二零一六年十二十日广州南方农村报头条

重磅！农业部印发农业农村大数据试点方案
2016-10-19 09:41:54 我要评论(0)　分享到
据农业部消息，农业部印发《农业农村大数据试点方案》，方案提出，到2019年底，数据共享取得突破。地方各级农业部门内部及涉农部门之间的数据共享机制初步形成，省级农业数据中心建设
据农业部消息，农业部印发《农业农村大数据试点方案》，方案提出，到2019年底，数据共享取得突破。地方各级农业部门内部及涉农部门之间的数据共享机制初步形成，省级农业数据中心建设取得显著进展，部省联动、数据共享取得突破。大数据应用取得突破。大数据在农业生产经营各环节加快应用，大数据关键共性技术研发、关联分析和挖掘利用取得积极进展，形成一批创新应用成果。

方案提出四大主要任务，包括推进涉农数据共享、开展单品种大数据建设、探索市场化的投资、建设、运营机制、推动农业农村大数据应用。

在推动农业农村大数据应用，方案提出，积极探索农业大数据技术在农业领域集成应用，对海量数据进行分析挖掘，实现决策的智能化、精确化和科学化。结合农业物联网、信息进村入户和农产品电子商务等工作，在测土配方施肥、动植物疫病防控、农机作业、农产品质量安全监管、农业生态环境保护等领域，研发一批有效支撑智慧农业建设的大数据应用系统。联合政产学研用各方主体，开展农业大数据共性关键技术研发和大数据关联分析，开发一批分析模型和应用成果。
农业农村大数据试点方案

为贯彻落实《国务院关于印发促进大数据发展行动纲要的通知》（国发〔2015〕50号）和《农业部关于推进农业农村大数据发展的实施意见》（农市发〔2015〕6号）、《农业部关于印发〈“十三五”全国农业农村信息化发展规划〉的通知》（农市发〔2016〕5号）等有关部署要求，鼓励基础较好的地方结合自身实际，积极探索发展农业农村大数据的机制和模式，带动不同地区、不同领域大数据发展和应用，特制定本试点方案。

一、总体要求

紧紧围绕解决制约农业农村大数据发展的突出问题和薄弱环节，瞄准“数从哪来、数谁来用、数怎么管”，充分运用大数据理念和技术创新农业监测统计工作的思路和办法，充分发挥各地农业部门及企业、科研单位、行业协会的作用，推进大数据在农业生产、经营、管理、服务等各环节、各领域的应用，形成一批可复制、可推广、可持续的试点成果，提高农业农村经济运行监测的能力和水平，更好地服务政府部门决策和市场主体生产经营决策。

二、试点目标

力争通过3年左右时间，到2019年底，达到以下目标：

———数据共享取得突破。地方各级农业部门内部及涉农部门间的数据共享机制初步形成，省级农业数据中心建设取得显著展，部省联动、数据共享取得突破。

———单品种大数据建设取得突破。结合优势特色产业，建成干单品种全产业链的大数据，并在引导市场预期和指导农业生中充分发挥作用。

———市场化投资、建设和运营机制取得突破。通过政府购买务、政府与社会资本合作（PPP）等方式建设大数据取得实质性展，形成一批项目成果，探索出有效路径和模式。

———大数据应用取得突破。大数据在农业生产经营各环节加应用，大数据关键共性技术研发、关联分析和挖掘利用取得积极展，形成一批创新应用成果。

三、主要任务

（一）推进涉农数据共享开展省级农业农村大数据中心建设，通过软硬件资源整合和构重建，形成上下联动、覆盖全面的省级农业农村大数据共享平。完善农业信息资源共享机制，以共享促共建，制定涉农信息资目录体系与相关标准，深化农业专项数据建设，促进信息资源共共建、系统互联互通、业务协作协同。推动省部农业大数据共探索农业部各类统计报表、各类数据调查样本和调查结果、批市场监测数据、农村固定观察点数据等开放模式，促进部省之间数据有序共享。（试点省份：天津、上海、江苏、安徽、江西、山东、湖南、广东、广西、重庆、四川、贵州、云南、青海、新疆）

（二）开展单品种大数据建设依托本地区优势特色产业，开展单品种全产业链大数据建设，建立完善的数据采集、数据分析和数据服务机制，增强生产经营的科学决策能力。

1生猪大数据。利用大数据技术构建生猪价格发现机制，汇聚生猪全产业链数据，通过分析模型和关联分析技术，加强生猪价格周期波动规律研究。（试点省份：北京、重庆重点完善以消费趋势为导向的生猪全产业链数据监测试点，四川重点依托生猪生产及价格监测预警系统开展建设）

2柑橘大数据。整合柑橘产业资源数据，结合物联网监测数据、调查统计数据及电商平台数据，进行数据挖掘分析，为管理部门决策、生产者经营管理及消费者提供服务。（试点省份：江西重点依托省农业数据云建设柑橘全产业链大数据，重庆重点建设市柑橘产业数据中心）

3花生大数据。开展花生品种面积、生产资料、气象环境、精深加工、仓储运输、市场价格等数据采集，通过数据清洗、分析、挖掘和服务，指导决策、服务生产、辅助经营。（试点省份：辽宁重点加强数据采集体系、数据处理团队及分析模型构建，吉林以扶余四粒红花生为重点建设大数据支撑平台及统计分析队伍）数据有序共享。（试点省份：天津、上海、江苏、安徽、江西、山东、湖南、广东、广西、重庆、四川、贵州、云南、青海、新疆）

（三）开展单品种大数据建设依托本地区优势特色产业，开展单品种全产业链大数据建设，建立完善的数据采集、数据分析和数据服务机制，增强生产经营的科学决策能力。

1生猪大数据。利用大数据技术构建生猪价格发现机制，汇聚生猪全产业链数据，通过分析模型和关联分析技术，加强生猪价格周期波动规律研究。（试点省份：北京、重庆重点完善以消费趋势为导向的生猪全产业链数据监测试点，四川重点依托生猪生产及价格监测预警系统开展建设）

2柑橘大数据。整合柑橘产业资源数据，结合物联网监测数据、调查统计数据及电商平台数据，进行数据挖掘分析，为管理部门决策、生产者经营管理及消费者提供服务。（试点省份：江西重点依托省农业数据云建设柑橘全产业链大数据，重庆重点建设市柑橘产业数据中心）

3花生大数据。开展花生品种面积、生产资料、气象环境、精深加工、仓储运输、市场价格等数据采集，通过数据清洗、分析、挖掘和服务，指导决策、服务生产、辅助经营。（试点省份：辽宁重点加强数据采集体系、数据处理团队及分析模型构建，吉林以扶余四粒红花生为重点建设大数据支撑平台及统计分析队伍）“利益共享、风险共担、全程合作”的原则，引导新型农业经营主体及其他社会资金积极投资农业大数据建设。加强政府和社会资本合作（PPP模式）的制度设计，研究制定服务外包、项目代建的具体措施，以及与之配套的信息安全保密管理制度，探索大数据建设运营新模式。（试点省份：河北、辽宁、吉林、江西、广西）

（四）推动农业农村大数据应用积极探索农业大数据技术在农业领域集成应用，对海量数据进行分析挖掘，实现决策的智能化、精确化和科学化。结合农业物联网、信息进村入户和农产品电子商务等工作，在测土配方施肥、动植物疫病防控、农机作业、农产品质量安全监管、农业生态环境保护等领域，研发一批有效支撑智慧农业建设的大数据应用系统。联合政产学研用各方主体，开展农业大数据共性关键技术研发和大数据关联分析，开发一批分析模型和应用成果。（试点省份：河北、辽宁、江苏、湖北、云南）

四、保障措施

（一）加强组织领导。各试点地区要制定试点工作方案，细化试点任务和措施，充实人员力量，强化队伍建设。试点工作中要及时总结经验、反映问题、提出建议，为指导面上工作提供参考。农业部市场与经济信息司将定期开展总结评估，推广典型经验。

（二）加强团队协作。各试点地区要充分发挥科研院所、行业协会及企业的作用，加强联合与合作，形成有力的工作团队和协作机制。农业部市场与经济信息司将会同有关单位和专家，在工作指导和数据共享等方面加大推进力度。

（三）强化政策创设。试点地区要认真谋划、积极争取国家和省级关于大数据、“互联网+”等扶持政策和工程项目，加大资金支持力度。农业部在制定相关政策时，对试点省份优先考虑，支持开展试点工作。

本文来源：综合自新华网、农业部等报道
南方农村报 责任编辑：陈志深

物联网平台为设备提供安全可靠的连接通信能力，向下连接海量设备，支撑设备数据采集上云；向上提供云端API，指令数据通过API调用下发至设备端，实现远程控制。

物联网平台也提供了其他增值能力，如设备管理、规则引擎、数据分析、边缘计算等，为各类IoT场景和行业开发者赋能。

如下是共享单车基于物联网平台的解决方案。
物联网平台提供边缘计算能力，支持在离设备最近的位置构建边缘计算节点处理设备数据。

在断网或弱网情况下，边缘计算可缓存设备数据，网络恢复后，自动将数据同步至云端。

提供多种业务逻辑的开发和运行框架，包括场景联动、函数计算和流式计算，各框架均支持云端开发、动态部署。

边缘计算能力允许在最靠近设备的地方构建边缘计算节点，过滤清洗设备数据，并将处理后的数据上传至云平台。
物联网应用可广泛应用于：智能生活、智能工业、智能楼宇、环境保护、农业水利、能源监控等环境。计算平台主要涉及：

开发者使用设备接入SDK，将非标设备转换成标准物模型，就近接入网关，从而实现设备的管理和控制。

设备连接到网关后，网关可以实现设备数据的采集、流转、存储、分析和上报设备数据至云端，同时网关提供规则引擎、函数计算引擎，方便场景编排和业务扩展。

设备数据上传云端后，可以结合云功能，如大数据、AI学习等，通过标准API接口，实现更多功能和应用。

物联网 (IoT) 设备必须连接互联网。通过连接到互联网，设备就能相互协作，以及与后端服务协同工作。互联网的基础网络协议是 TCP/IP。MQTT（Message Queue Telemetry Transport，消息队列遥测传输） 是基于 TCP/IP 协议栈而构建的，已成为 IoT 通信的标准。

以公有制为主体、多种所有。

当前，数字经济作为继农业经济、工业经济之后的新经济形态的出现，以及互联网的快速发展，不断为我们的生活生产提供了便利的连接方式，也带来了丰富的数据资源。

作为前沿高新技术的大数据、物联网则正在驱动智能化发展和智能时代的来临。新一代人工智能的兴起和发展，将使人类步入智能时代。人工智能核心的要素包括数据、算法和芯片。大数据驱动知识学习人机协同，增强智能群体集成、智能自主制造系统成为人工智能的发展重点。大数据物联网等技术的发展正在驱动信息技术产业格局发生重大的改变，同时也为我国提供了难得的赶超机遇。

在今天的“山西阳泉大数据及智能物联网产业发展大会”上，工信部信软司副司长李冠宇表示，在国家政策的推动和各界的共同努力下，我国的大数据产业发展迅速，呈现出五大特点：

我国大数据产业发展迅猛 呈现五大特点

一是顶层设计不断加强，政策机制日益健全。发改委工信部网信办等46个部委共同建立了促进大数据发展部际联席会议制度，全国有30多个省市制定实施了大数据相关的政策文件。

第二方面是关键的技术领域不断取得突破，创新能力显著增强。大数据的软硬件自主研发的实力快速提升一大批大数据的技术和平台处理能力也开始跻身世界的前列。

三是行业应用逐渐深入，对经济发展的带动作用凸显。包括在电信、互联网、交通、金融、工业、农业、医疗等行业的应用不断深化，大大改善了人们的生产生活方式。

四是区域布局持续优化，产业规模不断壮大。全国推进建设了八个国家大数据综合试验区，开展大数据方面的实践探索，形成了一批集聚发展区。

第五是产业发展环境日益完善。大数据的基础设施法律法规标准体系安全保障能力，包括产业生态人才队伍都在不断的加强。

总体来说，我国大数据产业正在步入快速发展时期，为提升政府治理能力，优化公共民生服务促进经济转型和创新发展作出了积极贡献，成为推动经济社会发展的新动能。

李冠宇指出，工信部认真贯彻党中央国务院的决策部署，为着力推动大数据产业发展，今年年初颁布了大数据产业发展规划。“2016到2020规划发布以后，统筹推进规划的宣贯，落实技术产品的研发标准的研制应用产业的生态建设等方面的工作。下一步，还将继续推动大数据物联网相关政策的落实，促进各领域的深刻应用和产业发展。”

大家都见过各种内容运营平台的个性化推荐功能吧。这就是基于大数据数据分析来得出的算法公式。今天，我们就一起来了解一下。零基础学大数据技术的话，都有哪些就业方向。

大数据就业方向一、数据存储和管理

大数据都是从数据存储开始。这意味着从大数据框架Hadoop开始。它是由ApacheFoundation开发的开源软件框架，用在计算机集群上分布式存储非常大的数据集。

显然，存储对于大数据所需的大量信息至关重要。但更重要的是，需要有一种方式来将所有这些数据集中到某种形成/管理结构中，以产生洞察力。因此，大数据存储和管理是真正的基础，而没有这样的分析平台是行不通的。在某些情况下，这些解决方案包括员工培训。

大数据就业方向二、数据清理

在企业真正处理大量数据以获取洞察信息之前，先需要对其进行清理、转换并将其转变为可远程检索的内容。大数据往往是非结构化和无组织的，因此需要进行某种清理或转换。

在这个时代，数据的清理变得更加必要，因为数据可以来自任何地方：移动网络、物联网、社交媒体。并不是所有这些数据都容易被“清理”，以产生其见解，因此一个良好的数据清理工具可以改变所有的差异。事实上，在未来的几年中，将有效清理的数据视为是一种可接受的大数据系统与真正出色的数据系统之间的竞争优势。

大数据就业方向三、数据挖掘

一旦数据被清理并准备好进行检查，就可以通过数据挖掘开始搜索过程。这就是企业进行实际发现、决策和预测的过程。

数据挖掘在很多方面都是大数据流程的真正核心。天通苑电脑培训认为数据挖掘解决方案通常非常复杂，但力求提供一个令人关注和用户友好的用户界面，这说起来容易做起来难。数据挖掘工具面临的另一个挑战是：它们的确需要工作人员开发查询，所以数据挖掘工具的能力并不比使用它的专业人员强。

大数据就业方向一、数据存储和管理
大数据都是从数据存储开始。这意味着从大数据框架Hadoop开始。它是由Apache Foundation开发的开源软件框架，用在计算机集群上分布式存储非常大的数据集。
显然，存储对于大数据所需的大量信息至关重要。但更重要的是，需要有一种方式来将所有这些数据集中到某种形成/管理结构中，以产生洞察力。因此，大数据存储和管理是真正的基础，而没有这样的分析平台是行不通的。在某些情况下，这些解决方案包括员工培训。
大数据就业方向二、数据清理
在企业真正处理大量数据以获取洞察信息之前，先需要对其进行清理、转换并将其转变为可远程检索的内容。大数据往往是非结构化和无组织的，因此需要进行某种清理或转换。
在这个时代，数据的清理变得更加必要，因为数据可以来自任何地方：移动网络、物联网、社交媒体。并不是所有这些数据都容易被“清理”，以产生其见解，因此一个良好的数据清理工具可以改变所有的差异。事实上，在未来的几年中，将有效清理的数据视为是一种可接受的大数据系统与真正出色的数据系统之间的竞争优势。

---