农业大数据应用策略及平台构建

摘要:文章通过对农业大数据及其在农产品销售中的作用的分析，探讨农业大数据在助力农产品营销、提升农产品电子销售运输，创新农业营销活动，提高使用者业务能力等方面的应用效果，以期为未来农业发展有所贡献。

关键词:农业大数据；大数据分析；平台构建

1农产品销售中大数据的作用

1.1农业大数据有助于确保农作物农产品的质量。农业大数据平台使人们可以更好地了解农业实践并利用由农业部提供的科学，技术和气象信息大数据确保作物质量和生产力。1.2农业大数据节省了农产品的销售成本。大数据节省了农产品销售的大部分市场研究成本。根据实时数据，以实现对农产品和销售市场的了解；农业大数据除了提供有关农产品价格的实时信息之外，还节省了营销成本，并促进了农产品的购买，买卖双方通过信息平台相互了解，基于自身需求访问和购买数据，这使得农产品的销售更加方便快捷。1.3大数据技术可以实现农产品的电商销售。比如美团生鲜、京东生鲜等都推出了农产品销售的电商平台。通过使用大数据来分析农产品消费者的购买习惯，从而进行针对性的营销，精确开发潜在客户。

2农业大数据的应用策略

2.1农业大数据+农产品营销。2.1.1通过大数据精准定位目标客户。在农业综合企业平台上使用大数据来分析和处理数据，可以使农业商品生产商更好地了解客户群，从而精准营销和目标广告投放。农产品营销不再是“广撒网”，而是有针对性。例如，向喜欢使用QQ的客户发送消息，向喜欢使用邮件的客户发送邮件，给优先客户回电或在线维护。实践表明，精确广告不仅可以节省企业的成本，还可以避免不必要的浪费，通过精确的信息推送，满足客户需求。2.1.2通过农业大数据打造新的农产品营销。当今世界处于数字化媒体时代，农产品销售也需要利用农业大数据建立新媒体营销团队，开展新媒体宣传活动，吸引客户。例如利用抖音短视频现场直播农产品的过程，定期组织优惠活动鼓励消费者购买等。2.1.3农业大数据可用于提供个性化的营销服务。农业大数据为消费者提供海量的信息，这也使消费者的选择范围更广，因此销售信息需要基于客户的个性化需求呈现，通过个性化的营销策略使客户成为粉丝，例如引入动态农产品电子商务网页，动态页面更新与数据库相关的销售信息，为消费者提供个性化和准确的服务。2.2利用大数据提升农产品电子商务的运输与跟踪。2.2.1利用农业大数据改善农产品运输管理。通过大规模的数据建立快速响应、层次丰富、覆盖面积大、物流系统完善的服务，从而确保农产品的运输和保存。大型农业数据平台可以将农业生产区与加工区连接起来，通过非结构化系统数据（例如用于物流管理的条形码和二维码）打造网上农产品供应链。2.2.2借助农业数据实现农产品安全监测。近年来，有关粮食安全的负面信息频发，粮食安全问题已引起社会各界的普遍关注。利用农业大数据可以确保对农业生产和消费的不同环节进行实时监控和有效追溯，帮助监管者制定决策，并赋予消费者权力，在监视农产品生产者和分销者的同时保证产品安全。此外，依靠大型农业数据平台对农产品的动态反应，也可了解消费者的需求和喜好，从而有助于改进产品质量，优化生产策略。2.2.3完善农产品售后服务的控制和检查。农产品质量控制部门应规范农产品检验程序，定期检测和抽查，并加大对不合格农产品的制裁力度，以确保食品的安全。2.3通过大数据创新农业营销相关活动。企业通过分析耕地数据制定具有针对性的农产品种植计划，及时了解市场信息，这有助于提高资源利用率，为农民带来更多收益。通过利用农业大数据将金融服务公司与农民联系起来，可以提高农业金融活动的效率，评估和转移与农业活动有关的风险。此外，农业金融公司可以在融资的同时制定一套农产品加工和营销计划，以帮助农民，尤其是边远地区的农民解决农产品的销售问题。

3农产品购销决策大数据分析平台构建

3.1农产品购销决策大数据分析平台构建的主要研究内容。建设农产品购销决策大数据分析平台，有助于准确预测农产品的供应和需求以及生产与销售之间的平衡关系，避免低效生产或商品短缺。具体操作如下：对农产品购销决策大数据分析平台结构进行设计。项目需要对某种农产品的生产规模，销售情况进行数据采集。能够根据用户需求，统计某一时间段的某种农产品生产规模、生产质量、销售价格趋势，并在此基础上分析下一年的生产规模，社会需求量及价格走势，对农产品投资进行决策规划。在设定时间段内，对设定区域内某种农产品数量、质量等级进行数据挖掘分析，为更多需求企业提供供货渠道、产品数量、产品质量信息，使农产品与工厂原材料实现无缝对接，实现需求企业原材料的自动化采购。可实现企业对农产品用量、质量、区域等数据进行分析提取。3.2农产品购销决策大数据分析平台构建的具体实施方案。农产品购销大数据的来源要有真实性，为此本系统基于Spark架构采集访问多个农产品电子交易网站用户行为的大量数据,获取这些点击数据的处理方式是在相应的外链上进行埋点，将得到的数据进行ETL操作，再去分析处理这数据。通过flume进行数据的收集，再流向Kafka进行数据的缓存，通过编写SparkStreaming的代码对kafka中的数据进行实时分析，进而存入到Hbase数据库中。用SpringBoot编写相应代码，将Hbase中的数据取出，并用Echats进行效果展示。农产品购销大数据是随着时间的推移而不断变化的，平台得到的效果图也是实时动态变化的。这些动态数据可以用于指导农户对农产品生产作出决策，以便供需双方随时调整合作策略。

4结论

农业大数据正在通过将营销基准从农业转移到客户的方式来改变传统的农产品营销活动，能够准确评估客户的需求，在农产品营销中发挥越来越重要的作用。

参考文献

[1]李娟,王洪乾.乡村振兴背景下大数据农业的实践经验及政策设计[J].上海大学学报（社会科学版）,2019,36(03):96-106.

[2]宋伟,吴限.大数据助推智慧农业发展[J].人民论坛,2019(12):100-1101

作者:张家爱 马静 张良友 单位:吉林农业科技学院