智慧农业总结报告.docx

智慧农业项目总结报告总结相比于传统种植方式，智慧农业技术的优势明显。就农户而言，智慧农业可以替代大量人力获取精确的作物环境和作物信息，并进行生产设备的控制。平台上的专家系统还可以对作物的病虫害、长势等进行科学诊断与决策辅助，降低农业生产的风险，提高农作物质量。而对于农业产业，物联网可以连接农户和农产品经销商。经销商可以通过平台上的生产大数据了解各地农产品生产情况和产品质量，尽快制定收购计划。农户也可以通过物联网预先选择合适的经销商，并确定下一季度的种植计划。除了解决“买卖”问题，智慧农业还可以加强农产品的供应管理，系统收集农产品仓储、库存，以及供应商、客户的数据。拥有以上的数据基础，农产品同时还可以实现“身份认证消费者通过溯源系统可以方便的读取农产品包括产地、质量、配送过程在内的信息。对于智慧农业的大数据应用建设方法，提出以下几方面思考：1.大数据应用不仅需要具有大数据处理技术，更需要公司整体布局，建立数据生态。在大数据时代，大数据不仅是一种驾驭数据的能力、一类处理数据的技术，更是一种看待数据的思维意识、思维方式，数据正在成为重要的生产资料、巨大的经济资产、新世界的矿产与石油。农业公司需要顺应趋势转变思维，建立大数据驱动发展的思维模式，从战略高度关注大数据布局，建立从数据获取、数据整合到数据使用的完整链路，这需要业务、数据、服务三者的协同配合，通过扩大业务范围搜集更多的客户数据；通过提升数据组织和处理能力整合更多的可用数据：通过充分运用到服务中促进提升客户体验、为公司业务创造更大价值，发挥数据的巨大能量。因此，大数据布局需要将业务、数据、服务三者结合起来统筹考虑、整体规划，打造数据生态圈。2、大数据应用作为新兴技术，从研究到使用需要经历一个过程，应按照循序渐进方式开展相关工作。根据IBM研究，大数据应用建设分为四个阶段：一是教育，需要让大数据的重要性和必须性得到充分认识；二是探索，主要探索大数据到底怎么应用；三是接触，从实际的角度去思考怎么应用大数据；四是执行，真正把大数据结合到业务流程里去。大数据的建设不是一蹴而就，重在实践和迭代发展，在起步阶段可以结合具体痛点问题展开，在不断积累经验后逐步扩大应用范围。3,大数据建设的关键是高质量的数据基础，没有数据质量就没有一切，只有高质量的数据才能为企业带来价值。面对数据来源广、信息种类杂、质量参差不齐的情况，需要在建设大数据的同时关注数据治理，一是建立数据规范化标准、数据分类标准、数据定义标准、质量衡量标准等；二是建立用于监控数据从获取、存储、分析、到运用的质量监控体系；三是建立数据问题从检有、反馈到修改的质量改进流程，使问题能够得到及时发现和根本解决。