导读：农产品数据运营就是将数据分析、数据挖掘等与农产品数据应用场景充分结合，并应用到公司运营/活动运营中。随着现在农业里面SaaS产品和产业定制解决方案的兴起，产品运营或者项目运营商充分应用数据，是一个有趣的话题。涉农企业或者农业信息化服务企业，都需要针对具体的应用场景，开展数据运营，以获得数据价值。

要解决数据运营问题，首先要有数据，其次要找到应用场景，然后要有数据运营队伍，接着是运营成果考核体系，最后则是技术工具（包括数据分析和数据挖掘，甚至是AI能力，可以使用开源或dàobán）。

01 要有数据，就是要实现业务在线化

业务在线化也就是之前的信息化，代表者就是ERP，但是ERP对于农业来说太重，现在可行的在上面套一层轻量级的应用，符合农业行业特色的轻量级应用，能实现业务在线化，并把业务流程和业务数据写到ERP软件里，同时复用ERP软件中的主数据。

典型的应用就是电商前台，订单产生于电商前台，以后写入到ERP后台的订单管理，再由订单管理，形成生产计划，来到前端的作业系统。如果不用ERP的物料主数据，则无需在ERP中生成生产计划，来做BOM转换。

图1-农业业务信息化

同时业务在线化必须要解决的是系统集成问题，一切系统集成的背后都可以归结为数据。

所以很多人看到这里，一定会以为我为了解决系统集成或者是数据集成问题，会推荐数据中台。但对于农业而言，中台不是万能的。我的推荐是：钱多且有长远规划，就使用ERP软件，毕竟人家自带集成平台，比起自己从零开始构建，会划算、稳定的多。

现在的云计算厂商推荐咱们农业整个行业用中台，只不过是因为中台构建后，会承载诸多的微服务（微应用），这些都会很耗IT硬件资源（如服务器等），就需要向云计算服务厂商采购IT硬件资源（公有云），然后他们靠提供IT硬件资源赚钱。

且他们上层的农业行业应用，大多都是生态合作伙伴开发，贴他们牌子。其实中台最大的价值就是复用，是信息化软件的产品功能层级的复用，农业行业里面，很多公司明显暂时都不需要的信息化复用（跨农业生产、加工和贸易的多元公司除外）。

对于业务在线化，我在另一篇文章中，对生鲜电商这个农业业态做了个样例：《从技术架构，看生鲜电商的核心技术能力塑造》。

由于生鲜电商未来可谋求上市，所以还是直接用写了ERP软件。

02 农业数据运营的应用场景

其实农业的数据心运营应用场景，正好每个应用场景都可以成为一个SaaS产品，孵化一个农业信息化服务公司（农业互联网公司）。

后面会有专门的文章介绍农业的应用场景，其中就会包括数据分析的应用场景，如电商的推荐算法、平台营运分析，还比如需要用到数据算法模型的病虫害识别、长势分析、土地确权、大棚补贴核查、质量追溯、价格预测等等。

图2-农业数据运营应用场景（观麦或蔬东坡的生鲜加工过程可视化）

查找农业数据分析应用场景的方法无外乎:

1）涉农企业识别内部的企业运营和企业治理需求和需要，进行农业相关的数据分析。

2）农业创业/服务公司，从自身的商业模式出发，通过数据分析和数据挖掘等技术，帮助客用户实现某种价值。如食配企业的ERP信息化服务商（观麦和蔬东坡）通过数据运营，提高食配企业加工效率和准确率，做电商的活动运营更有效了。

运营场景不止以上我举例的，欢迎大家留言交流数据运营场景，如果需要某些特定应用场景下的业内最佳实践，也欢迎留言，我将知而不言。

03 农业数据运营队伍

在找到合适的数据运营场景以后，就需要建立团队还实际运营这些应用场景，最终给自己或者客用户带来价值。

数据运营队伍的构成可以有如下的多个角色，具体视企业大小和商业模式范围而定:首席运营官、数据产品经理、运营经理、数据分析师、业务分析师、数据挖掘工程师、数据建模工程师、数据算法工程师、ETL工程师、大数据工程师、数据仓库工程师等，一般越靠前岗位价值越大。

最好数据运营队伍还具体规划能力，不仅是产品规划、运营规划，还需要商业模式规划。

图3-农业数据运营队伍

对于农业如果是撇开数据运营，单纯是运营的话，这个首席运营官/运营经理，最好是有股份（成本投入），且投了钱的，可以形成公司运营共同体，不仅局限于某一块的运营，而是到了共同运营、公司治理层面。

04 数据运营效果考核体系

对于运营过程和结果，都是需要考核的，但是由于农业的特性，很多工业上的运行考核、互联网的运营考核并不适用于农业。

所以需要涉农企业定制化自己企业内的运营效果考核体系。农业创业公司在贩卖自己的解决方案和产品的时候，也建议将考核体系、运营体系、管理体系等制度化体系化的服务，也能对农业输入，真正做到有硬也有软。

图4-农业数据运营考核体系

数据运营效果的考核体系有如下样例:

1. 电商传统的运营指标，GMV、转化率、复购率、各种活跃度。
2. 农业营销活动的实际POI。
3. 最直观的是年销售额、年销售量、成本、库存周转率、合格率、退返率、现金流转率。
4. 运输平均时长、产线作业时长、采购现金支付率。

05 数据运营的技术工具

数据运营能有指标考核效果，并有应用场景，整个数据运营体系运转一段时间后，excel并不能再支撑起这么大的一个运营体系，这个时候像BW、大数据平台就十分有价值了。

IT技术是需求发展到一定层级，量变引起质变，这个时候价值才做大，做农业绝对不能为了技术而应用技术。现在和过去，被厂商吹嘘得火热的农业物联网、农业大数据、中台、自动化技术等，只有真正需要的时候才考虑应用，否则就是冤大头。

图5-农业技术工具（云大物移智）

对于高效有效的数据运营，可以应用的技术工具有:

1. 数据采集：当然是农业物联网和自动化加工设备，但是农业物联网的应用需要切合自身实际。
2. 数据存储：现在都用hadoop（Hive）。当然使用BW啊，MPP数据库啊，甚至RDMS都可以。
3. 数据计算：一般使用hadoop上的计算组件，有一堆。算法引擎也在这，什么区块链追溯、病虫害识别、农业大数据分析、农业知识图谱、农业数据算法都在这。
4. 数据管理：一般用数据治理平台啊，还可以用数据中台。

06 结语

最后农业数据运营就是需要以场景驱动、以价值为导向，根据场景选择合适的数据采集和数据计算工具。当然那些钱多人多的公司也可以建全套，解决一个场景。

#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