未来农业将在田里处理大数据_数据分析师
基普·汤姆(Kip Tom)是第7代家庭农场主,他的农场种植的主要农作物是玉米和大豆,他同时也在进行玉米育种和数据处理方面的工作。“我正在琢磨信息与生产力之间的关系,”他坐在自己的办公室里,一边说着,一边在电脑屏幕上填写着什么,同时还在布满图表的白板上为自己农场中的计算机网络进行规划。
汤姆今年59岁,他扮演着农场主和首席技术官的双重身份。“我的曾曾祖父在农场中赶着一头驴干活,我们却有了各种传感器、来自卫星的GPS数据、在自动驾驶的拖拉机上配备的蜂窝式调制解调器、以及通过iPhone应用进行的灌溉作业”,他说道。小型家庭农场衰亡的趋势已经持续多年。但是,现代技术为汤姆这样的农场主提供了生机,让那些依靠土地为生的人们重见希望。这些技术有望帮助他们与农业巨头展开竞争。
一些人从中获益,而另一些人却由此遭受损失。这些应该归功(或归罪)于硅谷,他们的发明让一些用于完成工作的陈旧方式面临淘汰。在采用了最新技术之后,汤姆的农场不断扩张,从20世纪70年代的700英亩,变成了今天的20000英亩。但是,这是通过对邻近农场进行吞并带来的结果。
此外,在技术方面的投入也超过了很多小农场主的承受能力。像美国强鹿(John Deere)及AGCO这样的农机装备制造商正在为他们的播种机、拖拉机和收割机具配备各种传感器、计算机以及通讯装备。一个用于收割少数几种作物的农机在2000年的售价可能在6.5万美元左右,如今,在添加了各种信息技术之后,其售价增加到了50万美元。
“在颇具规模的农场里,我们看到生产力有了大幅提升,”农业部经济学家戴维·舒墨佛尼格(David Schimmelpfennig)说道。“并非由于那些小规模农场不能提升自己的生产力,而在于他们无法负担提升技术装备的投资。”
还有另一重风险。在尽可能大的范围内种植单一作物能够最大限度利用自己在技术方面的投资。而那些多样化种植农作物和养殖牲畜的农场主需要多种不同系统才能满足自己的需求。在没有技术辅助的情况下,小型农场主同样能够只种植单一作物,但是他们无法从规模经济中获益。
加州大学主导政策与技术方面研究工作的机构——伯克利食品研究所(Berkeley Food Institute)执行董事安·斯拉普(Ann Thrupp)表示,在科技的推动下,农场主更倾向于种植易于生长和销售的作物,而这些作物也更易于通过仪器进行监测。他们不再同时种植多种作物——这是以前人们用来抵御灾害天气和病虫害影响的策略。
上述情形让人隐约有些担心,但是技术的发展同样有望让农业种植变得更加简单易行。像汤姆的农场一样,其他采用技术手段的农场也同样具有良好发展势头。
在德州格兰德谷一处大规模家庭农场里,布瑞恩·布莱斯威尔(Brian Braswell)正在利用卫星连接的拖拉机犁地,沟与沟之间的间距精度可达1英寸。他对土地进行了电荷测定,随后便通过计算机控制的设备进行剂量精确的施肥作业。他同时也利用无人机进行灌溉预测。
“通过在无人机上配备红外摄像机,我可以很容易看到哪些区域的作物需要灌溉,”他说道。当然,他也很担心美国航空管理局(Federal Aviation Administration,FAA)对无人机使用方面所施加的管制。
在位于爱荷华州康拉德一处面积6000英亩的农场里,布伦特·席帕(Brent Schipper)正在从他的联合收割机里获取数据读数,这些读数以每3秒为周期进行更新。在风暴季,他每隔30分钟就通过智能手机的天气应用查看最新气象数据。过去,在完成收割作业后,他和其他农场主通常会在冬季休息,同时对农机进行维护;而现在,他们打算利用这段时间给自己的装备配备更多的传感器,并且仔细分析上一季的数据,力图在下一季取得更好的成绩。
在位于艾姆斯的爱荷华州立大学里,大学教授唐立(音译)希望来年春季可以对他的除草机器人进行现场试验。该机器人有望通过红外数据帮助识别和铲除杂草。
在过去,“拥有1000英亩土地的农场主能够过上不错的日子,”汤姆说道。“但是,我不知道这样的日子还能持续多久。”
汤姆的农场拥有转基因作物以及基于云端的系统,很可能在不久的将来配备无人机,汤姆先生可能暂时还没有使用低轨卫星激光技术的打算。所有这些装备都将自己收集到的数据传回云计算系统以供分析,该系统是汤姆农场从孟山都以及其他公司那里租借使用的。
“有些农场主仍旧认为技术意味着实际的事物,比如更强的马力或者更多的肥料,”汤姆先生说道。“他们没有意识到,今天的技术是指对信息的加工利用。”过去数年,农作物价格下跌接近5成,“而我的增长来自于其他没有采用技术手段的农场主让出的市场空间。”
通过一台自动驾驶的美国强鹿联合收割机,汤姆农场的员工厄尼·伯布利克(Ernie Burbrink)正通过他的iPad实时将每英亩作物的湿度、毛收获量以及净收获量数据进行处理,随后将其中的重要数据通过无线调制解调器传送到服务器,以便对来年的种植情况进行分析。
“过去,如果你对手工活很在行,你肯定能成为一个好的农夫,”伯布利克先生说道。“现在,你需要懂得屏幕导航操作,还需要将数据准确归位,这样人们才能够进行规划和预测。你同时还需要与其他人配合:种子顾问、农业经济师以及提供装备的人”
伯布利克今年34岁,他离开了自己的家庭农场。“我只是想为基普先生工作,他在技术方面可能领先我父亲5年时间。你需要拥有比我们家目前面积更大的土地才能负担得起在技术方面的投资,” 伯布利克说道,他拥有普杜大学农业经济学学位。
汤姆农场目前拥有25名员工,包括6名家庭成员,农忙时节可能拥有最多600名临时员工。“如果遇到好的年景,像这种规模的农场可能产生超过5千万美元的收入,”汤姆说道。他不愿透露利润率,但是他指出,与很多行业相比,农业的利润率偏低。
在20世纪80年代的农业危机中,他为获得利率高达21%的贷款四处乞求,当时的情形仍然历历在目。他将自己的农场能够存活下来进而得以发展的原因归功于对技术的应用,并且表示,这就是他在玉米价格仅仅为每蒲式耳4美元时仍然有利可图的原因。该价格相比2年前有近5成的跌幅。
回望过去的一年,他表示,得益于更好地对数据进行分析,他将自己的年投资回报率从之前的14%提高到了21.2%。而对于其他技术的利用,比如不同灌溉率以及自动化农机方面,则为他贡献了另外4%的回报。
许多像汤姆一样的农场主都对拥有他们数据的大公司心怀戒心。汤姆与孟山都这类大型企业共享了部分信息,但是他对公司在数据保存方面的政策仍然格外谨慎。他也对计算技术如何影响农场的未来忧心忡忡,他希望将农场留给自己的孩子们。
“我们和其他农场主可以实时汇集自己的产量数据,”他表示。“你认为大公司会在处理这些数据方面坚守自己的底线吗?你只好期望他们会。农场主并不会信任他们。而且,我们彼此独立,我们互为竞争对手。”
卡珊德拉·罗兰(Kassandra Rowland)是汤姆五个孩子中的一个,她负责人事以及与其他农场或公司合作方面的事务,同时也负责管理维护农场在Twitter、Facebook、Instagram以及Pinterest上的账号。她有一个9岁的女儿,正在上本地小学,同时加入了机器人俱乐部。
“这是另一个巨大的改变,”汤姆84岁的母亲玛丽·E·汤姆(Marie E. Tom)说道。“我们的女儿们参加农场会议,她们畅所欲言,她们也受到人们的尊重。在以前,事情不是这样。当时,农场的一切事务都在田间地头进行。”
汤姆的父亲在87岁高龄时仍然在照料牲畜。“许多人没有将农场当做一门生意来打理,”汤姆太太说道。“当我们结婚时,我告诉我的丈夫,‘你去城里时不要搞得很邋遢的样子,免得被他们瞧不起。’而现在,我们是在经营,如果你不努力跟上,就会落后。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18