京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据分析技术播种智慧农业
在美国,有五分之一的农民在使用实时数据分析技术,以期将农业转变为更为精确的科学。
他们利用这一技术耕耘未来,以更好地满足世界不断增长的粮食需求。而预计,2050年,全球对于粮食的需求将增长至现在的两倍。对此,来自密歇根州的26岁农夫Jesse Vollmar谈到:“我们不仅无法再得到更多的农田,每年我们都还在失去农田,因此我们必须依靠大数据实时分析的技术。”
Vollmar生长在家族五代经营的农场上,因此,他能够在第一时间就了解到一年又一年发生的众多的变数和风险在不断地激怒农民。变幻莫测的天气和土壤条件使农业种植成为一种难得的机遇而不是稳赢。“我的家族耕种经历使我对于如何在世界上创造新价值这件事产生了更多的看法。”Vollmar说。
在Vollmar小的时候便对信息技术产生了兴趣。他认为这项技术对于农民而言可谓是个基本的工具。 于是,在2012年,他便参与创办了数据分析公司FarmLogs。在短短三年时间里,超过20%的美国农场(约6万多农户)都在使用FarmLogs。
“在这个时代,耕作真的在改变,” Vollmar说,“这个行业的下一个巨大转型将来自于数据科学。因此,我们需要将全球获取到的新信息应用在农业上,以帮助农民实现每英亩农场的收益最大化。”
Vollmar认为如今的数据中心技术能够帮助他实现几年前离开超级计算资源就实现不了的事情,例如,借助IT技术,农民们已经可以观察到每寸土地,从而做到因地制宜。
英特尔数据中心事业部副总裁Jason Waxman说,“农业与金融服务、医疗、交通、制造等其他行业一样,将正确的数据运用到决策过程中的能力对于管理农业经营来说十分重要。”
“摩尔定律加速了计算和存储技术在性能和可支付能力方面的发展,” Waxman说,“因此,存储和分析大量实时信息的能力为各行业的分析结果带来了突破。”
Waxman认为数据分析产生的洞察可以帮助人们作出明智的决定,不仅能够使企业保持敏捷性、创造性、高效性,也能更好地满足用户的需求。如今,越来越多的人利用互联网和移动设备去管理他们的生活。在零售行业,借助实时的数据分析,零售商就可以确保他们在合适的时间有一定的产品库存。
根据2014年IDG企业大数据的研究报告,如今的企业多半都已经推行或在计划推行高级的分析计划。对此,Waxman认为:“技术正在帮助人们将创意带入生活中,并对企业和社会有益带来益处。”
FarmLogs将分别从公共数据和安置在农场设备的传感器上获得的信息收集起来,使用高端计算技术搭载的软件算法来分析,实现了将来自于农田的实时数据到互联网的传送。
对土壤、降雨量等其他实地测量情况和数据分析,可以帮助农民在任何时间、任何终端,如通过电脑、平板电脑或智能手机调配资源。
“农田的实时情况在过去是无法被农民所获取的,” Vollmar说,“但如今,他们可以实时看见农场发生的一切,如作物的收割、生长与营养状况。”
农业领域将这种方法称为“精耕细作”。Markets and Markets发布的一份报告显示,这项技术预计在2020年将在软件和服务市场创造17.7亿美金的财富,这意味着这项技术从2014年至2020年的复合年均增长率约为15.1%。
Vollmar认为,这项技术可以帮助农民在种植的过程中使用更少的资源。而对于同加利福尼亚州一样被干旱持续困扰
多年的地区是非常重要的。
“在种植庄稼过程中,水是重要的因素之一,” Vollmar在今年4月对福克斯商业新闻说,“这项技术的其中一个特性可以帮助农民监测全国范围内的农田,并且实时获得更精准和清晰的数据。”
而拥有更好的技术有利于农民针对何时灌溉农田做出明智决定。”农民可以看到每块地的累积雨量,而不必亲自开车去检查。
“他们可以更有效地控制运营和物流,甚至可以评估新的养殖场以及根据10年内降雨量情况来判断该农场的生产力,”Vollmar分享道:“FarmLogs已经分析了几乎全美的高分辨率、多光谱图像,允许他们在一个5×5米大图的基础上来衡量农民所种植的农作物是如何在过去五年的生长季节里的健康状况。这将创建一个基准线来帮助农民了解和量化发生的变化,并基于FarmLog的建议做出决定。
“有了这些数据,我们不仅能够帮助他们将资源转移到需要的农场从而充分利用每寸土地,还可以就观察到的农田变化该如何平衡基线进行季度监测,”他说:“通过更快的应对问题帮助消除农民产量损失。”
除了提供基于数据分析的决策建议,FarmLogs还可以帮助农民在收割的时候实现日常任务的自动化。“我们能够为拖拉机做相应的变成,并使它根据土壤调整种子的播种,”Vollmar介绍道:“这有助于农民对农田正在发生的事情做出及时的反应。”
对于Vollmar而言,一切都始于数据。大多数情况下,农民必须少依赖直觉而更多依赖数据来做出明智的决定。“我们不断地挑战现状,并思考如何通过技术实现更高的农场生产率和效率,” Vollmar说,“我们希望能够解决我们的星球所面临的巨大挑战。”在这个系列中,iQ探索全新的利用信息的方式来充实我们自身、环境和身边的人们。我们关注从智能手表和智慧城市收集的数据,是如何通过大数据而带来更好的生活。想要了解更多关于大数据和高性能计算技术,如内存分析和Intel Xeon处理器请访问
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25