京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在MySQL数据库运维与开发实践中,经常出现一种典型现象:数据库实际存储的数据量很小,数据表条数少、文件体积低,但服务器整体 ...
2026-09-11 很多数据分析师能熟练计算均值、标准差,但当被问到“总体和样本有什么区别”“参数和统计量有什么关系”“数据级别的高低如 ...
2026-09-11CDA数据分析师 出品 作者:李诗怡 定义: 将同一时间段内因具备相同属性或共同经历的用户划分为群体,分析其留存与生命周期价值 ...
2026-09-11在零售、商超、餐饮、线下门店等实体商业运营中,客流与销售额是衡量门店经营状态的两大核心指标。销售额是门店经营的最终结果, ...
2026-09-10在数据可视化体系中,柱形图是最基础、应用最广泛的图表类型,其中**累计柱形图(堆积柱状图)**是兼顾整体总量与内部结构的核心 ...
2026-09-10 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-09-10在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02