农业加速器!国家加快布局!那么,大数据农业到底有啥应用场景呢
互联网+
  
2020-11-30 06:42:54
[ 导读 ] 农业大数据到底有什么场景?

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!

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、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)

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

无人机和遥感也能成为养殖业的数据来源。

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)。

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、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)

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

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。

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。

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。

内容来源:农业一二事,农业行业观察整理编辑

更多干货、市场分析、重磅案例、实战课程欢迎订阅 [农业行业观察]公众号:nyguancha

 收藏 0  赞 0

相关文章