
切入核心需求瞄准大数据农业
基于传感网络和3G/4G等无线宽带网络融合的新应用,通过在大棚内现场布置光照、温度、湿度等无线传感器、摄像头和控制器,用户可以随时随地查看农业大棚内的温度、湿度等信息,并可远程控制浇灌和开关卷帘等设备;利用RFID和二维码等技术对农产品进行标记和管理,监控和记录所有产品流通环节,为政府执法人员、企业以及消费者提供溯源信息;通过在农机上安装定位和农机工作状态采集设备,可实现智能化的农机定位调度与管理。类似的应用还有冷链运输监控、智能化粮食储存管理等。当前,我国电信运营商已经在智慧农业领域迈开了步伐,在黑龙江、北京、山东、湖南等省份广泛推广,给传统农业生产带来了革命性变化。未来,运营商还需要往哪些方面努力?
更深切入
农业信息化的核心需求
“我们运营商已经做了一些物联网示范项目,很多是局部的信息化应用,真正能切入行业核心业务流程的不多,因此可规模化推广的应用不多,而无法规模化应用就无法获取规模化收益。”某运营商负责农业信息化的领导对记者说,电信企业目前在很多行业和社会领域做的信息化应用,在很大程度上是行业边缘部位化、底层化的应用,在需求部门看来,其实并不完全是核心、关键环节的应用。通过对一些示范项目的分析,他深深地感到,电信运营商为其他行业做信息化应用项目的思路,往往与该行业自身的信息化思路契合度不够,需要更深层次的交流互动,才能真正深入了解行业信息化的需求,致力于解决该行业和领域的核心问题。
比如农业部门关心的是如何实现农用机械的智能化远程控制,是农业生产经营中各类信息的无障碍流通,是对全球大宗农产品价格波动的实时监测等,这些具体而专业的需求,与目前电信行业信息化部门给农民手机发送的销售价格等市场信息,安装能打电话、能上网的多功能农村信息机这些应用,确实存在比较大的差距。正如国家杂交水稻工程技术研究中心研究员、袁隆平教授的助手黄崎所说,作为种业研究人员,面临中国的优质种子被国际种业巨头全面击溃、“自留地”寥寥无几的状况,他更关心的是信息化手段怎么帮助他监控育种情况、缩短育种周期、检测种子质量,这无疑是电信业需要更加深入研究的领域。行业间的“鸿沟”其实非常明显,如果不加以解决,那么电信运营商所提供的信息化解决方案将只能浮于表面,处于底层和边缘应用,搔不着这些行业的痒处,因而不能在政策支持下大规模推广。
即便是运营商在一些地方试点的“智慧农业”,规模也较为有限。从目前运营商推进信息通信技术改造升级传统农业的实践来看,运营商主要做的还是传统的卖管道服务,且大量传感类应用流量价值并不高。如何更广泛地切入核心需求,打造更具价值的ICT服务,是运营商需要思考的。例如,针对规模化生产以及高经济附加值的农业温室大棚需求,引导合作伙伴生产和提供专门适用于农业环境的各类传感与控制设备,同时利用无线宽带网络,各类农业现场信息可以在线、实时地传送到智慧农业的远程监控与调度中心,通过与专家系统结合,实现自动化的农业生产与智能化的决策分析;针对农机管理的需求,智能农机管理系统利用卫星定位(GPS)、无线通信、地理信息系统(GIS)、3G等高新技术,将农业机械的位置、图像、音频及其他农业机械参数等进行实时管理,有效满足用户对位置服务方面的各类需求,对农机具和农机管理人员进行远程调度,提高农机具的使用和管理效率。
放眼长远
瞄准大数据农业
由于互联网的信息收集优势,大量与农业相关的市场信息、产品信息、技术信息、资源信息开始在网上汇集,并出现专业分析,这大大方便了农业生产经营决策。截至目前,中国已有4万家农业类网站,演化出综合门户、研究分析、专业集成、产销对接等不同定位的农业网站,并进一步呈现加快细分的态势。不仅种植业、畜牧业、渔业、农产品加工等次级行业已经分开,就是每个行业内部也逐渐专业化,玉米、马铃薯、牛、羊、猪等专业网站不断涌现。记者认为,未来基于互联网大数据的营销方式将让农业的发展方式从根本上发生改变,将颠覆一般意义上的“生产——销售”模式,而是运用大数据分析定位消费者的需求,按照消费者的需求去组织农产品的生产和销售,从而让农产品不再卖难在理论上成为可能,也在现实中得到初步的实践,形成电子商务的“C2B”模式,即消费者对企业。未来,大数据农业值得期待!
运营商应该用长远眼光瞄准未来的大数据农业。运营商拓展“互联网+农业”有着品牌优势、网络平台优势、渠道优势、终端用户掌握优势。电信企业最为贴近用户,用户的通话数据以及相当一部分移动互联网使用行为数据,运营商都能获取。关键在于我们如何理顺体制机制中的相关制约环节,将目光放长远些瞄准更有吸引力的大数据农业,整合线上线下优势进行深入拓展。比如我们的电商平台能不能拓展范围,吸引农产品商家加盟?与各地政府农业部门合作的农村信息服务平台能不能整合到一个大平台上,与农户的通信消费数据一起整合收集其涉农行为的数据,通过数据分析和跨界融合形成新的商业模式。未来,大数据将是金矿,希望运营商不再“起了个大早,赶了个晚集”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29