大数据在农村遭遇困境 数据统合设施有待加强

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:

据中国乡村之声《三农中国》报道,统计显示,当下城乡“数字鸿沟”依然较大:2015年我国城市宽带用户净增1089.4万户,是农村宽带用户净增数的5.5倍。农村地区的信息化设施覆盖率低,难以搜集到全面而准确的数据。

是什么原因造成农村地区的数据难以全面搜集呢?据了解,目前我国很大一部分的“三农”数据分散在不同政府部门之间,行政边界成为数据自由流动的“高墙”,支离破碎的数据难以成为准确决策的基础。

大数据能给三农发展带来哪些好处呢?先来了解什么是大数据。

大数据的概念其实不难,就是把相关的数据汇总起来,然后找出其中的规律或者特点,再进行应用的一种方式。通过分析大数据、运用大数据,可以发现新问题,创造新价值,提升新能力。正因此,有人将大数据表意成新型经济资源。

简单说,打个比方,通过大数据统计,就能知道各地都在用什么化肥,播的什么种,各地的消费习惯等等信息,有助于市场分析,也有助于全国一盘棋,统一调配。

一方面是大数据很重要,另一方面却是收集不上来大数据。对此,中国农业大学农民问题研究所所长朱启臻表示,目前我国一些涉农领域数据缺失,数据质量不高,数据利用程度低,一些数据部门之间互相“打架”。在现实中,大数据在农村遭遇了“数据困境”。

朱启臻:数据分割带来的不便,只要是从事农村工作都会遇到,比如研究农业劳动力问题,找谁呢?人口部门的数据农业部门不清楚,劳动力的现状、未来劳动力供给的趋势,又属于劳动保障部门的责任,研究某一个问题会涉及到很多方面,数据不能共享,导致决策的时候难以得到真实的,可供决策参考的数据。

朱启臻表示,大数据的作用,大数据与农业结合效果的可期性,以及当下面临的困境,这些因素决定了我国农业的大数据融合到了非变不可的地步。发展农业农村大数据,要补齐短板,需要加快农村基础设施建设和宽带普及,推进现有设施设备的升级,逐步完善大数据采集、储备等网络设施。这不仅需要政府投入,更需要拓宽资金来源渠道,通过市场机制,鼓励社会资本进入,支持企业实施农业农村大数据公益性、增值性服务。

朱启臻:这些数据融合不起来主要受到条块分割,农村社会是一个综合性的社会,按照条块来分割管理,有十多个甚至几十个部门分别负责农村事物,但这些部门相互之间没有什么联系。农村的事物,农村经济的发展,社会的发展不是独立一个部门能够负责的,这是一个综合性的东西。但是数据却是各个部门分别掌握,所以给工作带来很多麻烦。

随着信息化的发展,大数据正和农业农村领域实现全方位的深度融合,这也为农业生产方式比较粗放、资源环境负荷过重、农民决策不理性等“老难题”提供了新的解决方案。从想象到现实,农业农村大数据的蓝图正在逐渐展开,这将为农业现代化的进程提供更加强有力的支撑。

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
|
1月前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
257 7
|
1月前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
43 2
|
1月前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
82 1
|
21天前
|
机器学习/深度学习 存储 大数据
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系,保留最大方差信息,实现数据压缩、去噪及可视化。本文详解PCA原理、步骤及其Python实现,探讨其在图像压缩、特征提取等领域的应用,并指出使用时的注意事项,旨在帮助读者掌握这一强大工具。
42 4
|
27天前
|
存储 大数据 数据管理
大数据分区简化数据维护
大数据分区简化数据维护
24 4
|
1月前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
58 3
|
1月前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
66 2
|
1月前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
102 2
|
1月前
|
数据采集 分布式计算 大数据
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第27天】在数字化时代,数据治理对于确保数据资产的保值增值至关重要。本文探讨了大数据平台的搭建和数据质量管理的重要性及实践方法。大数据平台应包括数据存储、处理、分析和展示等功能,常用工具如Hadoop、Apache Spark和Flink。数据质量管理则涉及数据的准确性、一致性和完整性,通过建立数据质量评估和监控体系,确保数据分析结果的可靠性。企业应设立数据治理委员会,投资相关工具和技术,提升数据治理的效率和效果。
102 2
|
1月前
|
存储 安全 大数据
大数据隐私保护:用户数据的安全之道
【10月更文挑战第31天】在大数据时代,数据的价值日益凸显,但用户隐私保护问题也愈发严峻。本文探讨了大数据隐私保护的重要性、面临的挑战及有效解决方案,旨在为企业和社会提供用户数据安全的指导。通过加强透明度、采用加密技术、实施数据最小化原则、加强访问控制、采用隐私保护技术和提升用户意识,共同推动大数据隐私保护的发展。