来源：《城市经济导报》
作者：郑渝川

　　从小农模式到20世纪大行其道的机械化农场模式，农业仍然无法避免靠天吃饭，病虫害控制也不可避免，有极大的被动性。“互联网+”农业，进入大数据时代的农业，会发生怎样的改变？

　　美国政府和一些企业已经开始力推这个拥有220万个农场的国家，加速转型升级，其核心就在于更好地收集、运用并处理各项信息，让农业经营降低成本并获得更高利润。具体的数据工具包括产量监控，产量绘图，浮动式施肥，杂草监测，可控式喷洒，运用差分全球定位系统开展的地形与边界测量，盐度监测等等，以及通过这些工具收集获得的海量数据的记录分析。

　　由此，农业种植的精细化变为可能，例如最精准确定种植深度、农作物间隔，实时掌握环境变化，跟踪农作物疾病的传播，监控土壤的含水量等指标变化。渔业、牧业也正在推进类似的数据化进程。

　　IBM软件集团副总裁、IBM大数据和信息管理产品负责人罗伯特·托马斯，史密斯企业与环境学院资深研究员帕特里克·马博兰合著的《大数据产业革命：重构DT时代的企业数据解决方案》一书，在第一部分介绍了目前正在推进的九大行业数据转型实践。看上去最难以实现数据化和精细化的农业，也在开启数据转型，这已经可以很好地说明数学、统计学与大数据的应用对各类产业带来的革命性机遇。

　　除了农业，作者还分别介绍了医疗、保险、零售与时尚、客户服务、智能机器、公共管理、天气与能源等行业的数据化进程。接下来，作者逐一分析了九大行业领域数据转型中的核心数据要素：重新定义从业经验、创建并利用全新的数据源、建立新的数据应用方式、实时监控与决策制定、社交网络的利用与数据创造、数据挖掘过程中的反向检索模式、定义全新的营销渠道等。这些要素可以分别组建出新的大数据企业、商业模式模型，对于现有企业启动转型也具有重要意义。

　　数据转型不仅仅在于引入有用的工具，更重要的是改变企业和个人的决策理念，要摒弃根据传统经验与直接判断，转向依据事实、重视挖掘数据。要达成这方面的目标，首先需要定位、梳理并评估现有及未来可能出现的数据资产，选择、构建定量模型来测试决策假设；其次，在企业流程中启用与数据相关的应用程序，以更快捷的运用数据，积极尝试利用数据分析来预测事件、估算结果、市场影响并不断调试；第三，还要设计管理与安全策略，确保数据使用中符合隐私准则。

　　数据时代需要用一种全新方式来实现体系结构中的逻辑视图，书中也就此给予了详细的分析解读，并给出了具体的操作建议。