我們首先要區分農業大數據和農業大數據技術。不幸的是，把兩樣不同的東西混為一談的人很多。
農業大數據技術核心在於技術，包括獲取技術和處理數據的技術，相比工業大數據技術，大數據處理技術類似，但是農業大數據獲取技術對於技術的多樣性和複雜程度要求更高，根本原因在於工業大數據技術面對的是非生命物質，農業大數據面對的是開放環境生長的動植物生命，農業大數據技術更為複雜。
那什麼是農業大數據？首先理解什麼是大數據？它是真實世界的一種映射，通過數據化把真實世界映射在另外一個虛擬世界，通過對數據的建模、運算和處理，讓我們對於真實世界的感知又深了一層，相比於傳統利用經驗的判斷，農業大數據其實是我們解構生命屬性的動植物全生命流程（產業鏈）的一種新的更接近真實的模式。
1- 農業大數據技術-
（1）農業大數據獲取的技術
- 遙感技術，它包括衛星遙感，無人機遙感，有人機遙感、定點攝像頭等；
- 氣象技術，它包括氣象衛星、氣象雷達、氣象基站、無人自動氣象站等；
- 探測技術，包括照相機，攝像頭，探測設備，傳輸設備；
- 定位技術，它包括GPS，北斗，伽利略，格羅納斯，RTK等；
- 各種有線和無線傳輸技術
（2）農業大數據的處理技術
- 數據庫
- 參數、算法、模型
- 小程序、APP、軟件
- 功能、模塊、系統、平臺、SAAS
- 雲計算、區塊鏈
2- 農業大數據 -
我們之前講過，農業大數據之“大”主要是體現在“多維度”上。那麼，農業大數據的多維度主要都體現在哪些方面呢？
（1）它首先體現“涉農”的廣泛性和全面性，即它涵蓋農業生產過程的全要素
- 宏觀要素，社會因素、經濟因素、政策因素、成本要素、價格要素、供求關係、國際貿易因素等；
- 投入要素：如種子、化肥、農藥、農機、農膜等；
- 環境要素：氣候因素、氣象因素、地理環境、小區域氣候、土壤因素等；
- 操作要素：如農事規劃，農事操作，操作與農時/作物生長週期的配合，農機與農具的搭配，操作的時間、數量、質量、效果等；
- 管理要素：規模，效率、投入、產出、成本、效益、人均勞動生產率等。
（2）它體現“涉業”，即涉及產業鏈的全過程的各個方面的數據
- 金融大數據：融資、信貸、數量、比例、期限、利率、還款方式、保險、期貨、收入、效益等；
- 產業大數據：作物、品種、投入、生產、產出、銷售、加工、損耗、成本、效益、投入產出比，資金週轉率、倉儲、物流，庫存，損耗，開工率等；
消費大數據：消費群體、消費水平，地域、渠道、年齡、偏好、品類、數量、頻次、時段、價格敏感度、支付方式、重複購買率、品牌忠誠度等。
3- 農業大數據的邏輯和架構 -
構建農業大數據系統有三大注意事項。
（1）業務邏輯優先技術邏輯
農業大數據因為涉及開放和多變環境，冗長的產業鏈，漫長的時間，多重的參與者，所以遠遠比一般產業的大數據來得複雜。正確理解產業鏈的基本構成和各自不同的內在邏輯，預見產業鏈的變化和發展的趨勢，釐清整體和各個組件結構關係，模型的構成以及要素的優先次序和權重等尤為重要。
業務邏輯優先於技術邏輯是農業大數據能夠得以正確實現的基本前提，萬萬不可由於“技術控”而被誤導。技術再先進，結構做的再漂亮，如果模型沒有能夠正確理解和按照業務邏輯建立起來的，其結果也只能是好看而不實用。
（2）底層芯片設計很重要
構建農業大數據系統如同設計“芯片”，是一層層通過疊加而搭建起來的。在清晰的產業邏輯基礎上建立的底層架構的合理性十分重要，它決定著“芯片”最後的成功與否以及是否具有實用價值。如果沒有合理的底層設計，許多先前看起來很有價值的應用和數據最後都可能形同雞肋。由於基礎沒有打好，後續的系統運行會低效率、高功耗，而且漏洞百出，最後不得不推倒重來。
（3）打通數據孤島是關鍵
農業大數據系統的建立要實現開放性設計，能夠與外源數據實現兼容和交換，以避免成為“數據孤島”。因為只有實現完整產業鏈基礎上的“數據鏈”的貫通，農業大數據才真正具有價值。
閱讀更多 三農e視界 的文章
