“土地信息+”能否激发千亿大数据应用市场

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

一块巨大的农业“互联网+”蛋糕正加速成熟。

农村土地承包经营权确权登记颁证,是农业现代化的基础。2008年,国家选择成都率先开展试点,2015年在四川、山东、安徽整省推进,至今年,在全国的整省推进名单上已有22个省份。这将产生大规模、精细化程度最高的土地信息大数据库。

一个巨大的市场接踵而至——基于土地信息大数据为基础的信息服务。

A “钱景”:

1500亿元大市场,5-10年迎爆点

“现代农业最核心的是数据,土地和人的数字化是基础。”1月13日,西南财大经济信息工程学院副教授罗旭斌开门见山。

在他看来,确权建立起的农场土地信息大数据,是农业最基础的数据,有了数据才能用信息技术精准“重构”传统农业,这是农业的巨大变化。

“确权的下游应用市场空间大概在1500亿元,商机相当广阔。”西南交大信息与技术学院博士李剑波特别强调,这只是这项农业信息化工作本身的投入,其引爆的整个产业链价值则是天文数字。

学计算机的罗旭斌和学地理信息的李剑波合作完成了中国首张现代鱼鳞图——都江堰鹤鸣村土地登记系统绘制,随后成立起集数据、地理信息服务、软件研发等于一体的四川鱼鳞图信息公司,产品和方案被应用于23个省200多个区县,成为行业领跑者之一。

罗旭斌把确权后的拓展应用称为“土地信息+”。在他看来,该领域应用广阔,如土地流转、数字农场、农产品销售、土地金融等社会化服务等环节,将为相关计算机软件、硬件、服务公司带来巨大发展机遇。如现有农产品质量安全追溯体系,精细不足,只有当土地信息数据与溯源公司数据互换,才能真正从餐桌一口气精准追溯到具体某块地头。以前搞土地流转只是本台账,现在土地在哪里有精准定位,将信贷与具体地块吻合,从而化解了银行隐忧。“未来两三年主体数据基本就位,真正有意义的市场化行为的流转应在3年后,5—10年就会迎来‘土地信息+’应用爆发高点。”李剑波预测。

B 困惑:

建数字化农场,商业模式还不成熟

谁会买单?

1月12日,省农业厅与西南交大围绕共建土地信息研究院签定战略合作协议。省农业厅厅长任永昌抛出了当下较为急迫的需求订单:高标准农田建设、土壤普查巩固、耕地质量提升等,都亟待通过基于农村土地信息数据的挖掘应用。

在省农业厅信息中心主任钱亮看来,这种应用挖掘应贯穿于农业生产、经营、管理和服务四大环节,“比如生产环节的物联网技术、经营环节的农村电商等,都与土地信息数据实现嫁接。”

与政府合作是一块大市场,但在李剑波眼里,未来真正的需求更多来自市场,在于日益崛起的新农人们和对农产品质量安全营养等要求愈来愈高的消费者。“核心还是为新农人建立数字化农场。”

全国同行如雨后春笋般出现。作为先行者,李剑波也坦承,目前对于如何精准挖掘应用,暂时毫无突破。“核心难点在于商业模式的设计。”

各地数据库还在建立当中,需求方也仅初具规模,应用突破成为整个行业的共同困惑。鱼鳞图公司今年也曾尝试一些应用新业态,但并未盈利。

C 突破:

政府合理开放数据,避免出现“数据鸿沟”

中科院成都计算机应用研究所高级工程师张炳泉表示,大数据应成为一种支持公众创新创业的公共资源,政府应避免垄断,在厘清权责关系的前提下,将数据向企业和个人开放,并用公信力为交易等应用“背书”。

钱亮也表示,农业大数据是三农公共事业,应在保护国家安全的情况下,有条件地与社会共享,“今后农民工流转出土地外出打工,用APP就能看到自家土地业主拿来种了啥,他有知情权。”

张炳泉看来,政府应从主导者变为服务者,可通过PPP模式等市场化模式与企业共同开发应用。“企业或个人利用大数据对集中起来的土地资源进行更合理的规划利用,实现精细农业、规模生产。”

钱亮强调,政府必须合理地自下而上建立大数据库,同时不能仅局限于土地信息数据库,还应尽快将质量安全信息溯源、农村三资管理、农村电商等方方面面的农业大数据统起来,打通各个环节,建立数据云,才能发挥出精准效应,跨越“数据鸿沟”。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
4月前
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
283 1
|
2月前
|
机器学习/深度学习 人工智能 运维
智能化运维:AI与大数据在IT运维中的应用探索####
本文旨在探讨人工智能(AI)与大数据分析技术如何革新传统IT运维模式,提升运维效率与服务质量。通过具体案例分析,揭示AI算法在故障预测、异常检测及自动化修复等方面的实际应用成效,同时阐述大数据如何助力实现精准运维管理,降低运营成本,提升用户体验。文章还将简要讨论实施智能化运维面临的挑战与未来发展趋势,为IT管理者提供决策参考。 ####
|
3月前
|
存储 机器学习/深度学习 大数据
量子计算与大数据:处理海量信息的新方法
量子计算作为革命性的计算范式,凭借量子比特和量子门的独特优势,展现出在大数据处理中的巨大潜力。本文探讨了量子计算的基本原理、在大数据处理中的应用及面临的挑战与前景,展望了其在金融、医疗和物流等领域的广泛应用。
|
3月前
|
机器学习/深度学习 存储 大数据
云计算与大数据技术的融合应用
云计算与大数据技术的融合应用
|
4月前
|
存储 分布式计算 druid
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
100 1
大数据-149 Apache Druid 基本介绍 技术特点 应用场景
|
4月前
|
存储 机器学习/深度学习 大数据
量子计算与大数据:处理海量信息的新方法
【10月更文挑战第31天】量子计算凭借其独特的量子比特和量子门技术,为大数据处理带来了革命性的变革。相比传统计算机,量子计算在计算效率、存储容量及并行处理能力上具有显著优势,能有效应对信息爆炸带来的挑战。本文探讨了量子计算如何通过量子叠加和纠缠等原理,加速数据处理过程,提升计算效率,特别是在金融、医疗和物流等领域中的具体应用案例,同时也指出了量子计算目前面临的挑战及其未来的发展方向。
ly~
|
4月前
|
供应链 搜索推荐 安全
大数据模型的应用
大数据模型在多个领域均有广泛应用。在金融领域,它可用于风险评估与预测、智能营销及反欺诈检测,助力金融机构做出更加精准的决策;在医疗领域,大数据模型能够协助疾病诊断与预测、优化医疗资源管理和加速药物研发;在交通领域,该技术有助于交通流量预测、智能交通管理和物流管理,从而提升整体交通效率;电商领域则借助大数据模型实现商品推荐、库存管理和价格优化,增强用户体验与企业效益;此外,在能源和制造业中,大数据模型的应用范围涵盖从需求预测到设备故障预测等多个方面,全面推动了行业的智能化转型与升级。
ly~
427 2
ly~
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
大数据在智慧金融中的应用
在智能算法交易中,深度学习揭示价格波动的复杂动力学,强化学习依据市场反馈优化策略,助力投资者获取阿尔法收益。智能监管合规利用自然语言处理精准解读法规,实时追踪监管变化,确保机构紧跟政策。大数据分析监控交易,预警潜在违规行为,变被动防御为主动预防。数智化营销通过多维度数据分析,构建细致客户画像,提供个性化产品推荐。智慧客服借助 AI 技术提升服务质量,增强客户满意度。
ly~
219 3
ly~
|
4月前
|
供应链 搜索推荐 大数据
大数据在零售业中的应用
在零售业中,大数据通过分析顾客的购买记录、在线浏览习惯等数据,帮助零售商理解顾客行为并提供个性化服务。例如,分析网站点击路径以了解顾客兴趣,并利用历史购买数据开发智能推荐系统,提升销售和顾客满意度。此外,大数据还能优化库存管理,通过分析销售数据和市场需求,更准确地预测需求,减少库存积压和缺货现象,提高资金流动性。
ly~
656 2
ly~
|
4月前
|
供应链 监控 搜索推荐
大数据的应用场景
大数据在众多行业中的应用场景广泛,涵盖金融、零售、医疗保健、交通物流、制造、能源、政府公共服务及教育等领域。在金融行业,大数据用于风险评估、精准营销、反欺诈以及决策支持;零售业则应用于商品推荐、供应链管理和门店运营优化等;医疗保健领域利用大数据进行疾病预测、辅助诊断和医疗质量评估;交通物流业通过大数据优化物流配送、交通管理和运输安全;制造业则在生产过程优化、设备维护和供应链协同方面受益;能源行业运用大数据提升智能电网管理和能源勘探效率;政府和公共服务部门借助大数据改善城市管理、政务服务及公共安全;教育行业通过大数据实现个性化学习和资源优化配置;体育娱乐业则利用大数据提升赛事分析和娱乐制作水平。
ly~
1145 2