農業大數據平臺方案范文第1篇
蒙草集團依托20余年的生態科研實踐，運用互聯網、云計算、物聯網等技術，結合實地監測，整理收集指定區域水、土、氣、人、草、畜等生態系統相關數據，建立指標分析模型，從而精準指導生態修復實踐，科學指導產業發展決策，優化引導農牧民生產生活，成為生態產業、農林牧產業等移動版的“GPS”+“科技110”。作為“生態+農業”大數據的一項實踐，五原縣農業大數據平臺是蒙草依據當地農業生態現狀和農業生產實際需求，搭建的以農業大數據為核心的生態公眾服務平臺。
大數據指導農業生產
五原縣農業大數據平臺使當地的農業生態實現了農業技術服務“一網覆蓋”，農業資源數據“一鍵獲取”，有效監控農畜產品的產量和質量。同時，大數據平臺的遙感數據也提供該縣農作物種類的空間分布、作物長勢的變化以及不同程度的鹽堿地分布的各類信息，為該縣因地制宜規劃農業生產提供依據。
大數據平臺中的物聯監測，可提供農作物生長環境、生長需求以及不同氣候溫度條件下病蟲害發生情況的信息，提示農業部門及農民及早預防治療，保證農作物健康生長，并通過精準施肥灌溉，減少水肥浪費，保護生態環境，促進農業可持續發展。
平臺可監測家畜疫病的防治。防疫員可通過“智慧農業”APP快速地將牲畜圖片、視頻、農戶和防疫員確認簽字情況等防疫信息實時上報，并匯總到大數據平臺。平臺可對疫苗進行追溯，并做出該地區防疫熱區圖。2018年2月14日，五原縣養羊農戶趙瑞花在平臺留言，家里的羊腿疼，走路一瘸一拐，不吃草，情況不止出現過一次，且附近幾個村子都有類似情況發生。專家王強勝看到提問后回復了有效的治療措施。平臺通過為農戶提供與專家溝通的渠道，為農戶及時解決問題。
此外，農業信息員也將防災減災、土地流轉與疫病防控等相關信息發布在農業綜合信息平臺上。平臺信息結合科技服務直通車的
蒙草搭建農業大數據平臺資料
輔助，打通了農牧業科技信息服務的“最后一公里”，為農牧民解決難題，為農業生產保駕護航。
搭平臺服務市場決策
五原縣素有“河套糧倉、葵花之鄉”的美譽，盛產葵花、小麥、玉米、油料、甜菜、番茄、瓜果、瓜菜籽等農產品，是全國著名的糧、油、糖及綠色無公害農產品生產基地。
五原縣農業大數據平臺可監測當地農作物價格。通過有效監測當地農作物市場情況，分析判斷每年農作物產量的走勢，平臺數據指導著農戶有針對性地種植所需求農作物的數量。農牧業部門利用平臺大數據快速調取農作物和畜牧業的產量及占比、當前防疫任務完成率、土地流轉均價、農技咨詢關注度以及各類農產品價格實時監測等數據。平臺中的一些信息服務板塊也備受農民青睞，如“科技110”使農民的農牧業實用技術、技術培訓、市場信息、涉農涉牧政策法規等問題可得到專家及時、專業的回答。
服務三產融合發展
蒙草與五原縣政府緊密圍繞當地農業生產特色，打造了農村產業融合發展示范園，分為農業產業融合展示館、生態大數據館、熱帶植物館，集農業新科技成果示范、農業大數據展示、生態科普、休閑旅游觀光體驗等多種功能于一體。
一產，用科技示范指導農民生產。在示范園內的測土配方施肥區，根據五原縣十余個典型區域不同的土測值，選擇新作物進行引種試驗。同時，根據各鄉鎮現階段主栽作物的養分需求及各生育期的需肥特性，為作物全生育期提供適宜的養分配比及生長環境，達到控肥增效的目的。示范園內設有綠色防控技術展示區，主要針對各類農作物病蟲害給出對應的解決方案，綜合應用殺蟲燈、性誘劑、黏蟲板等生物、物理防治技術，降低病蟲害發生率，以達到有機食品標準，提高標準化技術普及率。
二產，聚集特色農產品加工企業與展示推介農產品。示范園內展示了多類五原縣的地標性農產品，每類產品都有多個品種，每一類品種都有其優勢特性。此外，展出的還有五原縣的特色農產品加工產業培育出的眾多知名品牌。
蒙草搭建農業大數據平臺資料
三產，將示范園同時作為旅游區、科教園。示范園自2017年9月底運營以來，已吸引多達15萬余人前來參觀、旅游。除本地散客外，更多的是來自各地的教育科普團、產業考察團與旅行團。
示范園引導農業產業集聚，展示農業新科技成果，通過農業+大數據，既解決了“種得好、管得好、產得好、賣得好”的問題，也實現了
一、
二、三產業的融合發展。
大數據就像是大自然的信使，使用到農業產業中，能夠一改以往農耕產業“看天吃飯”的狀況，讓農業產業變得更加智慧。大數據也是強勁驅動力，通過產銷促、流通追溯體系等，讓農業產業變得更加健康、綠色。
二、
蒙草自主研發的草原生態產業大數據平臺在節目中亮相，向觀眾傳達一家企業在“尊重自然、尊重一方水土”、把適應當地生長的植物“再還給這片土地”的努力。
助力生態修復相關產業發展
在實踐中，要修復某一塊草地，必須掌握某一區域的年降水量、土壤特性、適種草種等一系列生態數據，生態建設才能有的放矢，精準施策。蒙草的大數據平臺集成了某一地區近幾十年以來的“水土氣、人草畜、微生物”等生態關鍵因素指標數據。大數據平臺未來就像是草原生態系統的檢測閥和導航器，將來能對生態修復、現代草業、畜牧業、草種業及蒙草定制化產品開發等領域提供科技支撐。
為草原生態修復提供技術支撐。草原生態修復涉及牧草適宜性、混播比例、種植方案等問題，通過大數據分析與研究，當人們點擊大數據平臺上任意經緯度的坐標點，蒙草的數據庫就會提供出適合該處草原生長的草種及該區域最科學的生態修復方法。
蒙草搭建農業大數據平臺資料
為草產品建立質量追溯體系。用戶可以實時查看牧草具體地塊的位置、水、土壤、氣候、營養成分等信息，并掌握種植、管護、收獲、貯藏、運輸等全過程數據。
為農業發展提供技術支撐。未來蒙草的大數據平臺還能為農業領域的土壤、水資源、農作物等數據的收集與研究提供技術支撐。
為草種業及蒙草定制化產品開發提供數據指導。通過對植物、氣候、土壤、水資源等數據的積累于分析，蒙草大數據平臺可以給草種生產與應用、蒙草生態包等產品的生產提供科學的生產指導數據。
為農牧民著想更多蒙草從草原上成長起來，始終不忘草原的養育之恩。多年來，蒙草通過產業發展為農牧民解決企業力所能及的問題。大數據平臺的開發，包含很大的公益性成分，也著重為農牧民想得更多、帶來更多便利：
合理規劃種植。未來通過大數據平臺，農牧民能夠快捷地掌握當地及周邊地區牧草生長狀況，了解適合當地環境的牧草品種及種植技術，以降低成本，增加收入。
提供生產技術。應用大數據分析技術，結合牧草及作物的生長特性、土壤類型、溫度、濕度、降水量等數據，農牧民可以“知天而作”，實現精準灌溉與生產。進行草原動態監測。用戶通過大數據平臺未來“天、空、地”一體化的草原監測體系，可以監測牧草的返青時間，預測牧草產量。
建立第三方信息發布平臺。供應商可以通過手機分布供需信息，用戶可以了解供應商的發布信息并可以完成交易，同時平臺會為供應商提供數據分析服務。
搭建大數據共享平臺。未來還可以為自治區各盟市、旗縣甚至鄉村搭建專屬的大數據庫，做到生態數據的“大導航”和“大利用”。 如今，呼和浩特的“中國云谷”正逐步成為國家級的數據中心。大數據不僅為新興產業提供了有力支撐，也正在創造著良好的社會效益。蒙草大數據平臺集成了內蒙古全境10多萬個生態數據采集點的信息，將成為草原生態修復的重要參考。在政府的助推下，蒙草將利用大數據創造更多的經濟和社會效益，讓退化草原重現綠意，讓廢舊礦山變成綠洲，讓城市變成花園，讓生態環境更加美好。
蒙草搭建農業大數據平臺資料
三、
看蒙草如何用生態大數據指導農業發展
我們“只有一個地球”,“珍惜自然資源、呵護美麗國土”是之必然。作為人類賴以生存的第一大產業——農業,如何在當下實現可持續發展,生態大數據可以告訴我們。
蒙草扎根于遼闊的內蒙古,依托集團公司20余年的生態科研實踐,運用互聯網、云計算、物聯網、3S等技術,結合實地監測,整理收集指定區域水土氣、人草畜等生態系統相關數據、建立指標分析模型,從而精準指導生態修復實踐、科學指導產業發展決策、優化引導農牧民生產生活,用“大數據”實現“大生態”、“大產業”、“大民生”的互通互聯。
▲蒙草大數據產品體系
蒙草搭建農業大數據平臺資料
蒙草可以為不同地區打造不同專業類型的生態+大數據平臺。五原縣農業大數據平臺就是蒙草依據當地農業生態現狀和農業生產實際需求,搭建的以農業大數據為核心的生態公眾服務平臺,對當地農業的發展及農牧民生產生活產生著積極的影響。
▲五原縣農業大數據平臺
大數據+生產服務
看點一:一鍵獲取你想了解的農業信息
五原縣農業大數據平臺為當地農業生態提供了農業技術服務“一網覆蓋”、農業資源數據“一鍵獲取”,有效監控著農畜產品的產量和質量,并提升農村信息化水平。同時,大數據平臺的遙感數據也有助于宏觀了解該縣農作物種類的空間分布,作物長勢的變化,以及不同程度的鹽堿地分布,由此可以對該縣不同地區進行因地制宜的農業生產規劃。
蒙草搭建農業大數據平臺資料
▲五原縣農作物種類分布
▲五原縣2017年5月-8月作物長勢
蒙草搭建農業大數據平臺資料
▲五原縣輕中重度鹽堿地分布
看點二:科技110海量專家實時為農民解惑
五原農業大數據平臺中的農業綜合信息模塊對農業生產服務助力甚多。其中“科技110”版塊最受青睞,農民可以通過“智慧農業”手機APP向專家提問,專家收到問題后為農民們回答,問題主要包括農牧業實用技術、技術培訓、市場信息、涉農涉牧政策法規宣傳等內容。
蒙草搭建農業大數據平臺資料
▲五原農業大數據平臺中的科技110界面
農作物的生長環境和生長需求,以及不同氣候溫度條件下病蟲害的發生情況,我們也可以通過大數據平臺中的物聯監測掌握,做到及早預防治療,保證農作物健康生長,同時精準的施肥灌溉,減少水肥浪費,保護生態環境,促進農業可持續發展。
▲五原縣農業大數據平臺——物聯監測
蒙草搭建農業大數據平臺資料
看點三:災前預警幫助農民“未雨綢繆”
該平臺也可監測家畜疫病防治。通過“智慧農業”APP,在每年春防、夏防和秋防時期,防疫員可快速地將牲畜圖片、視頻、農戶和防疫員確認簽字情況等防疫信息實時上報,并匯總到大數據平臺,最終我們可以對疫苗進行追溯,并做出該地區防疫熱區圖。
▲五原農業大數據平臺中的疫情防控界面
此外,農業信息員還會定期把防災減災、土地流轉與疫病防控等相關信息上報至農業綜合信息平臺中,便民利民。再加上科技服務直通車的輔助,真正打通了農牧業科技信息服務的“最后一公里”,及時為農牧民解決難題,為農業生產保駕護航。
蒙草搭建農業大數據平臺資料
▲五原農業大數據平臺中的土地流轉信息界面
大數據+市場決策
五原縣素有“河套糧倉、葵花之鄉”的美譽,盛產葵花、小麥、玉米、油料、甜菜、番茄、瓜果、瓜菜籽等農產品,是全國著名的糧、油、糖及綠色無公害農產品生產基地,其葵花的國內市場占有率高達70%。
蒙草搭建農業大數據平臺資料
▲五原縣農業大數據平臺的農作物相關界面
蒙草五原縣農業大數據平臺可以監測當地農作物價格。通過有效監測當地農作物市場情況,從而分析判斷每年農作物產量的走勢,并針對性地指導農戶每年的種植需求數量。
大數據+三產融合發展
蒙草與五原縣政府緊密圍繞當地農業生產特色,打造出一個農村產業融合發展示范園。園區總占地面積11664㎡,分為農業產業融合展示館、生態大數據館、熱帶植物館,集農業新科技成果示范、五原農業大數據展示、生態科普、休閑旅游觀光體驗等多種功能于一體。
▲示范園中各具特色的三大主題館
一產:用科技示范作用指導農民的生產實踐
測土配方,控肥增效
在示范園的測土配方施肥區,根據五原縣十余個典型區域不同的
蒙草搭建農業大數據平臺資料
土測值,選擇出新作物進行引種試驗,掌握其生長習性,篩選出適合各區域種植的特色作物。同時,根據各鄉鎮現階段主栽作物的養分需求及各生育期的需肥特性,還可以為作物全生育期提供最適宜的養分配比及生長環境,以挖掘本土作物的最大生產潛力,并達到控肥增效的目的。
▲測土配方科學施肥展示
標準展示農作物病蟲害防治技術
示范園內還設有綠色防控技術展示區,主要針對各類農作物病蟲害給出對應的解決方案,綜合應用殺蟲燈、性誘劑、粘蟲板等生物、物理防治技術,減少病蟲害發生率,達到有機食品標準確保舌尖安全,提高標準化技術普及率。
蒙草搭建農業大數據平臺資料
▲農作物病蟲害防治技術展示
二產:特色農產品加工企業與產品展示推介
示范園內展示了多種五原縣的地標性農產品,每種產品都有多個品種,每一類品種又都有它獨特的優勢特性,并對應不同的試種區域。五原縣的特色農產品加工產業培育出了許多國內外知名品牌,園內對此也進行了集中展示。
蒙草搭建農業大數據平臺資料
▲農產品主題展示
三產:示范園也是旅游區、科教園
示范園利用配套的先進農業生產設施和技術,整合轉化多元產業豐富資源,創造性地開展農業科普教育。據不完全統計,示范園自2017年9月底開館運營以來,已吸引多達7萬余人前來。除慕名而來的本地散客外,最多的是來自各地的教育科普團、產業考察團與旅行團,或休閑旅游,或參觀學習,或進行科普教育。
蒙草搭建農業大數據平臺資料
▲示范園吸引了大量游客前來
此外,示范園也被打造為一個展示運營平臺,將農民創業與發展縣域經濟結合起來,為當地農民提供了自主創業的機會和空間,推進了農民創業富民行動。
▲農民創業產品展示
蒙草搭建農業大數據平臺資料
示范園引導了農業產業集聚,展示了農業新科技成果,并作為平臺輻射帶動了五原縣農業經濟快速發展。通過農業+大數據,使一產有技術創新,二產有供需結構調整,三產有特色化可持續發展,既解決了“種的好、管的好、產的好、賣的好”的問題,也實現了
一、
二、三產業的融合發展。
▲示范園中的大數據主題展示
三大產業融合發展積極推進了農業供給側結構性改革,為落實鄉村振興戰略又添一筆。更重要的是,“授人以魚不如授人以漁”,農民們在科技的指導下,緊跟惠農政策,補充知識、技能,把握市場良機,積極創新創業,實現了大數據+農業下的生態集約化發展與精準脫貧。
蒙草搭建農業大數據平臺資料
四、
隨著中央一號文件的發布，鄉村振興再一次成為2018開年新政略。
作為十九大之后的首個一號文件，此次的文件為今后的農村發展定下了主基調，這份“既管全面，又謀長遠”的文件，不僅僅是2018年的一號文件，也為鄉村振興建構了總方針和路線圖。
要實現鄉村振興，產業興旺是重點。農村經濟發展，不應該孤立地就農業經濟謀出路，隨著田園綜合體等新興業態的出現，鄉村一二三產業融合發展已然破題。中國人民大學農業與農村發展學院教授孔祥智表示，三產融合是促進農業現代化的主要途徑，有助于提升農業增收效益，提高農民收入，是未來農村發展的希望所在。
一號文件也指出，鄉村振興必須堅持質量興農、綠色興農。促進一二三產業融合，一方面要延長農業產業鏈，另一方面就是要注重拓展農業多功能性，衍生新產業新業態，創造新的增長動力。
三產融合的五原實驗
2017年9月22日--23日，全國農村產業融合發展現場會在內蒙古巴彥淖爾市五原縣召開，國務院副總理汪洋出席會議并強調：推進農村一二三產業融合發展，是加快轉變農業發展方式、推進農業供給側結構性改革的重要舉措，是促進城鄉發展一體化、全面推進現代化建設的重要途徑。
會議期間，汪洋充分肯定了農村產業融合發展取得的積極成效，并到五原縣農村產業融合發展示范園和河套電子商務產業園，了解融合方式創新和利益聯盟機制建立情況。
以此為契機，五原縣三產融合進入了快速發展期。其中，由政企共同建設的農業大數據平臺，成為三產融合的標桿項目。
2017年年初，五原縣政府與內蒙古蒙草生態環境(集團)股份有限公司(以下簡稱蒙草)簽訂了PPP項目框架協議，開展農業和
蒙草搭建農業大數據平臺資料
生態并重的產業探索，推出大數據的細分產品——“五原農業大數據平臺”，將大數據的成果推廣應用到農業領域。
早在2014年，蒙草就開始構建生態大數據平臺，利用衛星遙感技術，結合科研團隊的生態基礎調研，形成關于各地區的水、土、氣、人、草、畜等基礎生態數據，為生態修復及科學發展決策提供數據支持。
五原縣是一個農業大縣，素有“河套糧倉、葵花之鄉”的美譽，五原葵花的國內市場占有率高達70%。據說，全世界每7顆葵花籽中，有一顆就來自于五原。
五原縣不僅是河套地區典型的農業大縣，畜牧業發展空間同樣廣闊。這里年產優質牧草100萬噸，年產秸稈飼草、莖葉等140萬噸，為發展“農區工廠化養羊”提供了得天獨厚的資源優勢。目前，全縣4.8萬戶農民中的3.8萬戶都在發展肉羊養殖業，養羊業已成為農民增收的重要支撐。
雖然發展農牧業優勢明顯，但五原縣的生態農業仍有巨大的發展空間難以發揮：因為地處黃河灌區，土壤鹽堿化非常嚴重，是土壤鹽堿化重災區，占可灌面積的40%，且耕地次生鹽漬化面積每年仍在遞增。
增草興牧，不僅關系到五原縣“縣計民生”，也關系著五原縣的農業生態環境能否永續發展。
在這樣的背景下，蒙草啟動了百萬畝鹽堿化耕地改鹽增草(飼)興牧工程，計劃用5年時間，通過科學改良鹽堿地，進一步開發利用土地資源，提升農業和農村綜合經濟發展能力。
實際上，蒙草鹽堿地改良研究院2014年便已成立，通過三年多的探索實踐，蒙草已經創新總結出一整套鹽堿地改良的集成措施。這些措施中，有“暗管排鹽、配套排灌”的工程措施;有 “脫硫石膏、土壤改良劑”的化學措施;有“深松深翻，上膜下秸”的物理措施;還有“耐鹽堿植物、微生物菌劑”的生物措施。
在五原縣的“萬畝農業示范園區”，通過治理已經使土壤含鹽量由0.6%降到0.25%，可實現種子落地自繁。更為關鍵的是，蒙草已經采集馴化了耐鹽植物35種，成功應用了19種，這些植物全都是五原
蒙草搭建農業大數據平臺資料
當地的鄉土植物，他們在鹽堿化的土地上形成的耐鹽堿特性，再被用于修復五原當地的鹽堿化土地。
這也是蒙草生態自成立以來一貫秉持的生態修復理念，用鄉土植物修復生態。例如五原縣的鄉土植物千屈菜，它不僅水陸兩生，也可以起到改善鹽堿地環境的作用?；谶@樣的發現，蒙草將這些耐鹽堿植物的種植分包到戶，再通過這些植物來改良土壤。
今年的中央一號文件，仍然高揚綠字訣，力推進鄉村綠色發展。文件提出，要統籌山水林田湖草系統治理，把山水林田湖草作為一個生命共同體，進行統一保護、統一修復。要求各級政府必須尊重自然、順應自然、保護自然，推動鄉村自然資本加快增值，實現百姓富、生態美的統一。
中央農辦主任、中央財辦副主任韓俊解讀2018年中央一號文件時說，鄉村振興生態宜居是關鍵。良好生態環境是農村最大優勢和寶貴財富。美麗中國，要靠美麗鄉村打底色。
求和“大農業+大數據”
蒙草執行總裁高俊剛認為，農業作為傳統的一次產業，無非是特色化和品牌化。從第三產業的末端視角來看待，一次產業和二次產業都要進行產品創新和模式變革，最終來適應第三產業這個市場。
而“大農業+大數據”，是對傳統農業種植精準施策、精細管理的基礎，以此為入口，實現農業技術服務“一網覆蓋”，農業資源數據“一鍵獲取”，農作物生產精細化管理這樣一個終極目標。
蒙草生態與五原縣政府共同建設的農業產業融合發展示范園，占地總面積11664平米，分為農業產業融合展示館、生態植物館、熱帶植物館。這不僅僅是一個科普館，也是地方農產品及特色產品的展示平臺和市民休閑空間，更是蒙草創新農業大數據平臺的一個實踐平臺。在這里，蒙草試圖將五原地區的農業生態基礎數據變成財富，并探索生態農業的三產融合機制。
一方水土養一方人，同時也生長一方植物，在這里，蒙草生態匯集了五原縣10個鄉鎮農民提供的水、土等樣品，將縣域內的水、土、氣、光、熱、肥等數據進行了匯集和整理，了解其對應關系，讓農民生產有依據，用新技術優選種類、了解自家的土地最適合種
蒙草搭建農業大數據平臺資料
什么、了解農作物怎樣進行病蟲害防治、了解農產品到底有怎樣的營養價值，同時還可以實時獲取農產品的市場價格信息……
與此同時，蒙草引入了諸多先進的種植技術，如水培，霧培和基質培進行配比實驗，直觀地向農民展示配土施肥的重要性，指導農民精準控制作物生長，掌握高效栽培技術，提高土地利用率。館內的檢化驗室對當地農民免費開放，農民遇到什么樣的難題都可以隨時來求助專業的指導和數據支持。
這個農業大數據平臺，目前已建成為集數據整合、信息查詢、可視化展示、物聯網監控、遙感監測和宏觀決策等為一體的綜合應用平臺，鎖定經緯度上任意一點，即可查詢到該地區的農業大數據，包括土壤、氣候、原生植物、草地類型、退化情況、適應地情的生態修復技術。鎖定任意一種植物，即可查詢該植物在全國范圍內的分布，指導農牧民的生產作業和新牧區建設。
高俊剛認為，通過“大農業+大數據”，就是解決農民“種的好、管的好、產的好、賣的好”的問題。這樣的大數據平臺，不僅服務于企業、政府部門和農牧民，也為生態修復提供理論依據、修復方案和生態產業指導。
根據《2017年環保產業上市公司年度報告》，得益于PPP項目的快速發展和流域治理的推進，環境修復企業業績快速增長，全國PPP綜合信息平臺項目庫顯示，截至2017年9月30日，PPP項目入庫數量為14,220，投資總額178,000億元。
蒙草將業績大幅上升的原因，歸結為國家對生態文明建設支持力度加大，公司充分利用 PPP 模式，積極開拓市場，業務呈現持續增長態勢，公司與多個地方政府簽署的 PPP項目落地，且項目建設運營順利開展。新時代證券近期的研報也顯示，蒙草依托地理優勢，承接北方土壤沙化治理項目，預期萬億級的生態修復市場，將使公司未來業績持續受益。
而從蒙草的五原項目來看，蒙草生態的業務顯然不止于草原、荒漠、礦山等生態治理，通過農業生態大數據這樣的三產融合創新，蒙草生態已經成為一家擁有核心技術和技術產品的“科技型生態企業”，這必將開拓出前景更為廣闊的市場空間。
蒙草搭建農業大數據平臺資料
蒙草搭建草原生態大數據(也許可以借鑒)
蒙草生態已經擁有不少如何積累生態財富的心得經驗。公司的核心業務涉及五大板塊，包括生態修復、節水園林、現代草業、草種業、生態牧場。
事實上，在生態財富被寫入政府工作報告的同時，王召明今年恰好帶來了一份如何快速積累生態財富的提案，即“建立國家草原生態環境大數據”。王召明認為，“互聯網+”時代下，生態建設和農牧業生產離不開大數據，草原也需要生態信息化的發展。因此，應該建立草原大數據平臺，以此為抓手將大數據應用到草原生態建設中，讓大數據平臺成為草原生態和農牧業的“教科書”。
王召明向記者介紹說：“我們一直把生態建設稱為生態修復或者生態恢復，就是恢復到以前自然的樣子。一個地方的生態、植物、樹、草、生物、微生物，各自的比例其實是由幾百年、幾千年來的生態環境影響和形成的，我們把這個數據都記錄下來。在生態建設中，應順應自然，尊重自然，這個地方長什么樹，長什么草，大自然說了算。”
而所謂草原生態大數據，則涉及草原生態修復、生態環境的實時監測、水土氣人草畜的動態平衡監測，還包括“草牧業完整產業鏈的過程數據，如育種、播種、施肥、收獲、儲運、草牧產品開發等各個環節”，它們可以被大數據平臺一一記錄在案并隨時查詢，用來指導草原生態修復，服務于農業和畜牧業。近兩年來，王召明已率先在蒙草生態探索“互聯網+生態”的造富之路。據了解，種質資源庫建設是構建草原生態產業大數據平臺的最核心環節，公司目前正在建設完善草原草種質資源庫建設，干旱半干旱地區種質資源庫建設，資源庫建設甚至將從國內延伸至阿拉伯地區。王召明告訴記者，目前該平臺已統計了內蒙古地區近 90%的生態數據，新疆、西藏及京津冀地區的數據統計工作正在開展中。“目前僅是一個初級的平臺，隨著數據的積累，公司將考慮如何讓大數據從生態鏈服務整個產業鏈。”王召明坦言，這個過程則需要更多的市場參與者加入進來，包括政府部門、科研機構及相關企業等共同合作。
蒙草搭建農業大數據平臺資料
在此背景下，王召明在今年兩會上建議，國家應出臺政策，支持有一定發展基礎的企事業單位建立“草原生態環境大數據平臺”。廣泛收集各地草原的土壤、水資源、氣候、植被等方面的基礎數據，與地理信息進行空間疊加分析，為生態修復提供大數據模型;利用物聯網等新技術，拓寬數據獲取渠道，創新數據采集方式并不斷更新完善，實時監測草原生態環境的平衡、利于及時保護與利用。同時，建議政府職能部門信息互通、數據共享，建立“農林草畜”完整的生態平衡管理模式。王召明提出，生態大數據平臺就是要服務于農牧民的生產實踐，因此對提供這樣服務的企事業單位政府要有一定的獎補政策。
農業大數據平臺方案范文第2篇
1.軟件選型建議 1.1 數據傳輸
處理并發鏈接的傳統方式為：為每個鏈接創建一個線程并由該線程負責所有的數據處理業務邏輯。這種方式的好處在于代碼簡單明了，邏輯清晰。而由于操作系統的限制，每臺服務器可以處理的線程數是有限的，因為線程對CPU的處理器的競爭將使系統整體性能下降。隨著線程數變大，系統處理延時逐漸變大。此外，當某鏈接中沒有數據傳輸時，線程不會被釋放，浪費系統資源。為解決上述問題，可使用基于NIO的技術。 1.1.1 Netty
Netty是當下最為流行的Java NIO框架。 Netty框架中使用了兩組線程：selectors與workers。其中Selectors專門負責client端(列車車載設備)鏈接的建立并輪詢監聽哪個鏈接有數據傳輸的請求。針對某鏈接的數據傳輸請求，相關selector會任意挑選一個閑置的worker線程處理該請求。處理結束后，worker自動將狀態置回‘空閑’以便再次被調用。兩組線程的最大線程數均需根據服務器CPU處理器核數進行配置。另外，netty內置了大量worker功能可以協助程序員輕松解決TCP粘包，二進制轉消息等復雜問題。 1.1.2 IBM MessageSight
MessageSight是IBM的一款軟硬一體的商業產品。其極限處理能力可達百萬client并發，每秒可進行千萬次消息處理。
1.2 數據預處理 1.2.1 流式數據處理
對于流式數據的處理不能用傳統的方式先持久化存儲再讀取分析，因為大量的磁盤IO操作將使數據處理時效性大打折扣。流式數據處理工具的基本原理為將數據切割成定長的窗口并對窗口內的數據在內存中快速完成處理。值得注意的是，數據分析的結論也可以被應用于流式數據處理的過程中，即可完成模式預判等功能還可以對數據分析的結論進行驗證。 1.2.1.1 Storm
Storm是被應用最為廣泛的開源產品中，其允許用戶自定義數據處理的工作流(Storm術語為Topology)，并部署在Hadoop集群之上使之具備批量、交互式以及實時數據處理的能力。用戶可使用任意變成語言定義工作流。
1.2.1.2 IBM Streams
IBM的Streams產品是目前市面上性能最可靠的流式數據處理工具。不同于其他基于Java的開源項目，Streams是用C++開發的，性能也遠遠高于其他流式數據處理的工具。另外IBM還提供了各種數據處理算法插件，包括：曲線擬合、傅立葉變換、GPS距離等。 1.2.2 數據推送
為了實現推送技術，傳統的技術是采用‘請求-響應式’輪詢策略。輪詢是在特定的的時間間隔(如每1秒)，由瀏覽器對服務器發出請求，然后由服務器返回最新的數據給客戶端的瀏覽器。這種傳統的模式帶來很明顯的缺點，即瀏覽器需要不斷的向服務器發出請求，然而HTTP request 的header是非常長的，里面包含的數據可能只是一個很小的值，這樣會占用很多的帶寬和服務器資源。
面對這種狀況，HTML5定義了WebSockets協議，能更好的節省服務器資源和帶寬并達到實時通訊。應用Websockets技術，服務器可以通過一個雙工通道主動推送數據至客戶端瀏覽器。 1.3 數據存儲 1.3.1 車載終端數據
自2006年以來，基于Google提出的MapReduce編程模型以及分布式文件系統的開源項目Hadoop，得到了分布式計算領域的廣泛關注，近年來更是幾乎成為了大數據行業的標準框架。眾多國際互聯網公司如Yahoo!、Twitter、Facebook、Google、阿里巴巴等均開源發布了大量基于Hadoop框架的軟件，從而使得此框架擁有其他大數據工具所不具備的軟件生態圈。
2013年底，Hadoop 2 發布，新一代的計算框架YARN在兼容MapReduce之外，使得其他第三方計算工具可以更便捷的與HDFS整合。同時HDFS也增加了HA(高可用)等新功能。
Cloudera是一家美國的Hadoop軟件發行商，其CDH提供了企業級的服務支持，超過50%的Hadoop開源項目貢獻來自于Cloudera的工程師。恒潤科技目前使用的是Cloudera的CDH5。
數據存入HDFS中時，Hadoop會自動將數據切分為block并均勻分布的存儲在集群的各個數據節點。讀取數據時，往往通過Map Reduce的方式將數據匯總并提取。這種方式非常適用于對海量數據(eg. 100GB+)進行檢索或分析的場景。這是因為，首先海量數據很難用單機進行處理，因為大量數據需要先加載至內存;其次因為MapReduce(或基于YARN的其他計算方式)可以充分利用整個集群中的計算資源，任務的執行效率遠遠快于單機。
而對于交互應答及時性要求較高的應用場景，比如查看某列車某一時段的車速變化曲線(涉及數據量相對較小)。用戶往往期望指定檢索條件后可得到秒級的響應。但如果采用上述方式直接從HDFS取數據，整體集群任務派發與資源協調所需的時間將遠大于數據處理與展示的時間。用戶體驗將會大幅下降，這種情況下一般會采用非結構型Nosql數據庫。HBase是Hadoop生態圈中非結構型數據庫的代表，其架構參考了Google的bigTable設計。旨在為客戶提供基于HDFS，支持快速寫入與讀取的數據庫。
HBase的一個典型應用場景便是車載終端數據存儲，車載終端數據的特點包括： 數據類型多樣、數據具有時序性、車載終端有移動性以及數據粒度小。車載數據也符合上述特征，因此HBase相對于HDFS是一個更加合適的選擇。然而，HBase表的設計對數據檢索效率的影響可謂巨大，因此必須緊密結合應用場景、數據結構以及數據的元數據才能確保HBase的性能滿足應用需求。 1.3.2 應用數據
應用數據一般則采用關系型數據庫進行存儲。常見的關系型數據庫包括：Mysql，SqlServer，Oracle等。 1.4 數據分析 1.4.1 基礎運算功能
大數據平臺需根據數據類型的相應特點封裝基礎運算功能。例如，對于布爾量，需提供某段時間區間內，0、1變化的次數統計，0、1所占比例分布等功能;對遞增量如列車里程，應提供某段時間區間內該信號的變化率。而這些功能在分布式環境下主要是通過MapReduce的思想實現。
MapReduce是Hadoop的核心組件之一。 所有計算任務都被分解為兩個過程：Map與Reduce。其中Map過程的核心思想為‘移動計算優于移動數據’，即將計算任務Mapper分發至數據所在計算節點。計算節點對本地數據進行計算并將計算結果記錄在本地HDFS。Reduce過程，則由reducer去各個計算節點收集mapper的中間計算結果再整理成最終結果。這一過程適合的場景是大批量數據運算，而針對交互性較強的應用，因整個計算過程涉及大量磁盤IO操作，很難做到及時響應。為此Hadoop軟件生態圈對MapReduce過程進行了大量優化，而Spark的出現則進一步顛覆了MapReduce的實現方式。 1.4.2 Apache Spark
Spark將數據源封裝為RDD(一種可伸縮的分布式數據結構)。針對RDD的Mapreduce過程，將所有中間結果都保存在內存，而不需讀寫HDFS，從而提高計算任務的整體效率。除MapReduce外，Spark還提供許多其他數據操作。自2014年起，spark已經成為Apache開源社區中最活躍的開源項目。 1.4.3 SQL on Hadoop
在傳統關系型數據庫中進行數據分析往往是依靠SQL語言。對于不熟悉分布式編程的數據分析人員，SQL on Hadoop的出現無疑為他們提供了一種便捷而強大數據分析工具。為Hbase提供SQL操作的工具包括Hive，Impala與Pheonix。其中Hive與Impala都是為HDFS而設計同時提供了對Hbase的接口;Pheonix則是專門為Hbase設計的，底層實現完全依賴Hbase 的原生接口。 1.4.4 機器學習算法
數據挖掘中常用的許多機器學習算法都是迭代式的，當數據分布在集群中，傳統的單機算法實現將難以生效。Apache Mahout提供了多種機器學習算法基于MapReduce的實現，包括聚類、擬合、協同過濾等。Spark也提供了Mlib組件并以Spark的方式對上述算法進行了實現。 1.4.5 BI
傳統的的BI工具近年來也開始提供基于Hadoop的數據計算接口，如Matlab提供了MapReduce的接口(http:///discovery/matlab-mapreduce-hadoop.html)。而SPSS更是宣布除與Hadoop集成之外，還將于2015年完成與Spark的集成。值得注意的是，這些集成僅是底層實現的集成，即仍然要求數據分析人員具備MapReduce的編程思想并學習這些工具關于Mapreduce的客戶端接口。 1.4.6 工作流
Oozie是Hadoop生態圈中第一款關于計算流程規劃的工具。通過這款工具，開發人員可以將上述數據分析工具進行整合，以完成非常復雜的數據統計任務。然而Oozie缺乏可視化的工具對工作流進行設計，且調試十分不便。
Azkaban是由LinkedIn貢獻的一款類似的開源工具并提供了用戶友好的可視化界面。
1.4.7 數據可視化
由于前段的框架采用的是基于瀏覽器的B/S架構，因此數據的可視化可以依托于大量開源的javascript工具庫,例如D3(https://github.com/mbostock/d3/wiki/Gallery)、Highcharts(http:///demo)以及Baidu Echarts(http://echarts.baidu.com/doc/example.html)。
以Echarts為例，其提供的工具包括：折線(面積)圖、 柱狀(條形)圖、 散點(氣泡)圖、 K線圖、 餅(圓環)圖、 雷達(面積)圖、 和弦圖、 力導向布局圖、 地圖、 儀表盤、 漏斗圖。具體demo請參考上述鏈接。 2 硬件選型建議 2.1 服務器選型 2.1.1 配置
Hadoop集群中DateNode的推薦配置為： • 12～24 塊1～4TB 硬盤
• 2 ～8核 CPU, 頻率2～2.5GHz • 64-512GB 內存 • 10～100G以太網網口 NameNode的推薦配置為：
• 4～6 塊1TB 硬盤 (操作系統1塊, 文件系統2塊,Zookeeper1塊) • 2 ～8核 CPU, 頻率2～2.5GHz • 64-128GB 內存 • 10～100G以太網網口 2.1.2 規模
車載終端數據進入Hbase后，以Hfile的形式存于HDFS。這意味著所有數據在整體集群中將會至少保存3個備份。規劃集群規模時需考慮下列幾個參數： •
車載終端數量(車載數據采集設備)sensors •
采集端口數量ports •
采集頻率 frequency •
采集時間period •
端口大小 size •
備份數量 redundancy
農業大數據平臺方案范文第3篇
二、建設目標 ................................................................................................................................... 3
三、建設內容 ................................................................................................................................... 4
(一)專業核心課程 ............................................................................................................... 4
1.專業核心課程范圍 ....................................................................................................... 4 2.建設周期和建設數量 ................................................................................................... 4
(二)通識教育在線課程 ....................................................................................................... 5
(三)網絡自選(拓展)課程 ............................................................................................... 5
1.建設方式 ....................................................................................................................... 5 2.學習方式 ....................................................................................................................... 6 3.學分置換 ....................................................................................................................... 6
(四)原精品資源共享課、網絡共享課等 ........................................................................... 6
四、建設方案 ................................................................................................................................... 6
(一)大數據教學平臺功能簡介 ........................................................................................... 7
(二)六大功能模塊 ............................................................................................................... 7
1. 網絡教學門戶網站 ..................................................................................................... 7 2. 課程中心 ..................................................................................................................... 7
2.1 專業核心課程 ................................................................................................... 8 2.2通識教育在線課程 ............................................................................................ 8 2.3網絡自選(拓展)課程 .................................................................................... 8 2.4 原精品資源共享課、網絡共享課 ................................................................... 8 3. 移動學習空間 ............................................................................................................. 9 4. 教師發展中心 ............................................................................................................. 9 5. 教學管理中心 ............................................................................................................. 9
5.1 教學評估 ........................................................................................................... 9 5.2 教學資源管理 ................................................................................................. 10 5.3 OA系統 ............................................................................................................ 10 6. 教學質量工程 ........................................................................................................... 10 7. 備課資源庫(備選項) ........................................................................................... 10
(三)各功能模塊要求 ......................................................................................................... 11 1. 網絡教學門戶網站 ................................................................................................... 11 2. 課程中心 ................................................................................................................... 11 2.1 課程創建 ......................................................................................................... 11 (1)課程共建 ............................................................................................... 12 (2)助教功能 ............................................................................................... 12 (3)雙模板選擇 ........................................................................................... 12 (4)課程封面 ............................................................................................... 12 (5)課程編輯 ............................................................................................... 12 2.2 課程教學 ......................................................................................................... 13 (1)多模式教學 ........................................................................................... 13 (2)學習過程管理 ....................................................................................... 14 (3)線上作業 ............................................................................................... 15 (4)在線測試 ............................................................................................... 15 2.3 教學信息統計 ................................................................................................. 16
1 (1)教師端 ................................................................................................... 16 (2)學生端 ................................................................................................... 16 2.4 教學互動 ......................................................................................................... 16 (1)學生問題討論 ....................................................................................... 16 (2)教師在線答疑 ....................................................................................... 17 3. 移動學習空間 ........................................................................................................... 17 3.1 PC終端 ............................................................................................................ 17 3.2 移動APP .......................................................................................................... 17 (1)移動教案 ............................................................................................... 17 (2)課堂簽到 ............................................................................................... 18 (3)隨機提問與調查 ................................................................................... 18 (4)學習監控 ............................................................................................... 18 (5)闖關學習 ............................................................................................... 18 (6)作業 ....................................................................................................... 19 (7)在線互動 ............................................................................................... 19 (8)在線考試 ............................................................................................... 19 (9)課程顯示 ............................................................................................... 19 4. 教師發展中心 ........................................................................................................... 19 4.1 文本顯示模塊 ................................................................................................. 19 (1)中心簡介 ............................................................................................... 19 (2)政策文件 ............................................................................................... 20 (3)名師風采 ............................................................................................... 20 (4)教師培訓 ............................................................................................... 20 (5)教學督導 ............................................................................................... 20 (6)教學論壇 ............................................................................................... 20 4.2 視頻展示模塊 ................................................................................................. 20 (1)視頻展示 ............................................................................................... 20 (2)資源下載 ............................................................................................... 20 5. 教學管理中心 ........................................................................................................... 21 5.1 在線評審 ......................................................................................................... 21 5.2 通知公告 ......................................................................................................... 21 5.3 教學組織和專業設置 ..................................................................................... 21 5.4 大數據平臺統計匯總 ..................................................................................... 21 6. 教學質量工程 ........................................................................................................... 21 (1)課程建設 ............................................................................................... 22 (2)專業建設 ............................................................................................... 22 (3)教學團隊建設 ....................................................................................... 22 (4)教材建設 ............................................................................................... 22 (5)教學名師 ............................................................................................... 22 7. 備課資源庫(備選項) ........................................................................................... 22
2
xxx學院大數據教學平臺建設規劃
一、建設背景
自2012年起，美國各頂尖大學陸續開設了以慕課(MOOC-大型開放式網絡課程)為主的網絡學習平臺，在網上提供免費課程。Coursera、Udacity、edX三大課程提供商的興起，給更多學生提供了系統性學習的可能。美國哈佛大學、麻省理工、加州理工等高校前后累計投入近2.4億美元，用于開發網絡化課程。加之以微課、翻轉課堂等為代表的新的教學方式不斷創新突破，使得課程網絡化重新定義了學校，重新定義了教師，甚至也重新定義了學生，提供了一種全新的知識傳播模式和學習方式，必將引發全球高等教育的一場重大變革。
當前國內、省內高校在課程網絡化建設方面均取得了一定成績。其中，西安交通大學建立了較為完備的網絡公開課學習平臺，涵蓋工學、理學、管理學等七大學科，具備線上學習、考試、互動等功能;周口師范學院則建立了較為詳細的大數據分析系統，能夠實現對學生出勤、就餐、圖書閱讀等方面的大數據分析。但是，上述高校在課程網絡化建設方面還存在著以下不足：
第一，重通識輕專業。國內高校，特別是985高校較為重視自身網絡資源共享課的建設(即慕課)，建設水平相對較高;省內高校，則是通過引進智慧樹、爾雅等通識教育課程，構建通識教育網絡平臺。
1 但是，各高校專業核心課程網絡化建設普遍較為薄弱，即使是建設較好的西安交通大學，也僅是將部分專業核心課程用于跨專業通識教育，并沒有依托優勢專業，構建基于網絡的專業核心課程體系，供在校學生學習使用。
第二，重整體輕細節。北京大學、清華大學、鄭州大學的課程建設整體情況較好，多數課程都擁有較為系統的教學大綱、講義、PPT和試題庫。但是，上述學校在線課程時長均為45分鐘左右，系按照傳統課堂要求錄制的一整節教學內容，學生網絡學習與在課堂聽課效果一樣，缺乏基于微課、微視頻等工具對課程進行細化講解，無法突出重要知識點。
第三，重講授輕反饋。各高校建成的網絡教學平臺中，均設有互動模塊用于教師與學生進行線上交流。但是，由于缺少有效的監督和激勵機制，多數互動平臺處于零活動狀態，既沒有學生提問，也沒有教師解疑答惑，學生網絡學習質量只能簡單依靠在線習題進行驗證。
第四，重建設輕管理。在被調查院校中，除西安交通大學、浙江大學上線的網絡課程能夠順利訪問外，其他學校均存在視頻打不開、課程內容不完整，甚至網頁不能正常訪問等情況，說明課程網絡化建設后期管理存在較大漏洞，不能完全保證學生隨時學習、隨地學習的要求。
第五，重成績輕運用。各高校在課程網絡化建設方面投入較大，知名高校均聘請上市網絡企業進行頁面設計和功能設計，建設效果較好。但是，除兄弟師范學院外，各高校均沒有以大數據為基礎，形成
2 建設效果總結報告和發展規劃，且兄弟師范學院在形成報告后，也沒有完全將該報告中反饋的問題應用于實際教學。
有鑒于此，我校在課程網絡化建設過程中，既要發揮慕課線上教育的優勢，又要結合微課成果簡化、多樣傳播的特點，同時兼具翻轉課堂將學習決定權讓渡給學生的原則，采取兼容并包、取長補短的方式，以大數據為基礎，加快推進課程網絡化建設，顯著提升我校教學水平和教學質量。
二、建設目標
根據當前高等教育發展趨勢，以及慕課、微課、翻轉課堂等新方法、新工具的發展方向，結合我校轉型升級發展具體需求，對我校本科課程網絡化建設提出以下建設目標：
第一，以專業核心課程為重點，加快推動教學方式改革。通過3年建設，基本建成以三級知識點分類為依托，以課堂講授、網絡課堂、微課、微視頻、課程試題庫為基礎的“課堂學習+網絡學習”的專業核心課程教學新體系，并逐步向全校所有課程延伸。
第二，以通識教育在線課程為引導，不斷提升自建網絡課程質量。按照引進與自建相結合原則，建設一批涵蓋“科學素養、人文素養、藝術素養”三大模塊，擁有自主知識產權和版權的通識教育在線課程，使部分課程達到網易公開課、MOOC學院和中國大學MOOC等國內知名網絡平臺上線要求。
第三，以網絡自選(拓展)課程為輔助，有效促進學生專業綜合
3 能力提升。采用自愿、自主原則，鼓勵各學院在學生完成專業基礎課程學習后，通過建設一批能夠拓展學生專業知識面、調動學生自學積極性的自選(拓展)課程，進一步提升學生專業綜合能力和素養。
第四，以大數據分析為基礎，全面提升我校教育教學質量。針對當前傳統教育方式一門課程講到老、一本教材用到老等種種弊端，運用大數據分析工具，大膽探索、小心求證，逐步形成課程任課教師專業教研室、教學院系和教務處四級評價分析體系，從課程改革入手向專業改革延伸，全面提升我校教育教學質量，以適應轉型升級發展新形勢、新要求。
三、建設內容
(一)專業核心課程 1.專業核心課程范圍
專業核心課程主要包括教育部專業指導目錄中所規定的完成本專業學習的必修課程。
2.建設周期和建設數量
第一階段：2017年，從24個轉型試點專業和應用型專業群中選擇50門課程進行建設;
第二階段：2018年，完成轉型試點專業全覆蓋，同時從非試點專業中選擇40門課程進行建設;
4 第三階段：2019年，從全校所有專業中(已建成的不再重復建設)選擇60門進行建設，完成應用型專業群全覆蓋;
第四階段：2020年以后，逐步完成全校所有專業核心課程網絡化建設。
(二)通識教育在線課程
通識教育在線課程是第一課堂在課下的延伸和拓展，既是提升學生綜合素質的渠道，也是進行開放式和探究式學習的重要平臺。在前期引進爾雅通識課程的基礎上，我校將采取引進與自建相結合的方法，以“科學素養、人文素養、藝術素養”三大模塊為主，每年遴選5門左右深入開展通識教育在線課程建設。
通識教育在線課程在供本校學生學習的同時，鼓勵任課教師或課程教學組向校外提供課程資源共享服務。任課教師或課程教學組通過向校外共享課程資源所獲收益，歸任課教師或課程教學組所有。
(三)網絡自選(拓展)課程
網絡自選(拓展)課程是在專業課程基礎上，對學生綜合能力和素養的進一步提升。我校將按照自愿、自主的原則，鼓勵和支持網絡自選(拓展)課程建設。
1.建設方式
各學院以基層專業教研室為單位，根據自身專業特點，在學生完成專業基礎課程學習后，通過自建(建設標準參照通識教育在線課程)
5 或引進相結合，建設3-5門與本專業學習有關的網絡自選(拓展)課程，上傳至大數據教學平臺，進一步強化學生專業能力。
2.學習方式
學生根據各專業提供的網絡自選(拓展)課程資源，在大數據教學平臺上(或手機APP)根據學習要求自主完成學習。
3.學分置換
學生完成網絡自選(拓展)課程后，由各學院教學辦公室統一認定，確定可置換的學分數量和課程，經學院教學負責人簽字確認后報送教務處備案。
(四)原精品資源共享課、網絡共享課等
2013-2016年獲準立項建設的省、校級精品資源共享課、網絡視頻公開課、精品課程等在建項目，均可按照專業核心課程、通識教育在線課程和網絡自選(拓展)課程的建設要求和建設標準進行后續建設。教務處將對建設質量較好、建設效果明顯的項目進行后期資助，并優先推薦國家級、省級課程建設項目。
四、建設方案
以下建設方案均采用本地部署模式。
6
(一)大數據教學平臺功能簡介
我校大數據教學平臺以學生為中心，基于“線上+線下”、“平臺+課程”的教學新理念，通過課堂講授、輔助學習和自主學習相結合，逐步實現傳統課堂教學與現代網絡技術的融通運用，構建混合式教學新模式。
通過大數據教學平臺實現教學互動功能、資源共享功能、移動學習功能、教學門戶的建設，達到教師能夠進行課程建設、教學監控、資源共享、學生能夠自主學習的目的，并實現所有數據的整合，最終建設成一個理念領先、技術先進、國際化特色突出的網絡教學中心。
(二)六大功能模塊 1.網絡教學門戶網站
該網站能夠實現教學新聞公告動態顯示，有具校園代表性的大圖片展示區，具備信息發布和頁面自定義、訪問統計分析、統一檢索等功能;具備鏈接進入大數據教學平臺各功能模塊的功能;具備多種資源排行展示，如精品課程排行、課程網站排行、課程資料排行等功能;并且支持對本校課程進行檢索。
2.課程中心
課程中心包括專業核心課程、通識教育在線課程、網絡自選(拓展)課程和原精品資源共享課、網絡共享課4大課程子系統;能夠提供課程建設工具，實現與Microsoft Office和WPS的無縫對接。
7 2.1 專業核心課程
能夠兼容包括Camtasia Studio等在內的微課編輯工具，支持按照課程三級知識點在線創建、編輯、修改各種類型的微課;實現按照課程知識點編輯排序講義、PPT、微課。
2.2通識教育在線課程
能夠兼容學校已購進的爾雅通識教育課程和自建通識教育課程。 2.3網絡自選(拓展)課程
實現按照各二級學院或學科專業為單位的網絡自選(拓展)課程分類、排序。
2.4 原精品資源共享課、網絡共享課
能夠將前期已有的精品資源共享課、網絡共享課上線。 以上4大課程子系統均應包括“教-學互動平臺”：該平臺能夠提供全面的網絡教學功能，包括作業、考試、通知、互動課堂、PBL教學、資料、統計等。同時，在教學過程中，能夠直接無縫對接各種在線資源，實現名師課程視頻、教材教參、文獻資料等的輕松調用，為教與學隨時隨地提供資源支持。師生可以在互動課堂模塊通過音視頻、文字互動，實現遠程授課、輔導。在4大課程子系統中均支持輔助教學、闖關式網絡教學、混合式翻轉課堂教學等多種教學模式。課程建設過程中可插入作業、視頻、圖書作為任務點，通過任務點是否完成
8 來對學生行為進行監控。詳盡的學習統計能夠統計出每個學生的學習進度、學習行為軌跡、作業分數、視頻觀看情況、圖書閱覽情況、參與討論次數等。教師可以為每個班級制定學習計劃。將課程章節定時開放給學生，也可以設置闖關式學習，學生必須將章節中全部人物點完成才能進入下一節，控制學生的學習流程，監控學習結果。
3. 移動學習空間
可以通過電腦、手機、平板等終端設備，為每個學生打造個性化主頁，記錄學習歷程。同時，可以滿足學生與學生之間、學生與老師之間的學習互動交流。同時考慮到學校其他平臺較多，學習空間應支持外部平臺接入，方便學生與老師使用。
4. 教師發展中心
以教學研究和教學改革為中心，能夠提供培訓服務、課程評估、資源共享等功能。主要內容應包括中心簡介，政策文件，通知公告，名師風采，教師培訓，教學督導，學院風采，教學論壇，資源下載等功能模塊。
5. 教學管理中心 5.1 教學評估
能夠統計教學過程中所產生的數據，可以對老師的教學情況、學生的學習情況、課程的訪問情況等進行全面的、可視化的統計分析，
9 以幫助學校和老師更好的進行教學評估管理。
5.2 教學資源管理
能夠對學校教師和院系手中的各種教學資源進行系統的歸類和整理，并將文件加以統一的管理和存儲，實現教務處對于這部分教學資產真實、有效的管理和控制;提供統計和分析系統，使教務處能夠準確掌握校內各種教學資源的分布狀態，并以此為依據，對未來的教學資源建設進行合理的規劃。
5.3 OA系統
文件發布：實現教務文件在線發布、在線閱讀，教務處能夠對文件閱覽情況進行實時監控;項目評審：實現教學研究項目、教學團隊、精品課程等項目的在線申報、在線評審。
6. 教學質量工程
能夠協助學校進一步提高教學質量工程項目生命周期管理。主要包括政策文件發布，在線項目管理，項目統計分析和項目成果展示等，全面滿足學校質量工程的項目管理需求。同時，平臺還提供附件文檔的在線閱讀、項目公文模板自定義等特色功能，讓質量工程更方便、更靈活。
7.備課資源庫(備選項)
能夠實現與圖書館、外部網絡資源的對接，供教師教學和備課使
10 用。(此項功能為備選功能)
(三)各功能模塊要求
總體要求：大數據教學平臺面向30000名師生同時在線開放，在系統的兼容性、穩定性、安全性、可靠性等方面有嚴格的要求：
? 7×24小時不間斷運行; ? 頁面響應不高于3秒; ? 檢索響應不高于3秒; ? 視頻點播響應不高于10秒。 1. 網絡教學門戶網站
實現新聞公告動態顯示，熱門教學視頻動態顯示，有校園具代表性的大圖片展示區，生動記錄教師學生們的學習和生活。
除常規門戶網站所包含內容外，還應包括教學成果展示板塊，具備多種資源排行展示，如精品課程排行、課程網站排行、課程資料排行、及熱門專業排行，包含學校特色的人才培養方案、教學組織運行的功能。
2. 課程中心 2.1課程創建
在課程中心模塊中，應支持在線創建課程、設置課程的學分考核機制、設置課程展示模板等，以及學生在線聽課、在線閱讀、在線提
11 問、在線作業、在線考試、在線互動討論、學分審核、獲得學分等。
(1)課程共建
支持多位老師共建一門課程，使課程內容更加豐富，同時減輕了教師工作負擔。
(2)助教功能
支持添加助教功能，老師可以選擇合適人選來擔當本門課程助教，協助批改作業、考試閱卷等教學活動。
(3)雙模板選擇
支持基于章節和知識點兩種模板創建課程，三步完成課程創建：.....選擇模板、編輯課程信息、編輯章節或知識點內容。要求實現Microsoft Office和WPS文檔、PPT直接上傳，同時支持常見視頻格式上傳。
(4)課程封面
內容包括課程名稱(中英文)、課程封面、課程相關信息、課程介紹、教學資源等內容，要求編輯界面簡潔明了、操作簡單，原位編輯、靈活方便。
(5)課程編輯
在課程內容編輯中，要求與Microsoft Office和WPS的無縫對接，支持直接粘貼、復制，并具備與Microsoft Office和WPS相一致的在
12 線編輯功能。在編輯過程中，可以根據課程內容添加圖片、文檔、音頻，視頻，網頁，作業;可以對插入的微課、微視頻等資源設置任務點，防拖拽，防窗口切換等，使學生在觀看視頻的過程中不能進行其他操作;在視頻的播放過程中，可以插入與視頻相關的圖片、PPT，可以在視頻中添加相關的測驗，學生只有在正確回答相關問題后才能進行后續視頻內容的學習。
上述內容要求能夠實現原位編輯，不需進入后臺，即可在網頁原位進行編輯操作。
2.2 課程教學 (1)多模式教學
平臺應支持網絡輔助教學(專業核心課程)、網絡教學(通識教育在線課程、網絡自選(拓展)課程和原精品資源共享課、網絡共享課)，翻轉課堂、PBL(問題式學習)等多種現代化教學模式。
其中，網絡輔助教學，指的是教師運用平臺上傳教學所需的資料(如PPT、講義、教案、教學大綱、課程習題庫等文本文件，以及微課(5-10分鐘)、微視頻(20分鐘左右)等網絡資源)，在線布置作業(可設置闖關模式)、批改作業，與學生進行討論答疑等活動。
網絡教學，指的是教師通過平臺上傳完整的課程講座視頻(涵蓋所有教學內容，每講45分鐘)，學生可以在校內通過無線網絡(校園WIFI)和有線網絡自主學習，可以突破傳統課堂人數限制。
翻轉課堂，指的是將課程學習的過程由線下實體課堂反轉到線上
13 網上教學。首先由學生在線上進行自主的課程學習，在實體課堂中老師主要進行討論與答疑等活動。
PBL教學，指的是將學習與具體任務或問題掛鉤，使學生能夠在平臺上自主預習任務問題，教師能夠實時監控學生預習進度，并及時進行解疑答惑。
在該平臺下，教師可以根據各自實際需求和學校對課程建設的具體要求，靈活選擇教學模式。同時，還應具備學分管理系統，能夠監控學生學習過程，設置各項學習指標權重，統計學習成績，并在學生學習結束后能夠給出相應的學分。
(2)學習過程管理
該平臺以學習過程管理為核心，開展作業、考試、答疑、討論、評價等教學活動。
學生在登錄平臺后，可以直接查看自己四年全部課程總體學習進度和某一門課程的單科學習進度。(如果教師在課程中設置了闖關模式，則學生必須完成相應的任務后才能夠進行后續學習)。
教師在登錄平臺后，可以直接查看本學期承擔課程中每個學生的學習進度和總體學習進度。其中，單個學生學習進度，應包括視頻觀看進度、學生點擊情況(含點擊時間、時長、點擊者信息等內容)、講義、PPT觀看、下載情況、作業完成情況等;總體學習進度，應包括全部學生總體學習情況、作業整體完成率、學生網絡學習排名等。上述內容均要求采用Excel形式，并能夠快捷導出。
14 (3)線上作業
即從作業發布、接收到批閱，全部流程都在網上完成，學生可以在線接收作業、做作業、關注作業的反饋情況，隨時查看教師的評語及成績。學生可以對任意作業進行收藏，將自己認為重要的知識點集中到一起當作之后學習的要點。
如果教師在作業中設置了闖關模式，則學生必須完成指定作業內容后，方能進入下一步作業。
(4)在線測試
教師可通過題庫進行選題或者在線編輯試題，然后設置各類題型的數量和分值創建試卷，試卷創建好以后，教師根據測驗的時間，參加測驗的對象，發起測驗。學生就可以接收到該試卷進行測驗。支持從題庫中選題進行組卷的功能，教師可以對試卷中的試題進行添加、修改、刪除、任意排序、預覽等功能，還可以對試題進行分值分配;試卷包括客觀題、主觀題、復合題等;題的屬性包括類別、難度系數、適用層級等，同時，系統能根據題的使用頻率和學生回答的正確率進行自適應的調整難度系數，力求難度系數符合真實情況，提高參考價值。
15 2.3 教學信息統計 (1)教師端
教師端信息包括兩個方面：
工作量統計，主要包括教師發作業、批量作業、試卷、試題、討論答疑、學生對教師授課的滿意度、教授的學生的成績等數據匯總，同時，系統支持原始數據導出。
學生學習統計，主要包括完成的作業、參加的考試與考試得分、提出的問題、參加過的討論、讀過的書、看過的視頻等數據匯總，按匯總的數據對學生進行排名，并能夠精確顯示學生學生行為軌跡。在作業統計中，能夠根據教師設置的每份作業的權重，統計出學生網絡學習總成績。同時，系統支持原始數據導出。
(2)學生端
學生端信息，主要包括學生各門課程學習進度和大學四年總體學習進度。
2.4 教學互動 (1)學生問題討論
平臺為學生提供在線提問功能。根據學生輸入的問題題目內容，自動為學生推薦與該問題相似的問題，同時推送與問題相關的學習資料(如視頻、圖書、文檔文獻等)，輔助學生自主解決問題。為了提高
16 解答的質量，學生在提問的過程中，可以選擇解答范圍，包括允許所有人解答、允許某位教師解答。師生可以就課程學習進行討論，答疑，增強師生的互動，加深學生對知識的理解。
(2)教師在線答疑
教師在線回答學生提出的問題，可通過系統消息或手機、郵件等及時反饋給學生。當有新的問題時，系統會在教師平臺頁面自動提醒，或者通過手機、郵件等形式提醒教師，方便教師與學生之間的即時溝通。教師可以對答疑庫中的問題進行管理，如建立精品答疑庫，將問題分類，便于系統自動為學生精準地推送問題，提高疑問的解決效率。
3. 移動學習空間
移動學習空間包括PC終端和移動APP兩種模式。 3.1 PC終端
PC終端主要集中于課程中心，在此不再贅述。 3.2 移動APP 移動APP包括IOS和Android兩種類型，兩種類型操作界面、操作流程應基本一致，且均能夠支持平板操作。
(1)移動教案
按照教學計劃，教師可提前在移動端上組織教學內容，有序安排
17 資料推送、簽到、問答、搶答、投票等教學活動，方便課堂發放并易于復用;教材、作業、考試、通知、學生管理等移動教學功能，支持教師進行移動教學。
(2)課堂簽到
教師在移動端發布課堂簽到，學生直接用手機通過掃描教師課前打印好的二維碼進行簽到，簽到結果可同步保存在課堂教學教師APP端和PC端。
(3)隨機提問與調查
教師發布隨機選人，系統會自動在已經簽到的學生中隨機選擇學生回答問題，并可以進行結果投射;教師可以在課堂上實時發布調查問卷，學生通過移動端進行投票，教師端可以立即統計投票結果。
(4)學習監控
對于學生在線觀看微課、微視頻具備監控功能，如視頻防拖曳、防快進等。
(5)闖關學習
學生通過PC或APP進行網絡學習時，能夠自動記錄學習軌跡和學習行為，在完成學習任務后能夠自動保持PC端與APP端同步。
18 (6)作業
學生可以通過PC或APP查詢作業列表，完成作業并能夠展示已完成、已批改的作業，并能夠查看每次作業成績和總成績。
(7)在線互動
學生可以通過PC和APP查看老師、管理員發給自己的通知、調查問卷、問答、討論話題等消息信息，且所有消息都支持有是否閱讀標示。
(8)在線考試
教師可以在課程中發布考試試卷和查看考試分項統計結果，學生同樣可以通過客戶端進行在線考試和查看考試信息。
(9)課程顯示
在PC或APP教師端，能夠顯示本學期教師所承擔的課程信息;在學生端，能夠顯示本學期所修的課程信息。
4. 教師發展中心 4.1文本顯示模塊 (1)中心簡介
對教師發展中心進行簡單介紹
19 (2)政策文件
能夠發布教師發展中心的各項文件、通知。 (3)名師風采
對學校名師進行展示(含照片和簡歷)。 (4)教師培訓
主要分為崗前培訓，專題活動，名師講壇，網絡培訓，實踐教學等功能。
(5)教學督導
主要發布相關的督導動態，督導制度等內容。 (6)教學論壇
支持教師在教學論壇交流自己的教學方法與教學心得。 4.2視頻展示模塊 (1)視頻展示
展示與教學相關的優秀培訓視頻。 (2)資源下載
教師可以在資源中心下載到教師教學發展的相關培訓資料。
20 5. 教學管理中心 5.1 在線評審
教務處收到申報的項目，將進行分級評審，級別分為：院、系或職能部門初審，評審辦公室初審，專家在線評審，評審委員會集體評議。泛雅提供了完整的在線評審流程及簡單易操作的后臺管理體系，評審人只需按步操作即可。評審項目。
5.2 通知公告
該平臺能夠發布教學方面的各類文件、通知，并能夠向各二級教學單位進行推送和點擊打開情況查詢。
5.3 教學組織和專業設置
該平臺能夠顯示各二級教學單位的網站鏈接和全校專業設置情況。
5.4 大數據平臺統計匯總
能夠實現按二級學院和專業分類顯示在線課程各項信息統計。 6. 教學質量工程
教學質量工程項目，指的是教學團隊、精品課程、專業綜合改革試點等項目。該平臺的建設宗旨是打造教學質量與教學改革工程綜合支撐平臺及項目申報評審及管理平臺。
21 質量工程項目的建設主要包括政策文件的傳達，課程、專業、教材與教學團隊建設的線上管理?？蓪崿F教研項目網上申報、評審、立項與成果展示。
(1)課程建設
課程建設包括校級、省級、國家級的精品課程及優秀課程展示。 (2)專業建設
包括特色專業展示及專業改革試點的公布，人才培養示范專業、各類各級教學實驗班展示。
(3)教學團隊建設
包括校級、省級優秀教學團隊建設的展示。 (4)教材建設
包括省級、國家級重點教材及校園精品教材的展示。 (5)教學名師
包括校級省級教學名師的展示。 7. 備課資源庫(備選項)
農業大數據平臺方案范文第4篇
黨的十八大把生態文明建設放在了突出地位，納入了“五位一體”總體布局，并首次把“美麗中國”作為未來生態文明建設的宏偉目標。2015年新修訂的《環境保護法》將“推進生態文明建設、促進經濟社會可持續發展”列入立法，以法律的形式將生態文明建設提升到了國家的戰略高度。國務院出臺的《水污染防治行動計劃》“水十條”，對生態文明中水環境和水質保護方面的提出了重點管理要求。與此同時“互聯網+”和“大數據”應用也上升為國家戰略，國務院出臺的《關于積極推進“互聯網+”行動的指導意見》、《關于促進大數據發展的行動計劃》和環保部發布的《生態環境大數據建設總體方案》，將“互聯網+綠色生態”作為11個重點行動之一而提出，要求未來的環保工作必須緊密地與大數據建設結合起來，高度重視大數據在推進生態文明建設中的地位和作用。
2 建設目標
以往信息化發展基本都是著眼于各個業務部門各自的業務需求，“管什么、想什么、干什么”，數據多頭采集、相互矛盾的現象普遍，難以從環保工作全局層面支撐決策和管理。很多環境問題還處于現狀不清、底數不明、原因不詳的困局之中，環保部門在回應重大環境污染事件和解決人民關切的環境問題方面容易陷入被動。
通過以水環境綜合大數據分析建設為契機，樹立環保工作的大局觀和整體觀，將流域各方面相關環境管理數據整合起來，形成合力打造對內的統一的水質大數據智能分析平臺，用全局性的戰略眼光來謀劃整個水域環境質量、影響流域污染源監控數據管理建設。 3 系統建設內容
3.1 水環境大數據采集
大數據時代的環境信息化建設是以數據為核心，環境大數據管理與應用是在“十三五”期間最重要的發展方向，所以環保部門未來建設重點將緊緊圍繞大數據進行。而要實現大數據的智能化應用，首先要解決的就是大數據收集獲取問題，因此需要夯實應用基礎，全面收集內外部數據資源，整合、共享、聯動、開發數據，努力實現全數據采集管理。
3.2 水環境大數據管理
獲取流域水質大數據分析需要的相關環境大數據資源后，建立大數據綜合服務庫，將采集的海量數據匯聚進入到庫中，聚合原有分散在各個政務系統中的數據，并按照大數據管理標準及要求，進行集中管理與維護。
3.3 水環境大數據分析應用
農業大數據平臺方案范文第5篇
一、建設背景
根據四屆市委常委會第130次會議明確由市委脫貧攻堅辦負責全市脫貧攻堅指揮部建設意見和省扶貧辦“鼓勵各地市州縣在省扶貧云平臺上，按照統一平臺、統一標準、統一數據的要求，自行投資開發建設具有自身特色的子扶貧云和精準扶貧個案管理相關系統，并引入更多的開發者定制特色扶貧個案應用，激發更廣泛的扶貧工作創新，既保證數據的統一性、完整性，又不失靈活性，便于各地市特色扶貧工作和個案扶貧措施在全省快速復制推廣”要求，我市于2015年12月開始啟動脫貧攻堅總指揮部建設。脫貧攻堅總指揮部布置在市規劃館，主要有三個方面內容建設：一是遵義特色的軟件開發;二是液晶拼接大屏及電子操控設備;三是臨展區裝修改造(保持規劃館整體風貌)及布展?？傊笓]部與市委常委會議室、市政府常務會議室聯通共享。各縣(市、區)和市直有關部門設分指揮部，并與總指揮部互聯互通。指揮調度做到精準到村到戶到人到項目，并可實時通話直連，實現數據與電腦、手機等智能終端連接，利用手機進行實時展示和信息推送(默認直接下屬單位主要領導的信息推送)，實現“人在干、云在算、天在看”動態化有效管理。
二、主要做法及成效
在省扶貧云的基礎上，充分運用大數據、云計算、互聯網等現代信息手段，建設遵義市脫貧攻堅指揮部，通過建立“用數據決策、用數據管理、用數據考核”精準扶貧工作機制，提升大扶貧戰略實施精準度，用大數據手段實現對貧困村、貧困戶的精準識別、精準匹配、精準幫扶與精準管控。通過大數據手段，動態掌握扶貧工作中真實、可靠、全面、及時的數據，真正把扶貧對象搞精準、把致貧原因搞清楚、把動態管理搞規范，做到因戶施策、因人施策，合理評估貧困人口狀況及扶貧項目效益，為科學制定扶貧政策提供數據支撐。
一是通過駐村干部和貧困群眾說貧困，組織一支教育的、醫療的、產業扶貧的、種樹的、種茶葉隊伍來參與互動，用身邊事教育身邊人，用身邊人引領身邊人。
二是通過易地扶貧搬遷，展示干部與易地扶貧搬遷群眾一對一幫扶，確保不脫貧不脫鉤;展示易地扶貧搬遷戶就業情況，確保每一戶都有一人就業。
三是通過脫貧攻堅目標任務和時間表、路徑圖，利用大數據，從市到四大區域到15個縣(市、區)再到鄉鎮、村，逐級細化，為每一戶貧困戶建立“貧困指數”，甄別出最貧困的鄉、最貧困的村、最貧困的戶，使貧困深度看得見、摸得著。 四是通過建立完善的指揮體系和責任體系，到村到戶到人，運用大數據手段調度展示細化到每一戶每一人的幫扶干部、愛心人士或企業，做好“誰來扶”的遵義答卷。
五是通過建立遵義脫貧攻堅信息云平臺，讓每個市直部門、每個縣(市、區)甚至鄉鎮、村都能在這個平臺上發布工作動態信息，并由各級指揮部審核篩選后將重要信息及時推送到各級領導手機客戶端上(設定閥值)，各級領導可以回應互動，批示直辦，實現信息共享，做到工作實時指揮調度。
六是通過建設民生監督子系統，以扶貧項目、資金為重點，拓展到所有民生項目資金，對工程進度、資金撥付等進行實時監管，最終實現“掛圖作戰，按圖銷號”，真正做到把最精準的資源集中在需要幫扶的貧困戶，變傳統扶貧的“大水漫灌”為“精準滴灌”，實現大數據助力下的扶貧全過程精準管理。
七是通過建立考核評價體系，每季度曬一次各縣(市、區)、各鄉鎮(省要求市考核鄉鎮)、各市直部門脫貧攻堅成績單。該子系統鏈接省扶貧云績效評估云服務。
八是通過建設扶貧專線部門熱線子系統，對群眾來電進行登記錄入、梳理交辦、跟蹤督辦、回訪考核，提升人民群眾滿意度。
九是通過設立《遵義脫貧》電子書欄目，真實記錄遵義脫貧攻堅足跡，客觀總結遵義脫貧攻堅經驗，全面展示遵義脫貧攻堅成效，努力形成遵義脫貧攻堅品牌。
二、目前存在的瓶頸和困難
一是我市脫貧攻堅總指揮部主要依托省扶貧云提供的我市數據，但在與我市其他部門數據互聯互通上存在不暢，數據的使用更多是內部循環，遠達不到實現廣泛數據共享的目標。二是我市脫貧攻堅總指揮部與大數據相關產業沒有實現互動，對我市發展的大數據產業技術運用上還有所欠缺。
三、未來展望
大數據時代的來臨，為創新扶貧開發方式提供了新的理念和技術支持，我市要積極利用大數據帶來的快速、便捷和高效來加快推進精準扶貧工作;同時也對扶貧人員的素質提出了新的更高的要求，我市必須優化整合扶貧資源，培訓高素質人才，實現精準扶貧，確保扶貧到村到戶到人;運用全社會的力量全方位提高貧困人群的生活水平和質量，最終消除貧困，實現共同富裕。
(一)利用“大數據”，做好目標任務對接。“大數據”是幅地圖冊，它告訴我們貧困對象在哪里，有多大規模?“大數據”是個檢測儀，它告訴我們致貧原因及貧困對象的訴求是什么?“大數據”是條連通器，它告訴我們駐村干部怎么布局安排，連通著幫扶人與受扶對象;“大數據”是一工作平臺，為扶貧開發的轉型、創新、實踐提供了基礎，創造了條件。開發利用“大數據”，要做到與目標任務相對接，與專項規劃相連接，服務于整村推進規劃、易地扶貧搬遷規劃、產業發展規劃、金融扶貧規劃等專項規劃的編制，著手扶貧開發新的部署安排提供了參考。
(二)運用“大數據”，高效服務扶貧工作。要在確保數據安全與貧困對象信息安全的前提下，實行“大數據”向各級扶貧部門授權開放，向各行業部門專網開放，向社會有限度開放，做到數據共享共用，為“三位一體”大扶貧工作服務，使各方面的資源與力量充分運用，使扶貧效果得到提升。
(三)活用“大數據”,做好駐村幫扶工作。“大數據“為駐村幫扶工作找到了因戶施策的依據，駐村干部可根據一家一戶的建檔立卡情況，針對性地確定幫扶項目和幫扶措施，可使幫扶工作具體化。同時，一家一戶的建檔立卡情況也為制訂和完善駐村幫扶的考核驗收提供了參考，在實施基本考核制度的前提下，可弄清駐村工作隊的具體扶貧效果，可實打實地進行督辦、考核、驗收。
農業大數據平臺方案范文第6篇
歐盟利用大數據實現智慧城市的做法給我們很多啟示。
歐盟對智慧城市的評價分為六個方面：智慧經濟、智慧治理、智慧生活、智慧人民、智慧環境、智慧移動性。也就是說智慧城市要促進經濟的發展，要改進和幫助更多大眾的參與，讓老百姓享受智慧的生活，人民得到更好的服務，居住環境更加優化。智慧城市的應用很廣泛，我們都知道有物流、交通、電網、工業、農業、建筑、環境、醫療等方面?，F在我要講的是，智慧城市本身會催生大數據，我們可以看到一個企業會涉及到很多環境，管理環境，開放環境，知識環境、服務環境，過去這些環境的關聯度不夠，那么現在通過數據庫使得這些環境能夠聯合起來，使得企業的效率提高40%-60%，根據賽門鐵克的一份最新調研報告，今天全世界所有企業的信息存儲總量已達2.2ZB，企業平均10PB，大企業更大點，小企業小點。一般企業都會建立數據庫，必須進行數據的集資和數據的挖掘，企業的數據在企業內部已經占有很重要的位置。
(1)智慧經濟
首先大數據在商業上怎么能很好運用，它會分析用戶的購物行為，什么商品搭配在一起會賣得更好，還有很多公司通過分析找到最佳客戶，淘寶數據魔方則是淘寶平臺上的大數據應用方案。那么商家可以了解淘寶平臺上的行業宏觀情況、自己品牌的市場狀況、消費者行為情況等，并可以據此作出經營決策。
美國有個投資公司分析了全球3.4億微博賬戶留言，判斷民眾情緒，人們高興的時候會買股票，而焦慮的時候會拋售股票，依此決定公司股票的買入或賣出，該公司今年第一季度獲得7%的收益率。
阿里公司根據在淘寶網上中小企業的交易狀況篩選出財務健康和誠信的企業，從而無需擔保來放貸，目前已放貸300多億元，壞帳率僅0.3%，大大低于商業銀行。
企業通過信息收集很好的掌握企業的運營狀況，分析居民與財務有關的記錄包括貸款申請、租賃、房地產、購買零售商品、納稅申報、水電費繳付、有線電視繳費、電話繳費、報紙與雜志訂閱、機動車檔案等，能夠得出消費者的個人信用評分，從而推斷客戶支付意向與支付能力，發現潛在的欺詐。
IBM日本公司建立了一個經濟指標預測系統，從互聯網新聞中搜索影響制造業的480項經濟數據，計算出采購經理人指數PMI預測值。
印第安納大學學者利用Google提供的心情分析工具，對270萬用戶在2008年3～12月所張貼的970萬條留言，挖掘出用戶happiness、kindness、 alertness、sureness、 vitality 和calmness等六種心情，進而對道瓊斯工業指數的變化進行預測，準確率達到87%。
利用大數據分析可實現對合理庫存量的管理，華爾街對沖基金依據購物網站顧客評論分析企業產品銷售狀況，華爾街銀行根據求職網站崗位數量推斷就業率。
(2)智慧治理
美國紐約的警察分析交通擁堵與犯罪發生地點的關系，有效改進治安。美國紐約的交通部門從交通違規和事故的統計數據中發現規律，改進了道路設計。
利用短信、微博、微信和搜索引擎可以收集熱點事件與輿情挖掘。
電信運營商擁有大量的手機數據，通過對手機數據的挖掘，不針對個人而是著眼于群體行為，可從中分析：實時動態的流動人口的來源及分布情況;出行和實時交通客流信息及擁塞情況。利用手機用戶身份和位置的檢測可了解突發性事件的聚集情況。
MIT的Reality Mining項目，通過對10萬多人手機的通話、短信和空間位置等信息進行處理，提取人們行為的時空規則性和重復性，進行流行病預警和犯罪預測。
(3)環境監測
對城市的河流進行采樣，通過衛星發布，收集產量的數據，這個數據非常大，通過這個數據分析能夠判別城市中有沒有污染。
(4)智慧醫療
無論是藥品的研發還是商業模式的開發運用數據分析都能夠得到很好的分析，我們醫院里有大量的病例，這里有大量的數據，傳統的普通病例很難挖掘數據，現在變成電子化有利于更高數據挖掘，數據的挖掘有利于發現醫療知識，由于醫療資源的分配不均，因此遠程醫療十分必要，另外，居家監護很重要，谷歌公司與美國疾病控制和預防中心等機構合作，依據網民搜索內容分析全球范圍內流感等病疫傳播狀況，谷歌的判斷與疾控中心的判斷是一致的。
社交網絡為許多慢性病患者提供了臨床癥狀交流和診治經驗分享平臺，醫院借此可獲得足夠多的臨床效果統計。個性化的醫療同樣很重要，我們發現，同樣的治療對一些病人無效，75%癌癥病人，70%的老年癡呆者、50%的關節炎病人、43%的糖尿病患者、40%的哮喘病患者，38%的抑郁癥病人。因為人體對藥品代謝方式的差異取決于個體特定的基因、酶和蛋白質組合，因此基因信息對選擇最優治療非常關鍵。對人體個性體質的挖掘會做到真正意義上的對癥下藥，一個人的基因信息大概1GB。
(5)智能搜索
除此之外，我們還通過網絡進行學習，早期的網絡學習是通過網站專業人員編制的內容，如今我們希望能夠實現更加智能的搜索。隨著移動互聯網的出現，搜索引擎會變成基于語音的智能搜索;基于位置的搜索;基于個性化搜索。
(6)輿情監測
大眾傳播發展的很快，這里包含著大量的數據，例如微博傳播具有裂變性、主動性、即時性、便捷性、交互性、草根性，跟進性和臨場感，每一個微博用戶既是"服務器"，也是"受眾"。中國的微博比社交網絡更熱，因為140個字符的微博在英文和中為分別約等于25個和85個英語單詞，即中文微博的信息量是Twitter的3～4倍。最近兩個月在YouTube上上載的視頻超過了ABC、 NBC和 CBS 電視臺自1948年以來24/7/365 連續播出的內容，而"云平臺+多屏融合"模式已成為智能家居和智能車載等的發展方向。
(7)精準營銷
美國信用營銷分析專家張川告訴《環球時報》記者，在大數據分析的應用上，美國政府和大公司領先新興國家至少20年。15年前，美國的信用卡公司就可以進行數據挖掘實現精準營銷：在合適的時間，通過合適渠道，把合適的營銷信息投送給每個顧客。
(8)犯罪預警
隨著智能電話和電腦網絡的普及，美國政府和大公司把自己的觸角伸到個人生活的每個方面。美國個人的一切在線行為數據都被收集儲存，再加上已被有關機構掌握的個人信用數據、犯罪記錄和人口統計等數據，有關公司和政府機構可以運用數據挖掘的辦法，監控和預測個人的行為，并做出相關決策。
(9)全球安全監測
如美國已具備對全球網絡空間的監視控制能力。斯諾登披露的“棱鏡”計劃，緣于美國政府的“星風”監視計劃。2004年，布什政府通過司法程序，將“星風”監視計劃分拆成由國家安全局執行的4個監視計劃，除“棱鏡”外，還包括“主干道”、“碼頭”和“核子”。其中，“棱鏡”用于監視互聯網個人信息。“核子”則主要負責截獲電話通話者對話內容及關鍵詞。“主干道”和“碼頭”分別對通信和互聯網上數以億兆計的“元數據”進行存儲和分析。“元數據”主要指通話或通信的時間、地點、使用設備、參與者等，不包括電話或郵件等的內容。
(10)市場價格監測
肯尼思·丘基爾是《經濟學家》雜志數據編輯、《大數據：一次將改變我們生活、工作和思考方式的革命》一書的合著者之一，他日前在美國《外交政策》雜志掀起一場有關“大數據時代令隱私保護問題更加突出”的討論。丘基爾舉例說，警方如果要偵破一個城市的加油站是否存在合謀操控價格的“卡特爾行為”，以往要靠線人舉報。但今天，可以做大數據分析——分析該市油價變化和加油站分布情況。通過分析，可以發現正常的價格變化規律，如果價格變化持續異常，就可以懷疑存在價格壟斷的行為。丘基爾認為，大數據的價值在于存儲后的再使用。不過，關鍵的一個問題是，收集、保存一切信息，與隱私保護政策是有沖突的，“保存一切信息是必要的，但是在這么做之前，我們有必要問自己一個問題，即現行的隱私保護政策是不是妨礙了我們正在邁入的大數據世界”。丘基爾提到，社會有必要就此進行大辯論，以便為大數據時代的隱私保護劃定新的邊界。
結束語
美國IT咨詢公司Avanade商業情報部副總裁斯蒂夫·帕爾默告訴《環球時報》記者，大數據是指非常“膨脹”的數據集，用典型的數據分析軟件和工具難以對其進行捕捉、儲存、管理、分享、分析和可視化。大數據有3個特征：一是數據的數量大;二是產生或被吸收的速度和頻率快;三是數據的多樣性。為從大數據中“挖出金礦”，一家企業或機構必須能夠應對大數據上述3個特征。帕爾默說，大數據給人類帶來的真正機遇是把許多信息碎片拼起來，為我們的決策服務。
附：全球頂尖大數據公司一覽
企業名稱：IBM
網址：http:///
2011年5月，IBM正式推出InfoSphere大數據分析平臺。InfoSphere大數據分析平臺包括 BigInsights和Streams，二者互補，Biglnsights基于Hadoop，對大規模的靜態數據進行分析，它提供多節點的分布式計算，可以隨時增加節點，提升數據處理能力。Streams采用內存計算方式分析實時數據。InfoSphere大數據分析平臺還集成了數據倉庫、數據庫、數據集成、業務流程管理等組件。
企業名稱：亞馬遜
網址：http:///
對于云計算和大數據，亞馬遜絕對具有先見之明，早在2009年就推出了亞馬遜彈性MapReduce(Amazon Elastic MapReduce)，亞馬遜對Hadoop的需求和應用可謂了若指掌，無論是中小型企業還是大型組織。彈性MapReduce是一項能夠迅速擴展的Web服務，運行在亞馬遜彈性計算云(Amazon EC2)和亞馬遜簡單存儲服務(Amazon S3)上。這可是貨真價實的云：面對數據密集型任務，比如互聯網索引、數據挖掘、日志文件分析、機器學習、金融分析、科學模擬和生物信息學研究，用戶需要多大容量，立即就能配置到多大容量。
除了數據處理外，用戶還可以使用Karmasphere Analyst的基于服務的版本，Karmasphere Analyst是一種可視化工作區，用于在亞馬遜彈性MapReduce上分析數據。用戶還可以提取結果文件，以便在數據庫或者微軟Excel或Tableau等工具中使用。
企業名稱：甲骨文
網址：http:///
甲骨文在近期發布的Oracle大數據機(Oracle Big Data Appliance)為許多企業提供了一種處理海量非結構化數據的方法。在2011年10月初召開的Oracle OpenWorld 2011大會上甲骨文正式推出了Oracle大數據機。對于那些正在尋求以更高效的方法來采集、組織和分析海量非結構化數據的企業而言，該產品具有很大的吸引力。
與甲骨文近期推出的其他一體化產品一樣，Oracle大數據機集成了硬件、存儲和軟件，包括Apache Hadoop軟件的開源代碼分發、新的甲骨文NoSQL數據庫和用于統計分析的R語言開源代碼分發。該產品被設計為能夠與甲骨文Database 11g、Oracle Exadata數據庫云服務器，以及針對商業智能應用的新的Oracle Exalytics商業智能云服務器一起協同工作。
企業名稱：谷歌
網址：http:///
谷歌一直是科技行業的領軍者，近年來幾乎在任何一項互聯網科技項目你都能看到谷歌的身影，大數據時代谷歌自然不會錯過。何況如果對其擁有的海量數據進行深入挖掘，這對于提升谷歌搜索乃至所有谷歌服務的價值無可估量。
BigQuery是Google推出的一項Web服務，用來在云端處理大數據。該服務讓開發者可以使用Google的架構來運行SQL語句對超級大的數據庫進行操作。 BigQuery允許用戶上傳他們的超大量數據并通過其直接進行交互式分析，從而不必投資建立自己的數據中心。Google曾表示BigQuery引擎可 以快速掃描高達70TB未經壓縮處理的數據，并且可馬上得到分析結果。大數據在云端模型具備很多優勢，BigQuery服務無需組織提供或建立數據倉庫。而BigQuery在安全性和數據備份服務也相當完善。
去年底該服務只向一小部分開發者開放，現在任何人都可以注冊這項服務。免費帳號可以讓你每月訪問高達100GB的數據，你也可以付費使用額外查詢和存儲空間。
企業名稱：微軟
網址：http:///
微軟研究部門從2006年起就一直致力于某種非常類似于Hadoop的項目，被稱為“Dryad”。今年年初，該計劃通過與SQL Server和Windows Azure云的集成實現了Dryad的產品化。雖然現在微軟還沒有更新，但看上去Dryad似乎將成為在SQL Server平臺上影響大數據愛好者的有力競爭者。
微軟進入這一市場可謂“姍姍來遲”，而且在一定程度上說，數據倉庫分析和內存分析計算市場落下了后腿。2011年初微軟發布的SQL Server R2 Parallel Data Warehouse(PDW，并行數據倉庫)，PDW使用了大規模并行處理來支持高擴展性，它可以幫助客戶擴展部署數百TB級別數據的分析解決方案。微軟目前已經開始提供Hadoop Connector for SQL Server Parallel Data Warehouse和Hadoop Connector for SQL Server社區技術預覽版本的連接器。 該連接器是雙向的，你可以在Hadoop和微軟數據庫服務器之間向前或者向后遷移數據。
微軟在去年推出了基于Azure云平臺的測試版Hadoop服務，今年它承諾會推出與Windows兼容的基于Hadoop的大數據解決方案(Big Data Solution)，這是微軟SQL Server 2012版本(首發日期還不知道)的一部分，現在也不清楚微軟是否會與其他硬件合作伙伴或者相關大數據設備廠商合作。
企業名稱：EMC
網址：http:///
EMC于1979年成立于美國麻州Hopkinton市，1989年開始進入企業數據儲存市場。 EMC公司是全球信息存儲及管理產品、服務和解決方案方面的領先公司。EMC是每一種主要計算平臺的信息存儲標準，而且，世界上最重要信息中的 2/3 以上都是通過EMC的解決方案管理的。
面對大數據時代，EMC公司推出用于支持大數據分析的下一代平臺――EMC Greenplum統一分析平臺(UAP)。Greenplum UAP是一個唯一的統一數據分析平臺，可擴展至其他工具，其獨特之處在于，它將對大數據的認知和分享貫穿整個分析過程，實現比以往更高的商業價值。
企業名稱：Teradata
網址：http:///
Teradata公司(Teradata Corporation，紐約證券交易所交易代碼TDC)是全球領先的數據倉庫，大數據分析和整合營銷管理解決方案供應商，專注于數據庫軟件，數據倉庫專用平臺及企業分析方案。 不久前宣布推出一款集硬件、軟件和服務于一體的全面產品組合——Teradata分析生態系統 (Teradata Analytical Ecosystem)，使不同的 Teradata 系統實現無縫協作，為企業客戶提供分析和更深入的洞察力，幫助其預測商業機會和加速實現商業價值。Teradata Unity 將確保整個Teradata Analytical Ecosystem的同步和統一。為了增強在大數據分析領域的優勢， Teradata還收購Aster Data公司，以增強其非傳統數據分析的能力，突破了SQL分析的限制，協助企業從全部數據中獲取更多價值。
企業名稱：NetApp
網址：http://
Network Appliance，Inc.(NetApp，美國網域存儲技術有限公司)是IT存儲業界的佼佼者，自1992年創業以來，不斷以創新的理念和領先的技術引領存儲行業的發展。Network Appliance, Inc. (NetApp) 是向目前的數據密集型企業提供統一存儲解決方案的居世界最前列的公司。
NetApp StorageGRID 是一個久經驗證的對象存儲軟件解決方案，設計用于管理 PB 級、全球分布的存儲庫，這些存儲庫包含企業和服務提供商的圖像、視頻和記錄。通過消除數據塊和文件中數據容器的典型約束，NetApp StorageGRID 提供了強大的可擴展性。它支持單個全局命名空間內的數十億個文件或對象和 PB 級容量。
NetApp StorageGRID 實現了智能的數據管理和安全的內容保留。它通過一個具有內置安全性的全局策略引擎來優化數據存放、元數據管理和效率，該引擎管理數據的存儲、放置、保護和檢索的方式。此外，使用數字指紋和加密等技術防止內容受到篡改。
NetApp StorageGRID 有助于隨時隨地提供數據，以便于不間斷地運營。該解決方案被設計為允許靈活進行部署配置，以滿足全球的多站點組織的不同需要。
企業名稱：Sybase
網址：
Sybase公司成立于1984年11月，總部設在美國加州的Emeryville(現為美國加州的Dublin市)。作為全球最大的獨立軟件廠商之一，Sybase公司致力于幫助企業等各種機構進行應用、內容及數據的管理和發布。
Sybase IQ是Sybase公司推出的特別為數據倉庫設計的關系型數據庫。 相比于傳統的“行式存儲”的關系型數據庫， Sybase IQ 使用了獨特的列式存儲方式，在進行分析查詢時，僅需讀取查詢所需的列，其垂直分區策略不僅能夠支持大量的用戶、大規模數據，還可以提交對商業信息的高速訪問，其速度可達到傳統的關系型數據庫的百倍甚至千倍。“隨著 Sybase IQ 不斷地在分析應用 POC 測試中拔得頭籌，有時甚至超過其他對手 100 倍之多”， Gartner 評價道，“ Sybase IQ 逐漸成為從數據集市到企業數據倉庫架構最令人渴望的 DBMS (數據庫管理系統)。”
自 2009 年推出以來， Sybase 陸續發布了 Sybase IQ 15.1 、 15.2 、 15.3 以至最新的 Sybase IQ 15.4 版本，每個版本都著力于增加新的核心能力以促進更深入的高級分析。Sybase IQ 15.4是面向大數據的高級分析平臺，將大數據轉變成可指揮每個人都行動的情報信息，從而在整個企業的用戶和業務流程范圍內輕松具備大數據的分析能力。
因此，有人說Sybase IQ15.4正在徹底改變“大數據分析”。
企業名稱：惠普
網址：
大數據時代來臨，老牌巨頭惠普也不甘落后。不久前惠普企業服務事業部宣布推出全新服務，幫助客戶更快部署惠普子公司Vertica的Vertica Analytics Platform ，從而迅速洞悉關鍵的業務信息，輔助決策過程。
Vertica Analytics Platform 讓用戶能夠大規模實時分析物理、虛擬和云環境中的結構化、半結構化和非結構化數據，從而深入洞悉“大數據”。
Advanced Information Services for Vertica 幫助客戶最大化實現 Vertica 分析平臺性能，并構建企業分析專用環境?；萜仗峁脑u估到實施的一系列服務，與客戶共同定義多種交付方式組合，并找出匹配其現有基礎設施的最佳解決方案。
Advanced Information Services for Vertica已在全球上市，將為實現“瞬捷”企業構建靈活的智能環境。
企業名稱：沃爾瑪
網址：http:///
在這里看到沃爾瑪的身影，可能很多人會有疑問，全球最大的傳統零售業巨頭沃爾瑪怎么就跟大數據扯上關系了?看了下面的介紹你就會明白了。
沃爾瑪是最早通過利用大數據而受益的企業之一，曾經擁有世界上最大的數據倉庫系統。通過對消費者的購物行為等非結構化數據進行分析，沃爾瑪成為最了解顧客購物習慣的零售商，并創造了“啤酒與尿布”的經典商業案例。早在2007年，沃爾瑪就已建立了一個超大的數據中心，其存儲能力高達4Pb以上?！督洕鷮W人》在2010年的一篇報道中指出，沃爾瑪的數據量已經是美國國會圖書館的167倍。
沃爾瑪實驗室計劃將沃爾瑪的10個不同的網站整合成一個，同時將一個10個節點的Hadoop集群擴展到250個節點的Hadoop集群。目前實驗室正在設計幾個能將當前像Oracle、Neteeza這樣的開放資源的數據庫進行遷移、整合的工具。
沃爾瑪曾進行了一些列的收購，包括Kosmix(沃爾瑪實驗室前身)、Small Society、Set Direction、OneRiot、Social Calenda、Grabble等多家中小型創業公司，這些創業公司要么精于數據挖掘和各種算法，要么在移動社交領域有其專長，從此我們就可以看出沃爾瑪進軍移動互聯網和挖掘大數據的決心。相信在沃爾瑪的帶領下，傳統行業也會慢慢意識到大數據的重要性，加速步入大數據時代。
企業名稱：Clustrix
網址：
Clustrix創立于2005年，是Y Combinator 2006年冬季班的成員。Clustrix可以為SQL數據庫提供專利數據應用方法，幫助人們處理大量的數據，使SQL數據庫無限擴容成為可能。最近Clustrix從Sequoia Capital、USVP和 ATA Ventures三家風險投資公司處再次獲得價值675萬美元的風險投資，至今已獲融資1200萬美元。Clustrix總部設在美國舊金山，研發中心設在西雅圖。為打開歐洲市場，公司計劃將總部遷至荷蘭的阿姆斯特丹，并將于年底前在印度設立辦公室。
企業名稱：Cloudera
網址：http:///
Cloudera是一家專業從事基于Apache Hadoop的數據管理軟件銷售和服務的公司，總部位于加州帕洛阿爾托，2009年3月發布了第一款商業產品，當時獲得由AccelPartners領投的500萬美元投資。該公司于2010年6月正式推出Cloudera企業產品。 2011年11月募集到4000萬美元風險投資資金，此輪融資由風險投資機構Ignition Partners的合伙人弗蘭克·阿泰勒(Frank Artale)領投。Cloudera之前的投資者頂尖風投機構Accel Partners、Greylock Partners、Meritech Capital Partners 和In-Q-Tel也參與本輪投資。