手机版 
我们首先要区分农业大数据和农业大数据技术。不幸的是，把两样不同的东西混为一谈的人很多。
农业大数据技术核心在于技术，包括获取技术和处理数据的技术，相比工业大数据技术，大数据处理技术类似，但是农业大数据获取技术对于技术的多样性和复杂程度要求更高，根本原因在于工业大数据技术面对的是非生命物质，农业大数据面对的是开放环境生长的动植物生命，农业大数据技术更为复杂。
那什么是农业大数据？首先理解什么是大数据？它是真实世界的一种映射，通过数据化把真实世界映射在另外一个虚拟世界，通过对数据的建模、运算和处理，让我们对于真实世界的感知又深了一层，相比于传统利用经验的判断，农业大数据其实是我们解构生命属性的动植物全生命流程（产业链）的一种新的更接近真实的模式。
1
- 农业大数据技术 -
（1）农业大数据获取的技术
-
遥感技术，它包括卫星遥感，无人机遥感，有人机遥感、定点摄像头等；
-
气象技术，它包括气象卫星、气象雷达、气象基站、无人自动气象站等；
-
探测技术，包括照相机，摄像头，探测设备，传输设备；
-
定位技术，它包括GPS，北斗，伽利略，格罗纳斯，RTK等；
-
各种有线和无线传输技术
（2）农业大数据的处理技术
-
数据库
-
参数、算法、模型
-
小程序、APP、软件
-
功能、模块、系统、平台、SAAS
-
云计算、区块链
2
- 农业大数据 -
我们之前讲过，农业大数据之“大”主要是体现在“多维度”上。那么，农业大数据的多维度主要都体现在哪些方面呢？
（1）它首先体现“涉农”的广泛性和全面性，即它涵盖农业生产过程的全要素
-
宏观要素，社会因素、经济因素、政策因素、成本要素、价格要素、供求关系、国际贸易因素等；
-
投入要素：如种子、化肥、农药、农机、农膜等；
-
环境要素：气候因素、气象因素、地理环境、小区域气候、土壤因素等；
-
操作要素：如农事规划，农事操作，操作与农时/作物生长周期的配合，农机与农具的搭配，操作的时间、数量、质量、效果等；
-
管理要素：规模，效率、投入、产出、成本、效益、人均劳动生产率等。
（2）它体现“涉业”，即涉及产业链的全过程的各个方面的数据
-
金融大数据：融资、信贷、数量、比例、期限、利率、还款方式、保险、期货、收入、效益等；
-
产业大数据：作物、品种、投入、生产、产出、销售、加工、损耗、成本、效益、投入产出比，资金周转率、仓储、物流，库存，损耗，开工率等；
-
消费大数据：消费群体、消费水平，地域、渠道、年龄、偏好、品类、数量、频次、时段、价格敏感度、支付方式、重复购买率、品牌忠诚度等。
3
- 农业大数据的逻辑和架构 -
构建农业大数据系统有三大注意事项。
（1）业务逻辑优先技术逻辑
农业大数据因为涉及开放和多变环境，冗长的产业链，漫长的时间，多重的参与者，所以远远比一般产业的大数据来得复杂。正确理解产业链的基本构成和各自不同的内在逻辑，预见产业链的变化和发展的趋势，厘清整体和各个组件结构关系，模型的构成以及要素的优先次序和权重等尤为重要。
业务逻辑优先于技术逻辑是农业大数据能够得以正确实现的基本前提，万万不可由于“技术控”而被误导。技术再先进，结构做的再漂亮，如果模型没有能够正确理解和按照业务逻辑建立起来的，其结果也只能是好看而不实用。
（2）底层芯片设计很重要
构建农业大数据系统如同设计“芯片”，是一层层通过叠加而搭建起来的。在清晰的产业逻辑基础上建立的底层架构的合理性十分重要，它决定着“芯片”最后的成功与否以及是否具有实用价值。如果没有合理的底层设计，许多先前看起来很有价值的应用和数据最后都可能形同鸡肋。由于基础没有打好，后续的系统运行会低效率、高功耗，而且漏洞百出，最后不得不推倒重来。
（3）打通数据孤岛是关键
农业大数据系统的建立要实现开放性设计，能够与外源数据实现兼容和交换，以避免成为“数据孤岛”。因为只有实现完整产业链基础上的“数据链”的贯通，农业大数据才真正具有价值。
