植业、林业、生鲜电商等的农业大数据应用，还可以深挖，有机会，我一个个深入挖掘给大家看看。

大数据应用的基础是：数据真实与精准、且有代表性；有应用场景、不是自己YY的应用；用hadoop和传统的分析软件，甚至是excel，也是需要审视的。

#专栏作家#

清河落河清，公众号：农业一二事，人人都是产品经理专栏作家。一名熟悉农业的IT架构师，现从事企业架构工作，创建农业微信公众号、农业社群。

本文原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 unsplash，基于CC0协议