农业大数据在农业经济管理中的应用分析

收稿日期：2023-11-30

作者简介：韦奇（1992—），男，贵州望谟人，助理农艺师，研究方向为农业技术推广。

摘 要：我国是农业大国，农业生产安全关系国家粮食安全与社会稳定。有效应用农业大数据辅助农业经济管理，发展现代化、科学化、信息化的农业，符合我国的发展需要。分析了农业大数据在农业经济管理中应用的作用和问题，探讨了农业大数据在农业经济管理中的应用对策，促进我国农业的可持续发展。

关键词：农业大数据；农业经济管理；应用

中图分类号：F323.3 文献标志码：B文章编号：2095–3305（2024）03–00-03

农业大数据是一类诞生于复杂的农业生产、营销活动的数据，最终通过处理分析并服务于农业生产。农业经济管理是在尊重自然规律的基础上，应用现代经济学规律、研究成果领导和调节农业生产、交换、分配、消费环节的管理行为。发展和应用农业大数据，最终目的是为农业经济管理赋能，服务于农村产业发展。

1 农业大数据与农业经济管理简述

1.1 农业大数据

农业大数据是大数据理念、技术在农业生产领域的实践产物，兼具农业特性和大数据特性。农业大数据保留了大数据本身具有的规模大、类型多、价值密度低、处理速度快、精确度高、复杂程度高的基本特征，又具备了农业的季节性、地域性、周期性、多样性特征，综合后呈现出来源广泛但结构复杂、类型多样又难以用常规方式进行分析处理、单一价值低但整体具有巨大潜在价值的特征[1]。农业大数据涵盖农业种植业、林果业、畜牧业多个领域的生产过程，涉及单一领域生产（如种植业从整地、种子处理到收割存储的全过程）各个环节，联系着农业整条产业链，并正在逐步向气象、进出口、市场价格等领域拓展，与宏观经济的联系逐渐紧密。

农业大数据从地域上来看，可划分为全国层面数据、区域数据、省市数据、地级市数据多个层级，全国数据与国际农业数据进行对比为全国农业生产决策提供服务，区域数据主要为粮食主产区的生产服务，省市数据、地级市数据为辖区农业生产和经济管理提供基础参数；从粒度上来看，不仅包括农业生产领域的统计数据，还包含农产品流通数据、涉农经济主体数据、专利信息等；从专业性上来看，主要集中在农业环境资源、农业生产、农业市场、农业管理4个部分，其中环境资源包含气象数据、水资源数据、病虫害数据等，生产数据包含地块耕种前茬历史数据、良种育种数据、测土配肥数据、灌溉数据、农机数据等，或养殖业个体系谱数据、圈舍环境数据、动物疫情数据等，市场数据包含供求数据、国内外市场价格数据、流通市场数据等，管理数据包含国内外农产品成交数据、国内外农产品贸易价格数据、突发事件信息数据等。

1.2 农业经济管理

农业经济管理是在尊重自然规律的基础上，应用现代经济学规律、研究成果领导和调节农业生产、交换、分配、消费环节的管理行为[2]。具体农业经济管理内容包含：正确规划地区的农业生产结构，正确处理农林牧副渔相互关系，正确处理国家、农业劳动者、企业之间及内部的相互关系，调动农业劳动者的生产积极性，满足社会对农产品、农副产品的需求等。

农业经济管理具有自然和社会双重属性，具体操作过程中需遵循多重原则。市场导向原则，即根据消费者的偏好、市场需求调整农业生产结构，避免市场上的某类农产品剩余增多，避免消费者需求得不到满足；市场导向原则不仅是农业部门领导、管理需遵循的原则，还是涉农企业、农户制定生产经营计划时需要遵循的原则；经济效益原则，即以最小的成本、人力投入获得最大经济成果。集约化经营是我国农业领域发展的主流趋势，节约人力、物力、财力资源的生产经营更符合我国农业发展的需求；优化组合原则，即生产要素的配置比例、配置方式要达到最优组合，彻底解放生产力。

2 农业大数据在农业经济管理中的作用和存在的问题

2.1 农业大数据在农业经济管理中的作用

2.1.1 促进农业科技发展

利用农业大数据可以提高对农业生产规模、经营水平、管理经验的分析，及时发现影响农业发展的因素，调整经营策略，发展针对性的农业科学技术，提升农户、涉农企业的核心竞争力。现代农业正在向着科学化、信息化方向发展，逐步改变传统靠天吃饭的农业发展模式，应用大数据技术进行提前预测，有利于农户、涉农企业及时作出应对措施，保证农作物产量，提高农业的抗风险能力。

2.1.2 提升企业的竞争力

农业生产有明显的周期性，涉农企业在缺少行业信息、市场信息的情况下容易出现经营风险大、竞争力水平不确定的问题。应用农业大数据可帮助涉农企业主动了解市场供求、行业发展趋势，刺激企业从提高自主创新能力、精细化管理等方面提升竞争力。

2.2 农业大数据在农业经济管理中存在的问题

2.2.1 基础设施建设不足

目前，全国范围内省市级大数据中心的存储空间尚不足以完全支持辖区内农业大数据进行上传、分析处理和应用[3]。在农业大数据快速增长的当下，相关部门需进一步拓展大数据中心的存储和处理能力。

与省市级大数据中心的境况不同，省市内涉农主体中真正全面部署了农业信息采集设备的只占较小部分，大部分为涉农企业，另一小部分为家庭联产承包责任制的农户。大多数农户尚未全面部署信息采集设备，农业大数据中心所能获取、检测、分析的数据也并不全面。因此，在基础设施建设方面，我国还有较长的一段路要走。即便现在有北斗卫星系统、吉林一号农业卫星等监测主体的参与，基础设施建设同样不容忽视。

2.2.2 数据质量差、应用不充分

受到基础设施建设的影响，目前农业大数据中心能够获取到的数据质量较差，不仅体现在可用数据量少、更新频率低，还体现在数据采集指标不规范、标准不统一、粒度不细致等方面。

在质量较差的情况下，农业大数据的分析处理以及后续应用都会受到影响，对农业经济管理的辅助效果大打折扣。出现这种现象的原因并不仅仅在于大数据基础设施建设不足，还在于企业与政府部门之间、企业与企业之间、部门与部门之间的数据兼容互通度尚不足够。

在后续应用上，涉农企业或考虑到农业大数据对经济利润获取、品牌效应营造等方面的影响，存在不愿、不想共享的情况，或考虑到大数据关系企业自身的信息安全，存在不敢共享的情况。上述种种顾虑都导致当下农业大数据的开发利用不足，限制了农业大数据对农业经济管理的辅助效果。

2.2.3 缺少有效合作模式

农业大数据关系着农产品质量安全，关乎区域稳定、国家安宁，是非常重要的数据类型，国家和政府应主导农业生产活动、经济管理工作。但实际应用中，虽然农业大数据收集中心、平台掌握在政府手中，但农产品需求和交易情况在终端市场、流通数据在物流市场、生产和供给情况在农户和涉农企业，形成了数据分散的现实情况。国家和政府想要直接或间接采集这些农业大数据，必须先牵头组织合作模式，使农业大数据能够真正为农业经济管理赋能。

2.2.4 农业大数据产业发展面临的困难

（1）终端采集设备部署难度大。相关统计表明，我国目前仍然有上万个村落没有进行互联网的覆盖。这是当前农业大数据行业发展的阻碍，也是大数据在农业经济管理中有效应用的阻碍。

（2）大数据人才缺口大。目前，大多数技术人员不愿意到农村从事农业大数据的相关工作，同时农村劳动力不断流失，引进的大数据专业人才往往很快因为生活条件问题离开，人才缺口限制了农业大数据产业的发展和应用。

（3）农业数据采集终端成本高。一套完整的农业大数据传感、采集、上传设备的成本在1万元左右，后续还需要持续投入管理、维护、更新换代，对于农户、涉农企业以及政府而言负担过重。

（4）法律法规尚未完善。目前我国的法律法规尚未明确农业大数据的归属权、隐私与共享之间的界限，每个掌握了数据的参与者都想获取红利，却又不愿意分享数据，害怕对自身发展不利。

（5）农业大数据变现困难。数据本身是一种资源，一种可变现的资产。我国的农业大数据目前尚未能真正形成一个可变现的产业，对农户、涉农企业面对的经济管理问题难以精确提供有经济价值的解决方案。目前，农业大数据的产业化、商业化发展有限，农户和涉农企业参与大数据相关工作意愿也较低。

3 农业大数据在农业经济管理中的应用对策

3.1 以企业SaaS模式在经济管理中释放大数据价值

SaaS模式是当下经过市场检验较为合理的、发挥大数据价值的应用模式，能够与当前国内农业大数据发展形势相互契合。在SaaS模式下，体量较大、有政府背书的企业承担前期的风险和成本，统一购买农业生产端的数据采集、传感设备，并承担起部署和维护的工作和成本。如此一来，一方面可降低农户和涉农中小企业应用设备的成本，扩大数据采集传感设备的布设面积，提升大数据的采集质量；另一方面可将安装了设备的农户、涉农中小企业的生产过程纳入监控，监督生产端的生产实际质量，获取高品质、符合标准的农产品及农副产品，通过电商平台进行统一销售。

SaaS模式既满足了大企业方面对自身经济利润的追求，又使农户和涉农中小企业的设备使用成本、数据责权风险下降，从而形成良性、闭合的循环，有效发挥农业大数据的价值，实现大数据对农业经济管理的支持。大企业通过溯源二维码+区块链技术使农产品从田地到餐桌全程透明，有助于提高消费者的信心，解决农业生产标准化问题，并利用自身品牌平台提高农产品的品牌价值，淡化数据归属和隐私问题，享受大数据指导经济管理的红利。参与大企业相关产业链铺设的农户和涉农中小企业，也可以享受到大数据赋能带来的利润。

3.2 政府+企业SaaS模式在经济管理中发挥大数据的作用

3.2.1 政府+企业SaaS模式的应用价值

从目前京东等企业的SaaS模式运行现状和拓展前景来看，京东等企业的成功运行和盈利，证明了SaaS模式的发展方向是可行的。但能够参与到京东等企业的运行模式中的农户和涉农中小企业数量并不多，其中农户数量很少，说明单靠企业该模式将因成本问题、盈利问题局限于高价值农作物，和本身能够提供标准化程度较高产品的涉农企业，较难造福于更多、更需要帮扶的涉农企业和农户。京东、阿里、华为都属于在数据技术、云计算、人工智能方面走在行业前列的大企业，尚且局限于成本和盈利问题，说明SaaS模式仅靠市场驱动短期内难以继续向前推进。参考美国农业部释放数据资源助推农业大数据企业发展成跨国企业，欧盟农业枢纽计划短短数年内建立起了一个庞大的农业信息网络。

3.2.2 政府+企业SaaS模式的开发原则

（1）数据真实准确原则。政府释放的农业数据目的是服务企业、农业研究者和农户，所释放的数据应保证真实和准确，最大程度上客观、准确地表达农业生产、销售、流通情况。政府大数据管理中心平台应明确数据的标准，推动农业大数据行业的科学化、规范化。

（2）以数据消费者需求为导向原则。政府释放农业数据，是数据的提供者，农户、涉农企业、农业研究者、京东等大企业是数据的消费者。政府应以数据消费者的真实需求为导向，为大中小企业、个体农户提供其需求的数据，填补消费者能力上的短板，发挥大数据价值，协调解决真实问题，提高数据共享的服务体验。

（3）政企分离、互助原则。在政府+企业SaaS模式中，政府释放数据服务企业同时也监管企业的SaaS运行模式，企业提供政府要求的数据同时也接受着政府的监管，是相互扶持的共建方。企业应保证合法合规经营，在市场机制下充分发挥政府释放数据资源的作用，推动大数据在农业中的作用。

3.2.3 政府+企业SaaS模式的数据流动

在政府+企业SaaS模式中，数据流动贯穿始终，决定了该模式能否充分在农业经济管理中发挥农业大数据的作用和价值。政府农业大数据科室是负责数据采集和存储的主体，其数据来源于田间收集的自然环境数据、物流企业收集的流通数据、市场终端收集的销售数据，以物联网为载体传回政府科室。政府农业大数据科室将数据以相对低廉的方式释放给SaaS企业、科研机构以及政府监管部门，再由SaaS企业根据不同定位用户对象而制作成不同的SaaS产品，以满足涉农中小企业和农户的使用需求。涉农中小企业和农户利用农业大数据指导自己的农业经济活动，实现在农业经济管理中发挥大数据作用。涉农中小企业和农户在田间的生产行为，在市场上的销售流通行为，又产生新的数据通过物联网回传政府农业大数据科室的采集系统，形成数据的良性循环。

3.3 为完善农业信息化建设培养专业技术类人才

农业大数据在农业经济管理中发挥作用，需要以完善农业信息化建设作为基础。农业信息化建设现存在较大的专业技术类人才缺口，田间地头留不住大数据专业人才，城市高校、专业研究机构培养的人才不愿意流向乡村，是限制农村大数据行业发展、影响农业经济管理工作开展效果的重要因素。

我国发展农业大数据是为了服务于农业，现行人才培养机制无法满足农业信息化建设的需要，可考虑转而从培养农村信息技术类人才入手，以此填补人才缺口。例如，SaaS产品中开发农业数据采集传感设备相关的智能解决方案，通过ChatGPT途径向农户提供常见设备故障问题的排除方法、设备运维操作流程指导，使已安装的数据采集设备能够稳定发挥应有价值。

动手参与农业数据采集传感设备的运维和故障排除工作是培养农村信息技术类人才的重要基础。参考农机技术人才的培养模式和农机维修点的布设方式，在田间地头筛选培养有天赋、有兴趣的农业人才，培养村里的信息能手。此外，在招收大学生村官时定向吸纳信息技术专业的大学生，围绕农业数据采集传感设备的故障排除、日常运维、信息问题处理进行岗前培训，为乡村引入信息技术方面的专业人才。

4 结束语

农业大数据的采集、应用尚存在不少问题，难以发挥为农业经济管理赋能的作用。需从企业SaaS模式、政府介入、人才培养3个方面着手，协同改善农业大数据的采集和应用现状，切实发挥农业经济管理赋能的价值，推动农业产业可持续发展。

参考文献

[1] 王宗学.简析大数据在构建智慧农业过程中对农业经济管理的重要价值[J].农业工程技术，2022，42（6）：66-67.

[2] 徐勤东.农业经济管理对农村经济发展的促进作用分析[J].山西农经，2023（6）：86-88.

[3] 石占涛.农业大数据在现代农业经济发展中的应用刍议[J].中国管理信息化，2023，26（5）：81-84.