农业大数据平台方案范文第1篇
蒙草集团依托20余年的生态科研实践，运用互联网、云计算、物联网等技术，结合实地监测，整理收集指定区域水、土、气、人、草、畜等生态系统相关数据，建立指标分析模型，从而精准指导生态修复实践，科学指导产业发展决策，优化引导农牧民生产生活，成为生态产业、农林牧产业等移动版的“GPS”+“科技110”。作为“生态+农业”大数据的一项实践，五原县农业大数据平台是蒙草依据当地农业生态现状和农业生产实际需求，搭建的以农业大数据为核心的生态公众服务平台。
大数据指导农业生产
五原县农业大数据平台使当地的农业生态实现了农业技术服务“一网覆盖”，农业资源数据“一键获取”，有效监控农畜产品的产量和质量。同时，大数据平台的遥感数据也提供该县农作物种类的空间分布、作物长势的变化以及不同程度的盐碱地分布的各类信息，为该县因地制宜规划农业生产提供依据。
大数据平台中的物联监测，可提供农作物生长环境、生长需求以及不同气候温度条件下病虫害发生情况的信息，提示农业部门及农民及早预防治疗，保证农作物健康生长，并通过精准施肥灌溉，减少水肥浪费，保护生态环境，促进农业可持续发展。
平台可监测家畜疫病的防治。防疫员可通过“智慧农业”APP快速地将牲畜图片、视频、农户和防疫员确认签字情况等防疫信息实时上报，并汇总到大数据平台。平台可对疫苗进行追溯，并做出该地区防疫热区图。2018年2月14日，五原县养羊农户赵瑞花在平台留言，家里的羊腿疼，走路一瘸一拐，不吃草，情况不止出现过一次，且附近几个村子都有类似情况发生。专家王强胜看到提问后回复了有效的治疗措施。平台通过为农户提供与专家沟通的渠道，为农户及时解决问题。
此外，农业信息员也将防灾减灾、土地流转与疫病防控等相关信息发布在农业综合信息平台上。平台信息结合科技服务直通车的
蒙草搭建农业大数据平台资料
辅助，打通了农牧业科技信息服务的“最后一公里”，为农牧民解决难题，为农业生产保驾护航。
搭平台服务市场决策
五原县素有“河套粮仓、葵花之乡”的美誉，盛产葵花、小麦、玉米、油料、甜菜、番茄、瓜果、瓜菜籽等农产品，是全国著名的粮、油、糖及绿色无公害农产品生产基地。
五原县农业大数据平台可监测当地农作物价格。通过有效监测当地农作物市场情况，分析判断每年农作物产量的走势，平台数据指导着农户有针对性地种植所需求农作物的数量。农牧业部门利用平台大数据快速调取农作物和畜牧业的产量及占比、当前防疫任务完成率、土地流转均价、农技咨询关注度以及各类农产品价格实时监测等数据。平台中的一些信息服务板块也备受农民青睐，如“科技110”使农民的农牧业实用技术、技术培训、市场信息、涉农涉牧政策法规等问题可得到专家及时、专业的回答。
服务三产融合发展
蒙草与五原县政府紧密围绕当地农业生产特色，打造了农村产业融合发展示范园，分为农业产业融合展示馆、生态大数据馆、热带植物馆，集农业新科技成果示范、农业大数据展示、生态科普、休闲旅游观光体验等多种功能于一体。
一产，用科技示范指导农民生产。在示范园内的测土配方施肥区，根据五原县十余个典型区域不同的土测值，选择新作物进行引种试验。同时，根据各乡镇现阶段主栽作物的养分需求及各生育期的需肥特性，为作物全生育期提供适宜的养分配比及生长环境，达到控肥增效的目的。示范园内设有绿色防控技术展示区，主要针对各类农作物病虫害给出对应的解决方案，综合应用杀虫灯、性诱剂、黏虫板等生物、物理防治技术，降低病虫害发生率，以达到有机食品标准，提高标准化技术普及率。
二产，聚集特色农产品加工企业与展示推介农产品。示范园内展示了多类五原县的地标性农产品，每类产品都有多个品种，每一类品种都有其优势特性。此外，展出的还有五原县的特色农产品加工产业培育出的众多知名品牌。
蒙草搭建农业大数据平台资料
三产，将示范园同时作为旅游区、科教园。示范园自2017年9月底运营以来，已吸引多达15万余人前来参观、旅游。除本地散客外，更多的是来自各地的教育科普团、产业考察团与旅行团。
示范园引导农业产业集聚，展示农业新科技成果，通过农业+大数据，既解决了“种得好、管得好、产得好、卖得好”的问题，也实现了
一、
二、三产业的融合发展。
大数据就像是大自然的信使，使用到农业产业中，能够一改以往农耕产业“看天吃饭”的状况，让农业产业变得更加智慧。大数据也是强劲驱动力，通过产销促、流通追溯体系等，让农业产业变得更加健康、绿色。
二、
蒙草自主研发的草原生态产业大数据平台在节目中亮相，向观众传达一家企业在“尊重自然、尊重一方水土”、把适应当地生长的植物“再还给这片土地”的努力。
助力生态修复相关产业发展
在实践中，要修复某一块草地，必须掌握某一区域的年降水量、土壤特性、适种草种等一系列生态数据，生态建设才能有的放矢，精准施策。蒙草的大数据平台集成了某一地区近几十年以来的“水土气、人草畜、微生物”等生态关键因素指标数据。大数据平台未来就像是草原生态系统的检测阀和导航器，将来能对生态修复、现代草业、畜牧业、草种业及蒙草定制化产品开发等领域提供科技支撑。
为草原生态修复提供技术支撑。草原生态修复涉及牧草适宜性、混播比例、种植方案等问题，通过大数据分析与研究，当人们点击大数据平台上任意经纬度的坐标点，蒙草的数据库就会提供出适合该处草原生长的草种及该区域最科学的生态修复方法。
蒙草搭建农业大数据平台资料
为草产品建立质量追溯体系。用户可以实时查看牧草具体地块的位置、水、土壤、气候、营养成分等信息，并掌握种植、管护、收获、贮藏、运输等全过程数据。
为农业发展提供技术支撑。未来蒙草的大数据平台还能为农业领域的土壤、水资源、农作物等数据的收集与研究提供技术支撑。
为草种业及蒙草定制化产品开发提供数据指导。通过对植物、气候、土壤、水资源等数据的积累于分析，蒙草大数据平台可以给草种生产与应用、蒙草生态包等产品的生产提供科学的生产指导数据。
为农牧民着想更多蒙草从草原上成长起来，始终不忘草原的养育之恩。多年来，蒙草通过产业发展为农牧民解决企业力所能及的问题。大数据平台的开发，包含很大的公益性成分，也着重为农牧民想得更多、带来更多便利：
合理规划种植。未来通过大数据平台，农牧民能够快捷地掌握当地及周边地区牧草生长状况，了解适合当地环境的牧草品种及种植技术，以降低成本，增加收入。
提供生产技术。应用大数据分析技术，结合牧草及作物的生长特性、土壤类型、温度、湿度、降水量等数据，农牧民可以“知天而作”，实现精准灌溉与生产。进行草原动态监测。用户通过大数据平台未来“天、空、地”一体化的草原监测体系，可以监测牧草的返青时间，预测牧草产量。
建立第三方信息发布平台。供应商可以通过手机分布供需信息，用户可以了解供应商的发布信息并可以完成交易，同时平台会为供应商提供数据分析服务。
搭建大数据共享平台。未来还可以为自治区各盟市、旗县甚至乡村搭建专属的大数据库，做到生态数据的“大导航”和“大利用”。 如今，呼和浩特的“中国云谷”正逐步成为国家级的数据中心。大数据不仅为新兴产业提供了有力支撑，也正在创造着良好的社会效益。蒙草大数据平台集成了内蒙古全境10多万个生态数据采集点的信息，将成为草原生态修复的重要参考。在政府的助推下，蒙草将利用大数据创造更多的经济和社会效益，让退化草原重现绿意，让废旧矿山变成绿洲，让城市变成花园，让生态环境更加美好。
蒙草搭建农业大数据平台资料
三、
看蒙草如何用生态大数据指导农业发展
我们“只有一个地球”,“珍惜自然资源、呵护美丽国土”是之必然。作为人类赖以生存的第一大产业——农业,如何在当下实现可持续发展,生态大数据可以告诉我们。
蒙草扎根于辽阔的内蒙古,依托集团公司20余年的生态科研实践,运用互联网、云计算、物联网、3S等技术,结合实地监测,整理收集指定区域水土气、人草畜等生态系统相关数据、建立指标分析模型,从而精准指导生态修复实践、科学指导产业发展决策、优化引导农牧民生产生活,用“大数据”实现“大生态”、“大产业”、“大民生”的互通互联。
▲蒙草大数据产品体系
蒙草搭建农业大数据平台资料
蒙草可以为不同地区打造不同专业类型的生态+大数据平台。五原县农业大数据平台就是蒙草依据当地农业生态现状和农业生产实际需求,搭建的以农业大数据为核心的生态公众服务平台,对当地农业的发展及农牧民生产生活产生着积极的影响。
▲五原县农业大数据平台
大数据+生产服务
看点一:一键获取你想了解的农业信息
五原县农业大数据平台为当地农业生态提供了农业技术服务“一网覆盖”、农业资源数据“一键获取”,有效监控着农畜产品的产量和质量,并提升农村信息化水平。同时,大数据平台的遥感数据也有助于宏观了解该县农作物种类的空间分布,作物长势的变化,以及不同程度的盐碱地分布,由此可以对该县不同地区进行因地制宜的农业生产规划。
蒙草搭建农业大数据平台资料
▲五原县农作物种类分布
▲五原县2017年5月-8月作物长势
蒙草搭建农业大数据平台资料
▲五原县轻中重度盐碱地分布
看点二:科技110海量专家实时为农民解惑
五原农业大数据平台中的农业综合信息模块对农业生产服务助力甚多。其中“科技110”版块最受青睐,农民可以通过“智慧农业”手机APP向专家提问,专家收到问题后为农民们回答,问题主要包括农牧业实用技术、技术培训、市场信息、涉农涉牧政策法规宣传等内容。
蒙草搭建农业大数据平台资料
▲五原农业大数据平台中的科技110界面
农作物的生长环境和生长需求,以及不同气候温度条件下病虫害的发生情况,我们也可以通过大数据平台中的物联监测掌握,做到及早预防治疗,保证农作物健康生长,同时精准的施肥灌溉,减少水肥浪费,保护生态环境,促进农业可持续发展。
▲五原县农业大数据平台——物联监测
蒙草搭建农业大数据平台资料
看点三:灾前预警帮助农民“未雨绸缪”
该平台也可监测家畜疫病防治。通过“智慧农业”APP,在每年春防、夏防和秋防时期,防疫员可快速地将牲畜图片、视频、农户和防疫员确认签字情况等防疫信息实时上报,并汇总到大数据平台,最终我们可以对疫苗进行追溯,并做出该地区防疫热区图。
▲五原农业大数据平台中的疫情防控界面
此外,农业信息员还会定期把防灾减灾、土地流转与疫病防控等相关信息上报至农业综合信息平台中,便民利民。再加上科技服务直通车的辅助,真正打通了农牧业科技信息服务的“最后一公里”,及时为农牧民解决难题,为农业生产保驾护航。
蒙草搭建农业大数据平台资料
▲五原农业大数据平台中的土地流转信息界面
大数据+市场决策
五原县素有“河套粮仓、葵花之乡”的美誉,盛产葵花、小麦、玉米、油料、甜菜、番茄、瓜果、瓜菜籽等农产品,是全国著名的粮、油、糖及绿色无公害农产品生产基地,其葵花的国内市场占有率高达70%。
蒙草搭建农业大数据平台资料
▲五原县农业大数据平台的农作物相关界面
蒙草五原县农业大数据平台可以监测当地农作物价格。通过有效监测当地农作物市场情况,从而分析判断每年农作物产量的走势,并针对性地指导农户每年的种植需求数量。
大数据+三产融合发展
蒙草与五原县政府紧密围绕当地农业生产特色,打造出一个农村产业融合发展示范园。园区总占地面积11664㎡,分为农业产业融合展示馆、生态大数据馆、热带植物馆,集农业新科技成果示范、五原农业大数据展示、生态科普、休闲旅游观光体验等多种功能于一体。
▲示范园中各具特色的三大主题馆
一产:用科技示范作用指导农民的生产实践
测土配方,控肥增效
在示范园的测土配方施肥区,根据五原县十余个典型区域不同的
蒙草搭建农业大数据平台资料
土测值,选择出新作物进行引种试验,掌握其生长习性,筛选出适合各区域种植的特色作物。同时,根据各乡镇现阶段主栽作物的养分需求及各生育期的需肥特性,还可以为作物全生育期提供最适宜的养分配比及生长环境,以挖掘本土作物的最大生产潜力,并达到控肥增效的目的。
▲测土配方科学施肥展示
标准展示农作物病虫害防治技术
示范园内还设有绿色防控技术展示区,主要针对各类农作物病虫害给出对应的解决方案,综合应用杀虫灯、性诱剂、粘虫板等生物、物理防治技术,减少病虫害发生率,达到有机食品标准确保舌尖安全,提高标准化技术普及率。
蒙草搭建农业大数据平台资料
▲农作物病虫害防治技术展示
二产:特色农产品加工企业与产品展示推介
示范园内展示了多种五原县的地标性农产品,每种产品都有多个品种,每一类品种又都有它独特的优势特性,并对应不同的试种区域。五原县的特色农产品加工产业培育出了许多国内外知名品牌,园内对此也进行了集中展示。
蒙草搭建农业大数据平台资料
▲农产品主题展示
三产:示范园也是旅游区、科教园
示范园利用配套的先进农业生产设施和技术,整合转化多元产业丰富资源,创造性地开展农业科普教育。据不完全统计,示范园自2017年9月底开馆运营以来,已吸引多达7万余人前来。除慕名而来的本地散客外,最多的是来自各地的教育科普团、产业考察团与旅行团,或休闲旅游,或参观学习,或进行科普教育。
蒙草搭建农业大数据平台资料
▲示范园吸引了大量游客前来
此外,示范园也被打造为一个展示运营平台,将农民创业与发展县域经济结合起来,为当地农民提供了自主创业的机会和空间,推进了农民创业富民行动。
▲农民创业产品展示
蒙草搭建农业大数据平台资料
示范园引导了农业产业集聚,展示了农业新科技成果,并作为平台辐射带动了五原县农业经济快速发展。通过农业+大数据,使一产有技术创新,二产有供需结构调整,三产有特色化可持续发展,既解决了“种的好、管的好、产的好、卖的好”的问题,也实现了
一、
二、三产业的融合发展。
▲示范园中的大数据主题展示
三大产业融合发展积极推进了农业供给侧结构性改革,为落实乡村振兴战略又添一笔。更重要的是,“授人以鱼不如授人以渔”,农民们在科技的指导下,紧跟惠农政策,补充知识、技能,把握市场良机,积极创新创业,实现了大数据+农业下的生态集约化发展与精准脱贫。
蒙草搭建农业大数据平台资料
四、
随着中央一号文件的发布，乡村振兴再一次成为2018开年新政略。
作为十九大之后的首个一号文件，此次的文件为今后的农村发展定下了主基调，这份“既管全面，又谋长远”的文件，不仅仅是2018年的一号文件，也为乡村振兴建构了总方针和路线图。
要实现乡村振兴，产业兴旺是重点。农村经济发展，不应该孤立地就农业经济谋出路，随着田园综合体等新兴业态的出现，乡村一二三产业融合发展已然破题。中国人民大学农业与农村发展学院教授孔祥智表示，三产融合是促进农业现代化的主要途径，有助于提升农业增收效益，提高农民收入，是未来农村发展的希望所在。
一号文件也指出，乡村振兴必须坚持质量兴农、绿色兴农。促进一二三产业融合，一方面要延长农业产业链，另一方面就是要注重拓展农业多功能性，衍生新产业新业态，创造新的增长动力。
三产融合的五原实验
2017年9月22日--23日，全国农村产业融合发展现场会在内蒙古巴彦淖尔市五原县召开，国务院副总理汪洋出席会议并强调：推进农村一二三产业融合发展，是加快转变农业发展方式、推进农业供给侧结构性改革的重要举措，是促进城乡发展一体化、全面推进现代化建设的重要途径。
会议期间，汪洋充分肯定了农村产业融合发展取得的积极成效，并到五原县农村产业融合发展示范园和河套电子商务产业园，了解融合方式创新和利益联盟机制建立情况。
以此为契机，五原县三产融合进入了快速发展期。其中，由政企共同建设的农业大数据平台，成为三产融合的标杆项目。
2017年年初，五原县政府与内蒙古蒙草生态环境(集团)股份有限公司(以下简称蒙草)签订了PPP项目框架协议，开展农业和
蒙草搭建农业大数据平台资料
生态并重的产业探索，推出大数据的细分产品——“五原农业大数据平台”，将大数据的成果推广应用到农业领域。
早在2014年，蒙草就开始构建生态大数据平台，利用卫星遥感技术，结合科研团队的生态基础调研，形成关于各地区的水、土、气、人、草、畜等基础生态数据，为生态修复及科学发展决策提供数据支持。
五原县是一个农业大县，素有“河套粮仓、葵花之乡”的美誉，五原葵花的国内市场占有率高达70%。据说，全世界每7颗葵花籽中，有一颗就来自于五原。
五原县不仅是河套地区典型的农业大县，畜牧业发展空间同样广阔。这里年产优质牧草100万吨，年产秸秆饲草、茎叶等140万吨，为发展“农区工厂化养羊”提供了得天独厚的资源优势。目前，全县4.8万户农民中的3.8万户都在发展肉羊养殖业，养羊业已成为农民增收的重要支撑。
虽然发展农牧业优势明显，但五原县的生态农业仍有巨大的发展空间难以发挥：因为地处黄河灌区，土壤盐碱化非常严重，是土壤盐碱化重灾区，占可灌面积的40%，且耕地次生盐渍化面积每年仍在递增。
增草兴牧，不仅关系到五原县“县计民生”，也关系着五原县的农业生态环境能否永续发展。
在这样的背景下，蒙草启动了百万亩盐碱化耕地改盐增草(饲)兴牧工程，计划用5年时间，通过科学改良盐碱地，进一步开发利用土地资源，提升农业和农村综合经济发展能力。
实际上，蒙草盐碱地改良研究院2014年便已成立，通过三年多的探索实践，蒙草已经创新总结出一整套盐碱地改良的集成措施。这些措施中，有“暗管排盐、配套排灌”的工程措施;有 “脱硫石膏、土壤改良剂”的化学措施;有“深松深翻，上膜下秸”的物理措施;还有“耐盐碱植物、微生物菌剂”的生物措施。
在五原县的“万亩农业示范园区”，通过治理已经使土壤含盐量由0.6%降到0.25%，可实现种子落地自繁。更为关键的是，蒙草已经采集驯化了耐盐植物35种，成功应用了19种，这些植物全都是五原
蒙草搭建农业大数据平台资料
当地的乡土植物，他们在盐碱化的土地上形成的耐盐碱特性，再被用于修复五原当地的盐碱化土地。
这也是蒙草生态自成立以来一贯秉持的生态修复理念，用乡土植物修复生态。例如五原县的乡土植物千屈菜，它不仅水陆两生，也可以起到改善盐碱地环境的作用。基于这样的发现，蒙草将这些耐盐碱植物的种植分包到户，再通过这些植物来改良土壤。
今年的中央一号文件，仍然高扬绿字诀，力推进乡村绿色发展。文件提出，要统筹山水林田湖草系统治理，把山水林田湖草作为一个生命共同体，进行统一保护、统一修复。要求各级政府必须尊重自然、顺应自然、保护自然，推动乡村自然资本加快增值，实现百姓富、生态美的统一。
中央农办主任、中央财办副主任韩俊解读2018年中央一号文件时说，乡村振兴生态宜居是关键。良好生态环境是农村最大优势和宝贵财富。美丽中国，要靠美丽乡村打底色。
求和“大农业+大数据”
蒙草执行总裁高俊刚认为，农业作为传统的一次产业，无非是特色化和品牌化。从第三产业的末端视角来看待，一次产业和二次产业都要进行产品创新和模式变革，最终来适应第三产业这个市场。
而“大农业+大数据”，是对传统农业种植精准施策、精细管理的基础，以此为入口，实现农业技术服务“一网覆盖”，农业资源数据“一键获取”，农作物生产精细化管理这样一个终极目标。
蒙草生态与五原县政府共同建设的农业产业融合发展示范园，占地总面积11664平米，分为农业产业融合展示馆、生态植物馆、热带植物馆。这不仅仅是一个科普馆，也是地方农产品及特色产品的展示平台和市民休闲空间，更是蒙草创新农业大数据平台的一个实践平台。在这里，蒙草试图将五原地区的农业生态基础数据变成财富，并探索生态农业的三产融合机制。
一方水土养一方人，同时也生长一方植物，在这里，蒙草生态汇集了五原县10个乡镇农民提供的水、土等样品，将县域内的水、土、气、光、热、肥等数据进行了汇集和整理，了解其对应关系，让农民生产有依据，用新技术优选种类、了解自家的土地最适合种
蒙草搭建农业大数据平台资料
什么、了解农作物怎样进行病虫害防治、了解农产品到底有怎样的营养价值，同时还可以实时获取农产品的市场价格信息……
与此同时，蒙草引入了诸多先进的种植技术，如水培，雾培和基质培进行配比实验，直观地向农民展示配土施肥的重要性，指导农民精准控制作物生长，掌握高效栽培技术，提高土地利用率。馆内的检化验室对当地农民免费开放，农民遇到什么样的难题都可以随时来求助专业的指导和数据支持。
这个农业大数据平台，目前已建成为集数据整合、信息查询、可视化展示、物联网监控、遥感监测和宏观决策等为一体的综合应用平台，锁定经纬度上任意一点，即可查询到该地区的农业大数据，包括土壤、气候、原生植物、草地类型、退化情况、适应地情的生态修复技术。锁定任意一种植物，即可查询该植物在全国范围内的分布，指导农牧民的生产作业和新牧区建设。
高俊刚认为，通过“大农业+大数据”，就是解决农民“种的好、管的好、产的好、卖的好”的问题。这样的大数据平台，不仅服务于企业、政府部门和农牧民，也为生态修复提供理论依据、修复方案和生态产业指导。
根据《2017年环保产业上市公司年度报告》，得益于PPP项目的快速发展和流域治理的推进，环境修复企业业绩快速增长，全国PPP综合信息平台项目库显示，截至2017年9月30日，PPP项目入库数量为14,220，投资总额178,000亿元。
蒙草将业绩大幅上升的原因，归结为国家对生态文明建设支持力度加大，公司充分利用 PPP 模式，积极开拓市场，业务呈现持续增长态势，公司与多个地方政府签署的 PPP项目落地，且项目建设运营顺利开展。新时代证券近期的研报也显示，蒙草依托地理优势，承接北方土壤沙化治理项目，预期万亿级的生态修复市场，将使公司未来业绩持续受益。
而从蒙草的五原项目来看，蒙草生态的业务显然不止于草原、荒漠、矿山等生态治理，通过农业生态大数据这样的三产融合创新，蒙草生态已经成为一家拥有核心技术和技术产品的“科技型生态企业”，这必将开拓出前景更为广阔的市场空间。
蒙草搭建农业大数据平台资料
蒙草搭建草原生态大数据(也许可以借鉴)
蒙草生态已经拥有不少如何积累生态财富的心得经验。公司的核心业务涉及五大板块，包括生态修复、节水园林、现代草业、草种业、生态牧场。
事实上，在生态财富被写入政府工作报告的同时，王召明今年恰好带来了一份如何快速积累生态财富的提案，即“建立国家草原生态环境大数据”。王召明认为，“互联网+”时代下，生态建设和农牧业生产离不开大数据，草原也需要生态信息化的发展。因此，应该建立草原大数据平台，以此为抓手将大数据应用到草原生态建设中，让大数据平台成为草原生态和农牧业的“教科书”。
王召明向记者介绍说：“我们一直把生态建设称为生态修复或者生态恢复，就是恢复到以前自然的样子。一个地方的生态、植物、树、草、生物、微生物，各自的比例其实是由几百年、几千年来的生态环境影响和形成的，我们把这个数据都记录下来。在生态建设中，应顺应自然，尊重自然，这个地方长什么树，长什么草，大自然说了算。”
而所谓草原生态大数据，则涉及草原生态修复、生态环境的实时监测、水土气人草畜的动态平衡监测，还包括“草牧业完整产业链的过程数据，如育种、播种、施肥、收获、储运、草牧产品开发等各个环节”，它们可以被大数据平台一一记录在案并随时查询，用来指导草原生态修复，服务于农业和畜牧业。近两年来，王召明已率先在蒙草生态探索“互联网+生态”的造富之路。据了解，种质资源库建设是构建草原生态产业大数据平台的最核心环节，公司目前正在建设完善草原草种质资源库建设，干旱半干旱地区种质资源库建设，资源库建设甚至将从国内延伸至阿拉伯地区。王召明告诉记者，目前该平台已统计了内蒙古地区近 90%的生态数据，新疆、西藏及京津冀地区的数据统计工作正在开展中。“目前仅是一个初级的平台，随着数据的积累，公司将考虑如何让大数据从生态链服务整个产业链。”王召明坦言，这个过程则需要更多的市场参与者加入进来，包括政府部门、科研机构及相关企业等共同合作。
蒙草搭建农业大数据平台资料
在此背景下，王召明在今年两会上建议，国家应出台政策，支持有一定发展基础的企事业单位建立“草原生态环境大数据平台”。广泛收集各地草原的土壤、水资源、气候、植被等方面的基础数据，与地理信息进行空间叠加分析，为生态修复提供大数据模型;利用物联网等新技术，拓宽数据获取渠道，创新数据采集方式并不断更新完善，实时监测草原生态环境的平衡、利于及时保护与利用。同时，建议政府职能部门信息互通、数据共享，建立“农林草畜”完整的生态平衡管理模式。王召明提出，生态大数据平台就是要服务于农牧民的生产实践，因此对提供这样服务的企事业单位政府要有一定的奖补政策。
农业大数据平台方案范文第2篇
1.软件选型建议 1.1 数据传输
处理并发链接的传统方式为：为每个链接创建一个线程并由该线程负责所有的数据处理业务逻辑。这种方式的好处在于代码简单明了，逻辑清晰。而由于操作系统的限制，每台服务器可以处理的线程数是有限的，因为线程对CPU的处理器的竞争将使系统整体性能下降。随着线程数变大，系统处理延时逐渐变大。此外，当某链接中没有数据传输时，线程不会被释放，浪费系统资源。为解决上述问题，可使用基于NIO的技术。 1.1.1 Netty
Netty是当下最为流行的Java NIO框架。 Netty框架中使用了两组线程：selectors与workers。其中Selectors专门负责client端(列车车载设备)链接的建立并轮询监听哪个链接有数据传输的请求。针对某链接的数据传输请求，相关selector会任意挑选一个闲置的worker线程处理该请求。处理结束后，worker自动将状态置回‘空闲’以便再次被调用。两组线程的最大线程数均需根据服务器CPU处理器核数进行配置。另外，netty内置了大量worker功能可以协助程序员轻松解决TCP粘包，二进制转消息等复杂问题。 1.1.2 IBM MessageSight
MessageSight是IBM的一款软硬一体的商业产品。其极限处理能力可达百万client并发，每秒可进行千万次消息处理。
1.2 数据预处理 1.2.1 流式数据处理
对于流式数据的处理不能用传统的方式先持久化存储再读取分析，因为大量的磁盘IO操作将使数据处理时效性大打折扣。流式数据处理工具的基本原理为将数据切割成定长的窗口并对窗口内的数据在内存中快速完成处理。值得注意的是，数据分析的结论也可以被应用于流式数据处理的过程中，即可完成模式预判等功能还可以对数据分析的结论进行验证。 1.2.1.1 Storm
Storm是被应用最为广泛的开源产品中，其允许用户自定义数据处理的工作流(Storm术语为Topology)，并部署在Hadoop集群之上使之具备批量、交互式以及实时数据处理的能力。用户可使用任意变成语言定义工作流。
1.2.1.2 IBM Streams
IBM的Streams产品是目前市面上性能最可靠的流式数据处理工具。不同于其他基于Java的开源项目，Streams是用C++开发的，性能也远远高于其他流式数据处理的工具。另外IBM还提供了各种数据处理算法插件，包括：曲线拟合、傅立叶变换、GPS距离等。 1.2.2 数据推送
为了实现推送技术，传统的技术是采用‘请求-响应式’轮询策略。轮询是在特定的的时间间隔(如每1秒)，由浏览器对服务器发出请求，然后由服务器返回最新的数据给客户端的浏览器。这种传统的模式带来很明显的缺点，即浏览器需要不断的向服务器发出请求，然而HTTP request 的header是非常长的，里面包含的数据可能只是一个很小的值，这样会占用很多的带宽和服务器资源。
面对这种状况，HTML5定义了WebSockets协议，能更好的节省服务器资源和带宽并达到实时通讯。应用Websockets技术，服务器可以通过一个双工通道主动推送数据至客户端浏览器。 1.3 数据存储 1.3.1 车载终端数据
自2006年以来，基于Google提出的MapReduce编程模型以及分布式文件系统的开源项目Hadoop，得到了分布式计算领域的广泛关注，近年来更是几乎成为了大数据行业的标准框架。众多国际互联网公司如Yahoo!、Twitter、Facebook、Google、阿里巴巴等均开源发布了大量基于Hadoop框架的软件，从而使得此框架拥有其他大数据工具所不具备的软件生态圈。
2013年底，Hadoop 2 发布，新一代的计算框架YARN在兼容MapReduce之外，使得其他第三方计算工具可以更便捷的与HDFS整合。同时HDFS也增加了HA(高可用)等新功能。
Cloudera是一家美国的Hadoop软件发行商，其CDH提供了企业级的服务支持，超过50%的Hadoop开源项目贡献来自于Cloudera的工程师。恒润科技目前使用的是Cloudera的CDH5。
数据存入HDFS中时，Hadoop会自动将数据切分为block并均匀分布的存储在集群的各个数据节点。读取数据时，往往通过Map Reduce的方式将数据汇总并提取。这种方式非常适用于对海量数据(eg. 100GB+)进行检索或分析的场景。这是因为，首先海量数据很难用单机进行处理，因为大量数据需要先加载至内存;其次因为MapReduce(或基于YARN的其他计算方式)可以充分利用整个集群中的计算资源，任务的执行效率远远快于单机。
而对于交互应答及时性要求较高的应用场景，比如查看某列车某一时段的车速变化曲线(涉及数据量相对较小)。用户往往期望指定检索条件后可得到秒级的响应。但如果采用上述方式直接从HDFS取数据，整体集群任务派发与资源协调所需的时间将远大于数据处理与展示的时间。用户体验将会大幅下降，这种情况下一般会采用非结构型Nosql数据库。HBase是Hadoop生态圈中非结构型数据库的代表，其架构参考了Google的bigTable设计。旨在为客户提供基于HDFS，支持快速写入与读取的数据库。
HBase的一个典型应用场景便是车载终端数据存储，车载终端数据的特点包括： 数据类型多样、数据具有时序性、车载终端有移动性以及数据粒度小。车载数据也符合上述特征，因此HBase相对于HDFS是一个更加合适的选择。然而，HBase表的设计对数据检索效率的影响可谓巨大，因此必须紧密结合应用场景、数据结构以及数据的元数据才能确保HBase的性能满足应用需求。 1.3.2 应用数据
应用数据一般则采用关系型数据库进行存储。常见的关系型数据库包括：Mysql，SqlServer，Oracle等。 1.4 数据分析 1.4.1 基础运算功能
大数据平台需根据数据类型的相应特点封装基础运算功能。例如，对于布尔量，需提供某段时间区间内，0、1变化的次数统计，0、1所占比例分布等功能;对递增量如列车里程，应提供某段时间区间内该信号的变化率。而这些功能在分布式环境下主要是通过MapReduce的思想实现。
MapReduce是Hadoop的核心组件之一。 所有计算任务都被分解为两个过程：Map与Reduce。其中Map过程的核心思想为‘移动计算优于移动数据’，即将计算任务Mapper分发至数据所在计算节点。计算节点对本地数据进行计算并将计算结果记录在本地HDFS。Reduce过程，则由reducer去各个计算节点收集mapper的中间计算结果再整理成最终结果。这一过程适合的场景是大批量数据运算，而针对交互性较强的应用，因整个计算过程涉及大量磁盘IO操作，很难做到及时响应。为此Hadoop软件生态圈对MapReduce过程进行了大量优化，而Spark的出现则进一步颠覆了MapReduce的实现方式。 1.4.2 Apache Spark
Spark将数据源封装为RDD(一种可伸缩的分布式数据结构)。针对RDD的Mapreduce过程，将所有中间结果都保存在内存，而不需读写HDFS，从而提高计算任务的整体效率。除MapReduce外，Spark还提供许多其他数据操作。自2014年起，spark已经成为Apache开源社区中最活跃的开源项目。 1.4.3 SQL on Hadoop
在传统关系型数据库中进行数据分析往往是依靠SQL语言。对于不熟悉分布式编程的数据分析人员，SQL on Hadoop的出现无疑为他们提供了一种便捷而强大数据分析工具。为Hbase提供SQL操作的工具包括Hive，Impala与Pheonix。其中Hive与Impala都是为HDFS而设计同时提供了对Hbase的接口;Pheonix则是专门为Hbase设计的，底层实现完全依赖Hbase 的原生接口。 1.4.4 机器学习算法
数据挖掘中常用的许多机器学习算法都是迭代式的，当数据分布在集群中，传统的单机算法实现将难以生效。Apache Mahout提供了多种机器学习算法基于MapReduce的实现，包括聚类、拟合、协同过滤等。Spark也提供了Mlib组件并以Spark的方式对上述算法进行了实现。 1.4.5 BI
传统的的BI工具近年来也开始提供基于Hadoop的数据计算接口，如Matlab提供了MapReduce的接口(http:///discovery/matlab-mapreduce-hadoop.html)。而SPSS更是宣布除与Hadoop集成之外，还将于2015年完成与Spark的集成。值得注意的是，这些集成仅是底层实现的集成，即仍然要求数据分析人员具备MapReduce的编程思想并学习这些工具关于Mapreduce的客户端接口。 1.4.6 工作流
Oozie是Hadoop生态圈中第一款关于计算流程规划的工具。通过这款工具，开发人员可以将上述数据分析工具进行整合，以完成非常复杂的数据统计任务。然而Oozie缺乏可视化的工具对工作流进行设计，且调试十分不便。
Azkaban是由LinkedIn贡献的一款类似的开源工具并提供了用户友好的可视化界面。
1.4.7 数据可视化
由于前段的框架采用的是基于浏览器的B/S架构，因此数据的可视化可以依托于大量开源的javascript工具库,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为例，其提供的工具包括：折线(面积)图、 柱状(条形)图、 散点(气泡)图、 K线图、 饼(圆环)图、 雷达(面积)图、 和弦图、 力导向布局图、 地图、 仪表盘、 漏斗图。具体demo请参考上述链接。 2 硬件选型建议 2.1 服务器选型 2.1.1 配置
Hadoop集群中DateNode的推荐配置为： • 12～24 块1～4TB 硬盘
• 2 ～8核 CPU, 频率2～2.5GHz • 64-512GB 内存 • 10～100G以太网网口 NameNode的推荐配置为：
• 4～6 块1TB 硬盘 (操作系统1块, 文件系统2块,Zookeeper1块) • 2 ～8核 CPU, 频率2～2.5GHz • 64-128GB 内存 • 10～100G以太网网口 2.1.2 规模
车载终端数据进入Hbase后，以Hfile的形式存于HDFS。这意味着所有数据在整体集群中将会至少保存3个备份。规划集群规模时需考虑下列几个参数： •
车载终端数量(车载数据采集设备)sensors •
采集端口数量ports •
采集频率 frequency •
采集时间period •
端口大小 size •
备份数量 redundancy
农业大数据平台方案范文第3篇
二、建设目标 ................................................................................................................................... 3
三、建设内容 ................................................................................................................................... 4
(一)专业核心课程 ............................................................................................................... 4
1.专业核心课程范围 ....................................................................................................... 4 2.建设周期和建设数量 ................................................................................................... 4
(二)通识教育在线课程 ....................................................................................................... 5
(三)网络自选(拓展)课程 ............................................................................................... 5
1.建设方式 ....................................................................................................................... 5 2.学习方式 ....................................................................................................................... 6 3.学分置换 ....................................................................................................................... 6
(四)原精品资源共享课、网络共享课等 ........................................................................... 6
四、建设方案 ................................................................................................................................... 6
(一)大数据教学平台功能简介 ........................................................................................... 7
(二)六大功能模块 ............................................................................................................... 7
1. 网络教学门户网站 ..................................................................................................... 7 2. 课程中心 ..................................................................................................................... 7
2.1 专业核心课程 ................................................................................................... 8 2.2通识教育在线课程 ............................................................................................ 8 2.3网络自选(拓展)课程 .................................................................................... 8 2.4 原精品资源共享课、网络共享课 ................................................................... 8 3. 移动学习空间 ............................................................................................................. 9 4. 教师发展中心 ............................................................................................................. 9 5. 教学管理中心 ............................................................................................................. 9
5.1 教学评估 ........................................................................................................... 9 5.2 教学资源管理 ................................................................................................. 10 5.3 OA系统 ............................................................................................................ 10 6. 教学质量工程 ........................................................................................................... 10 7. 备课资源库(备选项) ........................................................................................... 10
(三)各功能模块要求 ......................................................................................................... 11 1. 网络教学门户网站 ................................................................................................... 11 2. 课程中心 ................................................................................................................... 11 2.1 课程创建 ......................................................................................................... 11 (1)课程共建 ............................................................................................... 12 (2)助教功能 ............................................................................................... 12 (3)双模板选择 ........................................................................................... 12 (4)课程封面 ............................................................................................... 12 (5)课程编辑 ............................................................................................... 12 2.2 课程教学 ......................................................................................................... 13 (1)多模式教学 ........................................................................................... 13 (2)学习过程管理 ....................................................................................... 14 (3)线上作业 ............................................................................................... 15 (4)在线测试 ............................................................................................... 15 2.3 教学信息统计 ................................................................................................. 16
1 (1)教师端 ................................................................................................... 16 (2)学生端 ................................................................................................... 16 2.4 教学互动 ......................................................................................................... 16 (1)学生问题讨论 ....................................................................................... 16 (2)教师在线答疑 ....................................................................................... 17 3. 移动学习空间 ........................................................................................................... 17 3.1 PC终端 ............................................................................................................ 17 3.2 移动APP .......................................................................................................... 17 (1)移动教案 ............................................................................................... 17 (2)课堂签到 ............................................................................................... 18 (3)随机提问与调查 ................................................................................... 18 (4)学习监控 ............................................................................................... 18 (5)闯关学习 ............................................................................................... 18 (6)作业 ....................................................................................................... 19 (7)在线互动 ............................................................................................... 19 (8)在线考试 ............................................................................................... 19 (9)课程显示 ............................................................................................... 19 4. 教师发展中心 ........................................................................................................... 19 4.1 文本显示模块 ................................................................................................. 19 (1)中心简介 ............................................................................................... 19 (2)政策文件 ............................................................................................... 20 (3)名师风采 ............................................................................................... 20 (4)教师培训 ............................................................................................... 20 (5)教学督导 ............................................................................................... 20 (6)教学论坛 ............................................................................................... 20 4.2 视频展示模块 ................................................................................................. 20 (1)视频展示 ............................................................................................... 20 (2)资源下载 ............................................................................................... 20 5. 教学管理中心 ........................................................................................................... 21 5.1 在线评审 ......................................................................................................... 21 5.2 通知公告 ......................................................................................................... 21 5.3 教学组织和专业设置 ..................................................................................... 21 5.4 大数据平台统计汇总 ..................................................................................... 21 6. 教学质量工程 ........................................................................................................... 21 (1)课程建设 ............................................................................................... 22 (2)专业建设 ............................................................................................... 22 (3)教学团队建设 ....................................................................................... 22 (4)教材建设 ............................................................................................... 22 (5)教学名师 ............................................................................................... 22 7. 备课资源库(备选项) ........................................................................................... 22
2
xxx学院大数据教学平台建设规划
一、建设背景
自2012年起，美国各顶尖大学陆续开设了以慕课(MOOC-大型开放式网络课程)为主的网络学习平台，在网上提供免费课程。Coursera、Udacity、edX三大课程提供商的兴起，给更多学生提供了系统性学习的可能。美国哈佛大学、麻省理工、加州理工等高校前后累计投入近2.4亿美元，用于开发网络化课程。加之以微课、翻转课堂等为代表的新的教学方式不断创新突破，使得课程网络化重新定义了学校，重新定义了教师，甚至也重新定义了学生，提供了一种全新的知识传播模式和学习方式，必将引发全球高等教育的一场重大变革。
当前国内、省内高校在课程网络化建设方面均取得了一定成绩。其中，西安交通大学建立了较为完备的网络公开课学习平台，涵盖工学、理学、管理学等七大学科，具备线上学习、考试、互动等功能;周口师范学院则建立了较为详细的大数据分析系统，能够实现对学生出勤、就餐、图书阅读等方面的大数据分析。但是，上述高校在课程网络化建设方面还存在着以下不足：
第一，重通识轻专业。国内高校，特别是985高校较为重视自身网络资源共享课的建设(即慕课)，建设水平相对较高;省内高校，则是通过引进智慧树、尔雅等通识教育课程，构建通识教育网络平台。
1 但是，各高校专业核心课程网络化建设普遍较为薄弱，即使是建设较好的西安交通大学，也仅是将部分专业核心课程用于跨专业通识教育，并没有依托优势专业，构建基于网络的专业核心课程体系，供在校学生学习使用。
第二，重整体轻细节。北京大学、清华大学、郑州大学的课程建设整体情况较好，多数课程都拥有较为系统的教学大纲、讲义、PPT和试题库。但是，上述学校在线课程时长均为45分钟左右，系按照传统课堂要求录制的一整节教学内容，学生网络学习与在课堂听课效果一样，缺乏基于微课、微视频等工具对课程进行细化讲解，无法突出重要知识点。
第三，重讲授轻反馈。各高校建成的网络教学平台中，均设有互动模块用于教师与学生进行线上交流。但是，由于缺少有效的监督和激励机制，多数互动平台处于零活动状态，既没有学生提问，也没有教师解疑答惑，学生网络学习质量只能简单依靠在线习题进行验证。
第四，重建设轻管理。在被调查院校中，除西安交通大学、浙江大学上线的网络课程能够顺利访问外，其他学校均存在视频打不开、课程内容不完整，甚至网页不能正常访问等情况，说明课程网络化建设后期管理存在较大漏洞，不能完全保证学生随时学习、随地学习的要求。
第五，重成绩轻运用。各高校在课程网络化建设方面投入较大，知名高校均聘请上市网络企业进行页面设计和功能设计，建设效果较好。但是，除兄弟师范学院外，各高校均没有以大数据为基础，形成
2 建设效果总结报告和发展规划，且兄弟师范学院在形成报告后，也没有完全将该报告中反馈的问题应用于实际教学。
有鉴于此，我校在课程网络化建设过程中，既要发挥慕课线上教育的优势，又要结合微课成果简化、多样传播的特点，同时兼具翻转课堂将学习决定权让渡给学生的原则，采取兼容并包、取长补短的方式，以大数据为基础，加快推进课程网络化建设，显著提升我校教学水平和教学质量。
二、建设目标
根据当前高等教育发展趋势，以及慕课、微课、翻转课堂等新方法、新工具的发展方向，结合我校转型升级发展具体需求，对我校本科课程网络化建设提出以下建设目标：
第一，以专业核心课程为重点，加快推动教学方式改革。通过3年建设，基本建成以三级知识点分类为依托，以课堂讲授、网络课堂、微课、微视频、课程试题库为基础的“课堂学习+网络学习”的专业核心课程教学新体系，并逐步向全校所有课程延伸。
第二，以通识教育在线课程为引导，不断提升自建网络课程质量。按照引进与自建相结合原则，建设一批涵盖“科学素养、人文素养、艺术素养”三大模块，拥有自主知识产权和版权的通识教育在线课程，使部分课程达到网易公开课、MOOC学院和中国大学MOOC等国内知名网络平台上线要求。
第三，以网络自选(拓展)课程为辅助，有效促进学生专业综合
3 能力提升。采用自愿、自主原则，鼓励各学院在学生完成专业基础课程学习后，通过建设一批能够拓展学生专业知识面、调动学生自学积极性的自选(拓展)课程，进一步提升学生专业综合能力和素养。
第四，以大数据分析为基础，全面提升我校教育教学质量。针对当前传统教育方式一门课程讲到老、一本教材用到老等种种弊端，运用大数据分析工具，大胆探索、小心求证，逐步形成课程任课教师专业教研室、教学院系和教务处四级评价分析体系，从课程改革入手向专业改革延伸，全面提升我校教育教学质量，以适应转型升级发展新形势、新要求。
三、建设内容
(一)专业核心课程 1.专业核心课程范围
专业核心课程主要包括教育部专业指导目录中所规定的完成本专业学习的必修课程。
2.建设周期和建设数量
第一阶段：2017年，从24个转型试点专业和应用型专业群中选择50门课程进行建设;
第二阶段：2018年，完成转型试点专业全覆盖，同时从非试点专业中选择40门课程进行建设;
4 第三阶段：2019年，从全校所有专业中(已建成的不再重复建设)选择60门进行建设，完成应用型专业群全覆盖;
第四阶段：2020年以后，逐步完成全校所有专业核心课程网络化建设。
(二)通识教育在线课程
通识教育在线课程是第一课堂在课下的延伸和拓展，既是提升学生综合素质的渠道，也是进行开放式和探究式学习的重要平台。在前期引进尔雅通识课程的基础上，我校将采取引进与自建相结合的方法，以“科学素养、人文素养、艺术素养”三大模块为主，每年遴选5门左右深入开展通识教育在线课程建设。
通识教育在线课程在供本校学生学习的同时，鼓励任课教师或课程教学组向校外提供课程资源共享服务。任课教师或课程教学组通过向校外共享课程资源所获收益，归任课教师或课程教学组所有。
(三)网络自选(拓展)课程
网络自选(拓展)课程是在专业课程基础上，对学生综合能力和素养的进一步提升。我校将按照自愿、自主的原则，鼓励和支持网络自选(拓展)课程建设。
1.建设方式
各学院以基层专业教研室为单位，根据自身专业特点，在学生完成专业基础课程学习后，通过自建(建设标准参照通识教育在线课程)
5 或引进相结合，建设3-5门与本专业学习有关的网络自选(拓展)课程，上传至大数据教学平台，进一步强化学生专业能力。
2.学习方式
学生根据各专业提供的网络自选(拓展)课程资源，在大数据教学平台上(或手机APP)根据学习要求自主完成学习。
3.学分置换
学生完成网络自选(拓展)课程后，由各学院教学办公室统一认定，确定可置换的学分数量和课程，经学院教学负责人签字确认后报送教务处备案。
(四)原精品资源共享课、网络共享课等
2013-2016年获准立项建设的省、校级精品资源共享课、网络视频公开课、精品课程等在建项目，均可按照专业核心课程、通识教育在线课程和网络自选(拓展)课程的建设要求和建设标准进行后续建设。教务处将对建设质量较好、建设效果明显的项目进行后期资助，并优先推荐国家级、省级课程建设项目。
四、建设方案
以下建设方案均采用本地部署模式。
6
(一)大数据教学平台功能简介
我校大数据教学平台以学生为中心，基于“线上+线下”、“平台+课程”的教学新理念，通过课堂讲授、辅助学习和自主学习相结合，逐步实现传统课堂教学与现代网络技术的融通运用，构建混合式教学新模式。
通过大数据教学平台实现教学互动功能、资源共享功能、移动学习功能、教学门户的建设，达到教师能够进行课程建设、教学监控、资源共享、学生能够自主学习的目的，并实现所有数据的整合，最终建设成一个理念领先、技术先进、国际化特色突出的网络教学中心。
(二)六大功能模块 1.网络教学门户网站
该网站能够实现教学新闻公告动态显示，有具校园代表性的大图片展示区，具备信息发布和页面自定义、访问统计分析、统一检索等功能;具备链接进入大数据教学平台各功能模块的功能;具备多种资源排行展示，如精品课程排行、课程网站排行、课程资料排行等功能;并且支持对本校课程进行检索。
2.课程中心
课程中心包括专业核心课程、通识教育在线课程、网络自选(拓展)课程和原精品资源共享课、网络共享课4大课程子系统;能够提供课程建设工具，实现与Microsoft Office和WPS的无缝对接。
7 2.1 专业核心课程
能够兼容包括Camtasia Studio等在内的微课编辑工具，支持按照课程三级知识点在线创建、编辑、修改各种类型的微课;实现按照课程知识点编辑排序讲义、PPT、微课。
2.2通识教育在线课程
能够兼容学校已购进的尔雅通识教育课程和自建通识教育课程。 2.3网络自选(拓展)课程
实现按照各二级学院或学科专业为单位的网络自选(拓展)课程分类、排序。
2.4 原精品资源共享课、网络共享课
能够将前期已有的精品资源共享课、网络共享课上线。 以上4大课程子系统均应包括“教-学互动平台”：该平台能够提供全面的网络教学功能，包括作业、考试、通知、互动课堂、PBL教学、资料、统计等。同时，在教学过程中，能够直接无缝对接各种在线资源，实现名师课程视频、教材教参、文献资料等的轻松调用，为教与学随时随地提供资源支持。师生可以在互动课堂模块通过音视频、文字互动，实现远程授课、辅导。在4大课程子系统中均支持辅助教学、闯关式网络教学、混合式翻转课堂教学等多种教学模式。课程建设过程中可插入作业、视频、图书作为任务点，通过任务点是否完成
8 来对学生行为进行监控。详尽的学习统计能够统计出每个学生的学习进度、学习行为轨迹、作业分数、视频观看情况、图书阅览情况、参与讨论次数等。教师可以为每个班级制定学习计划。将课程章节定时开放给学生，也可以设置闯关式学习，学生必须将章节中全部人物点完成才能进入下一节，控制学生的学习流程，监控学习结果。
3. 移动学习空间
可以通过电脑、手机、平板等终端设备，为每个学生打造个性化主页，记录学习历程。同时，可以满足学生与学生之间、学生与老师之间的学习互动交流。同时考虑到学校其他平台较多，学习空间应支持外部平台接入，方便学生与老师使用。
4. 教师发展中心
以教学研究和教学改革为中心，能够提供培训服务、课程评估、资源共享等功能。主要内容应包括中心简介，政策文件，通知公告，名师风采，教师培训，教学督导，学院风采，教学论坛，资源下载等功能模块。
5. 教学管理中心 5.1 教学评估
能够统计教学过程中所产生的数据，可以对老师的教学情况、学生的学习情况、课程的访问情况等进行全面的、可视化的统计分析，
9 以帮助学校和老师更好的进行教学评估管理。
5.2 教学资源管理
能够对学校教师和院系手中的各种教学资源进行系统的归类和整理，并将文件加以统一的管理和存储，实现教务处对于这部分教学资产真实、有效的管理和控制;提供统计和分析系统，使教务处能够准确掌握校内各种教学资源的分布状态，并以此为依据，对未来的教学资源建设进行合理的规划。
5.3 OA系统
文件发布：实现教务文件在线发布、在线阅读，教务处能够对文件阅览情况进行实时监控;项目评审：实现教学研究项目、教学团队、精品课程等项目的在线申报、在线评审。
6. 教学质量工程
能够协助学校进一步提高教学质量工程项目生命周期管理。主要包括政策文件发布，在线项目管理，项目统计分析和项目成果展示等，全面满足学校质量工程的项目管理需求。同时，平台还提供附件文档的在线阅读、项目公文模板自定义等特色功能，让质量工程更方便、更灵活。
7.备课资源库(备选项)
能够实现与图书馆、外部网络资源的对接，供教师教学和备课使
10 用。(此项功能为备选功能)
(三)各功能模块要求
总体要求：大数据教学平台面向30000名师生同时在线开放，在系统的兼容性、稳定性、安全性、可靠性等方面有严格的要求：
7×24小时不间断运行; 页面响应不高于3秒; 检索响应不高于3秒; 视频点播响应不高于10秒。 1. 网络教学门户网站
实现新闻公告动态显示，热门教学视频动态显示，有校园具代表性的大图片展示区，生动记录教师学生们的学习和生活。
除常规门户网站所包含内容外，还应包括教学成果展示板块，具备多种资源排行展示，如精品课程排行、课程网站排行、课程资料排行、及热门专业排行，包含学校特色的人才培养方案、教学组织运行的功能。
2. 课程中心 2.1课程创建
在课程中心模块中，应支持在线创建课程、设置课程的学分考核机制、设置课程展示模板等，以及学生在线听课、在线阅读、在线提
11 问、在线作业、在线考试、在线互动讨论、学分审核、获得学分等。
(1)课程共建
支持多位老师共建一门课程，使课程内容更加丰富，同时减轻了教师工作负担。
(2)助教功能
支持添加助教功能，老师可以选择合适人选来担当本门课程助教，协助批改作业、考试阅卷等教学活动。
(3)双模板选择
支持基于章节和知识点两种模板创建课程，三步完成课程创建：.....选择模板、编辑课程信息、编辑章节或知识点内容。要求实现Microsoft Office和WPS文档、PPT直接上传，同时支持常见视频格式上传。
(4)课程封面
内容包括课程名称(中英文)、课程封面、课程相关信息、课程介绍、教学资源等内容，要求编辑界面简洁明了、操作简单，原位编辑、灵活方便。
(5)课程编辑
在课程内容编辑中，要求与Microsoft Office和WPS的无缝对接，支持直接粘贴、复制，并具备与Microsoft Office和WPS相一致的在
12 线编辑功能。在编辑过程中，可以根据课程内容添加图片、文档、音频，视频，网页，作业;可以对插入的微课、微视频等资源设置任务点，防拖拽，防窗口切换等，使学生在观看视频的过程中不能进行其他操作;在视频的播放过程中，可以插入与视频相关的图片、PPT，可以在视频中添加相关的测验，学生只有在正确回答相关问题后才能进行后续视频内容的学习。
上述内容要求能够实现原位编辑，不需进入后台，即可在网页原位进行编辑操作。
2.2 课程教学 (1)多模式教学
平台应支持网络辅助教学(专业核心课程)、网络教学(通识教育在线课程、网络自选(拓展)课程和原精品资源共享课、网络共享课)，翻转课堂、PBL(问题式学习)等多种现代化教学模式。
其中，网络辅助教学，指的是教师运用平台上传教学所需的资料(如PPT、讲义、教案、教学大纲、课程习题库等文本文件，以及微课(5-10分钟)、微视频(20分钟左右)等网络资源)，在线布置作业(可设置闯关模式)、批改作业，与学生进行讨论答疑等活动。
网络教学，指的是教师通过平台上传完整的课程讲座视频(涵盖所有教学内容，每讲45分钟)，学生可以在校内通过无线网络(校园WIFI)和有线网络自主学习，可以突破传统课堂人数限制。
翻转课堂，指的是将课程学习的过程由线下实体课堂反转到线上
13 网上教学。首先由学生在线上进行自主的课程学习，在实体课堂中老师主要进行讨论与答疑等活动。
PBL教学，指的是将学习与具体任务或问题挂钩，使学生能够在平台上自主预习任务问题，教师能够实时监控学生预习进度，并及时进行解疑答惑。
在该平台下，教师可以根据各自实际需求和学校对课程建设的具体要求，灵活选择教学模式。同时，还应具备学分管理系统，能够监控学生学习过程，设置各项学习指标权重，统计学习成绩，并在学生学习结束后能够给出相应的学分。
(2)学习过程管理
该平台以学习过程管理为核心，开展作业、考试、答疑、讨论、评价等教学活动。
学生在登录平台后，可以直接查看自己四年全部课程总体学习进度和某一门课程的单科学习进度。(如果教师在课程中设置了闯关模式，则学生必须完成相应的任务后才能够进行后续学习)。
教师在登录平台后，可以直接查看本学期承担课程中每个学生的学习进度和总体学习进度。其中，单个学生学习进度，应包括视频观看进度、学生点击情况(含点击时间、时长、点击者信息等内容)、讲义、PPT观看、下载情况、作业完成情况等;总体学习进度，应包括全部学生总体学习情况、作业整体完成率、学生网络学习排名等。上述内容均要求采用Excel形式，并能够快捷导出。
14 (3)线上作业
即从作业发布、接收到批阅，全部流程都在网上完成，学生可以在线接收作业、做作业、关注作业的反馈情况，随时查看教师的评语及成绩。学生可以对任意作业进行收藏，将自己认为重要的知识点集中到一起当作之后学习的要点。
如果教师在作业中设置了闯关模式，则学生必须完成指定作业内容后，方能进入下一步作业。
(4)在线测试
教师可通过题库进行选题或者在线编辑试题，然后设置各类题型的数量和分值创建试卷，试卷创建好以后，教师根据测验的时间，参加测验的对象，发起测验。学生就可以接收到该试卷进行测验。支持从题库中选题进行组卷的功能，教师可以对试卷中的试题进行添加、修改、删除、任意排序、预览等功能，还可以对试题进行分值分配;试卷包括客观题、主观题、复合题等;题的属性包括类别、难度系数、适用层级等，同时，系统能根据题的使用频率和学生回答的正确率进行自适应的调整难度系数，力求难度系数符合真实情况，提高参考价值。
15 2.3 教学信息统计 (1)教师端
教师端信息包括两个方面：
工作量统计，主要包括教师发作业、批量作业、试卷、试题、讨论答疑、学生对教师授课的满意度、教授的学生的成绩等数据汇总，同时，系统支持原始数据导出。
学生学习统计，主要包括完成的作业、参加的考试与考试得分、提出的问题、参加过的讨论、读过的书、看过的视频等数据汇总，按汇总的数据对学生进行排名，并能够精确显示学生学生行为轨迹。在作业统计中，能够根据教师设置的每份作业的权重，统计出学生网络学习总成绩。同时，系统支持原始数据导出。
(2)学生端
学生端信息，主要包括学生各门课程学习进度和大学四年总体学习进度。
2.4 教学互动 (1)学生问题讨论
平台为学生提供在线提问功能。根据学生输入的问题题目内容，自动为学生推荐与该问题相似的问题，同时推送与问题相关的学习资料(如视频、图书、文档文献等)，辅助学生自主解决问题。为了提高
16 解答的质量，学生在提问的过程中，可以选择解答范围，包括允许所有人解答、允许某位教师解答。师生可以就课程学习进行讨论，答疑，增强师生的互动，加深学生对知识的理解。
(2)教师在线答疑
教师在线回答学生提出的问题，可通过系统消息或手机、邮件等及时反馈给学生。当有新的问题时，系统会在教师平台页面自动提醒，或者通过手机、邮件等形式提醒教师，方便教师与学生之间的即时沟通。教师可以对答疑库中的问题进行管理，如建立精品答疑库，将问题分类，便于系统自动为学生精准地推送问题，提高疑问的解决效率。
3. 移动学习空间
移动学习空间包括PC终端和移动APP两种模式。 3.1 PC终端
PC终端主要集中于课程中心，在此不再赘述。 3.2 移动APP 移动APP包括IOS和Android两种类型，两种类型操作界面、操作流程应基本一致，且均能够支持平板操作。
(1)移动教案
按照教学计划，教师可提前在移动端上组织教学内容，有序安排
17 资料推送、签到、问答、抢答、投票等教学活动，方便课堂发放并易于复用;教材、作业、考试、通知、学生管理等移动教学功能，支持教师进行移动教学。
(2)课堂签到
教师在移动端发布课堂签到，学生直接用手机通过扫描教师课前打印好的二维码进行签到，签到结果可同步保存在课堂教学教师APP端和PC端。
(3)随机提问与调查
教师发布随机选人，系统会自动在已经签到的学生中随机选择学生回答问题，并可以进行结果投射;教师可以在课堂上实时发布调查问卷，学生通过移动端进行投票，教师端可以立即统计投票结果。
(4)学习监控
对于学生在线观看微课、微视频具备监控功能，如视频防拖曳、防快进等。
(5)闯关学习
学生通过PC或APP进行网络学习时，能够自动记录学习轨迹和学习行为，在完成学习任务后能够自动保持PC端与APP端同步。
18 (6)作业
学生可以通过PC或APP查询作业列表，完成作业并能够展示已完成、已批改的作业，并能够查看每次作业成绩和总成绩。
(7)在线互动
学生可以通过PC和APP查看老师、管理员发给自己的通知、调查问卷、问答、讨论话题等消息信息，且所有消息都支持有是否阅读标示。
(8)在线考试
教师可以在课程中发布考试试卷和查看考试分项统计结果，学生同样可以通过客户端进行在线考试和查看考试信息。
(9)课程显示
在PC或APP教师端，能够显示本学期教师所承担的课程信息;在学生端，能够显示本学期所修的课程信息。
4. 教师发展中心 4.1文本显示模块 (1)中心简介
对教师发展中心进行简单介绍
19 (2)政策文件
能够发布教师发展中心的各项文件、通知。 (3)名师风采
对学校名师进行展示(含照片和简历)。 (4)教师培训
主要分为岗前培训，专题活动，名师讲坛，网络培训，实践教学等功能。
(5)教学督导
主要发布相关的督导动态，督导制度等内容。 (6)教学论坛
支持教师在教学论坛交流自己的教学方法与教学心得。 4.2视频展示模块 (1)视频展示
展示与教学相关的优秀培训视频。 (2)资源下载
教师可以在资源中心下载到教师教学发展的相关培训资料。
20 5. 教学管理中心 5.1 在线评审
教务处收到申报的项目，将进行分级评审，级别分为：院、系或职能部门初审，评审办公室初审，专家在线评审，评审委员会集体评议。泛雅提供了完整的在线评审流程及简单易操作的后台管理体系，评审人只需按步操作即可。评审项目。
5.2 通知公告
该平台能够发布教学方面的各类文件、通知，并能够向各二级教学单位进行推送和点击打开情况查询。
5.3 教学组织和专业设置
该平台能够显示各二级教学单位的网站链接和全校专业设置情况。
5.4 大数据平台统计汇总
能够实现按二级学院和专业分类显示在线课程各项信息统计。 6. 教学质量工程
教学质量工程项目，指的是教学团队、精品课程、专业综合改革试点等项目。该平台的建设宗旨是打造教学质量与教学改革工程综合支撑平台及项目申报评审及管理平台。
21 质量工程项目的建设主要包括政策文件的传达，课程、专业、教材与教学团队建设的线上管理。可实现教研项目网上申报、评审、立项与成果展示。
(1)课程建设
课程建设包括校级、省级、国家级的精品课程及优秀课程展示。 (2)专业建设
包括特色专业展示及专业改革试点的公布，人才培养示范专业、各类各级教学实验班展示。
(3)教学团队建设
包括校级、省级优秀教学团队建设的展示。 (4)教材建设
包括省级、国家级重点教材及校园精品教材的展示。 (5)教学名师
包括校级省级教学名师的展示。 7. 备课资源库(备选项)
农业大数据平台方案范文第4篇
党的十八大把生态文明建设放在了突出地位，纳入了“五位一体”总体布局，并首次把“美丽中国”作为未来生态文明建设的宏伟目标。2015年新修订的《环境保护法》将“推进生态文明建设、促进经济社会可持续发展”列入立法，以法律的形式将生态文明建设提升到了国家的战略高度。国务院出台的《水污染防治行动计划》“水十条”，对生态文明中水环境和水质保护方面的提出了重点管理要求。与此同时“互联网+”和“大数据”应用也上升为国家战略，国务院出台的《关于积极推进“互联网+”行动的指导意见》、《关于促进大数据发展的行动计划》和环保部发布的《生态环境大数据建设总体方案》，将“互联网+绿色生态”作为11个重点行动之一而提出，要求未来的环保工作必须紧密地与大数据建设结合起来，高度重视大数据在推进生态文明建设中的地位和作用。
2 建设目标
以往信息化发展基本都是着眼于各个业务部门各自的业务需求，“管什么、想什么、干什么”，数据多头采集、相互矛盾的现象普遍，难以从环保工作全局层面支撑决策和管理。很多环境问题还处于现状不清、底数不明、原因不详的困局之中，环保部门在回应重大环境污染事件和解决人民关切的环境问题方面容易陷入被动。
通过以水环境综合大数据分析建设为契机，树立环保工作的大局观和整体观，将流域各方面相关环境管理数据整合起来，形成合力打造对内的统一的水质大数据智能分析平台，用全局性的战略眼光来谋划整个水域环境质量、影响流域污染源监控数据管理建设。 3 系统建设内容
3.1 水环境大数据采集
大数据时代的环境信息化建设是以数据为核心，环境大数据管理与应用是在“十三五”期间最重要的发展方向，所以环保部门未来建设重点将紧紧围绕大数据进行。而要实现大数据的智能化应用，首先要解决的就是大数据收集获取问题，因此需要夯实应用基础，全面收集内外部数据资源，整合、共享、联动、开发数据，努力实现全数据采集管理。
3.2 水环境大数据管理
获取流域水质大数据分析需要的相关环境大数据资源后，建立大数据综合服务库，将采集的海量数据汇聚进入到库中，聚合原有分散在各个政务系统中的数据，并按照大数据管理标准及要求，进行集中管理与维护。
3.3 水环境大数据分析应用
农业大数据平台方案范文第5篇
一、建设背景
根据四届市委常委会第130次会议明确由市委脱贫攻坚办负责全市脱贫攻坚指挥部建设意见和省扶贫办“鼓励各地市州县在省扶贫云平台上，按照统一平台、统一标准、统一数据的要求，自行投资开发建设具有自身特色的子扶贫云和精准扶贫个案管理相关系统，并引入更多的开发者定制特色扶贫个案应用，激发更广泛的扶贫工作创新，既保证数据的统一性、完整性，又不失灵活性，便于各地市特色扶贫工作和个案扶贫措施在全省快速复制推广”要求，我市于2015年12月开始启动脱贫攻坚总指挥部建设。脱贫攻坚总指挥部布置在市规划馆，主要有三个方面内容建设：一是遵义特色的软件开发;二是液晶拼接大屏及电子操控设备;三是临展区装修改造(保持规划馆整体风貌)及布展。总指挥部与市委常委会议室、市政府常务会议室联通共享。各县(市、区)和市直有关部门设分指挥部，并与总指挥部互联互通。指挥调度做到精准到村到户到人到项目，并可实时通话直连，实现数据与电脑、手机等智能终端连接，利用手机进行实时展示和信息推送(默认直接下属单位主要领导的信息推送)，实现“人在干、云在算、天在看”动态化有效管理。
二、主要做法及成效
在省扶贫云的基础上，充分运用大数据、云计算、互联网等现代信息手段，建设遵义市脱贫攻坚指挥部，通过建立“用数据决策、用数据管理、用数据考核”精准扶贫工作机制，提升大扶贫战略实施精准度，用大数据手段实现对贫困村、贫困户的精准识别、精准匹配、精准帮扶与精准管控。通过大数据手段，动态掌握扶贫工作中真实、可靠、全面、及时的数据，真正把扶贫对象搞精准、把致贫原因搞清楚、把动态管理搞规范，做到因户施策、因人施策，合理评估贫困人口状况及扶贫项目效益，为科学制定扶贫政策提供数据支撑。
一是通过驻村干部和贫困群众说贫困，组织一支教育的、医疗的、产业扶贫的、种树的、种茶叶队伍来参与互动，用身边事教育身边人，用身边人引领身边人。
二是通过易地扶贫搬迁，展示干部与易地扶贫搬迁群众一对一帮扶，确保不脱贫不脱钩;展示易地扶贫搬迁户就业情况，确保每一户都有一人就业。
三是通过脱贫攻坚目标任务和时间表、路径图，利用大数据，从市到四大区域到15个县(市、区)再到乡镇、村，逐级细化，为每一户贫困户建立“贫困指数”，甄别出最贫困的乡、最贫困的村、最贫困的户，使贫困深度看得见、摸得着。 四是通过建立完善的指挥体系和责任体系，到村到户到人，运用大数据手段调度展示细化到每一户每一人的帮扶干部、爱心人士或企业，做好“谁来扶”的遵义答卷。
五是通过建立遵义脱贫攻坚信息云平台，让每个市直部门、每个县(市、区)甚至乡镇、村都能在这个平台上发布工作动态信息，并由各级指挥部审核筛选后将重要信息及时推送到各级领导手机客户端上(设定阀值)，各级领导可以回应互动，批示直办，实现信息共享，做到工作实时指挥调度。
六是通过建设民生监督子系统，以扶贫项目、资金为重点，拓展到所有民生项目资金，对工程进度、资金拨付等进行实时监管，最终实现“挂图作战，按图销号”，真正做到把最精准的资源集中在需要帮扶的贫困户，变传统扶贫的“大水漫灌”为“精准滴灌”，实现大数据助力下的扶贫全过程精准管理。
七是通过建立考核评价体系，每季度晒一次各县(市、区)、各乡镇(省要求市考核乡镇)、各市直部门脱贫攻坚成绩单。该子系统链接省扶贫云绩效评估云服务。
八是通过建设扶贫专线部门热线子系统，对群众来电进行登记录入、梳理交办、跟踪督办、回访考核，提升人民群众满意度。
九是通过设立《遵义脱贫》电子书栏目，真实记录遵义脱贫攻坚足迹，客观总结遵义脱贫攻坚经验，全面展示遵义脱贫攻坚成效，努力形成遵义脱贫攻坚品牌。
二、目前存在的瓶颈和困难
一是我市脱贫攻坚总指挥部主要依托省扶贫云提供的我市数据，但在与我市其他部门数据互联互通上存在不畅，数据的使用更多是内部循环，远达不到实现广泛数据共享的目标。二是我市脱贫攻坚总指挥部与大数据相关产业没有实现互动，对我市发展的大数据产业技术运用上还有所欠缺。
三、未来展望
大数据时代的来临，为创新扶贫开发方式提供了新的理念和技术支持，我市要积极利用大数据带来的快速、便捷和高效来加快推进精准扶贫工作;同时也对扶贫人员的素质提出了新的更高的要求，我市必须优化整合扶贫资源，培训高素质人才，实现精准扶贫，确保扶贫到村到户到人;运用全社会的力量全方位提高贫困人群的生活水平和质量，最终消除贫困，实现共同富裕。
(一)利用“大数据”，做好目标任务对接。“大数据”是幅地图册，它告诉我们贫困对象在哪里，有多大规模?“大数据”是个检测仪，它告诉我们致贫原因及贫困对象的诉求是什么?“大数据”是条连通器，它告诉我们驻村干部怎么布局安排，连通着帮扶人与受扶对象;“大数据”是一工作平台，为扶贫开发的转型、创新、实践提供了基础，创造了条件。开发利用“大数据”，要做到与目标任务相对接，与专项规划相连接，服务于整村推进规划、易地扶贫搬迁规划、产业发展规划、金融扶贫规划等专项规划的编制，着手扶贫开发新的部署安排提供了参考。
(二)运用“大数据”，高效服务扶贫工作。要在确保数据安全与贫困对象信息安全的前提下，实行“大数据”向各级扶贫部门授权开放，向各行业部门专网开放，向社会有限度开放，做到数据共享共用，为“三位一体”大扶贫工作服务，使各方面的资源与力量充分运用，使扶贫效果得到提升。
(三)活用“大数据”,做好驻村帮扶工作。“大数据“为驻村帮扶工作找到了因户施策的依据，驻村干部可根据一家一户的建档立卡情况，针对性地确定帮扶项目和帮扶措施，可使帮扶工作具体化。同时，一家一户的建档立卡情况也为制订和完善驻村帮扶的考核验收提供了参考，在实施基本考核制度的前提下，可弄清驻村工作队的具体扶贫效果，可实打实地进行督办、考核、验收。
农业大数据平台方案范文第6篇
欧盟利用大数据实现智慧城市的做法给我们很多启示。
欧盟对智慧城市的评价分为六个方面：智慧经济、智慧治理、智慧生活、智慧人民、智慧环境、智慧移动性。也就是说智慧城市要促进经济的发展，要改进和帮助更多大众的参与，让老百姓享受智慧的生活，人民得到更好的服务，居住环境更加优化。智慧城市的应用很广泛，我们都知道有物流、交通、电网、工业、农业、建筑、环境、医疗等方面。现在我要讲的是，智慧城市本身会催生大数据，我们可以看到一个企业会涉及到很多环境，管理环境，开放环境，知识环境、服务环境，过去这些环境的关联度不够，那么现在通过数据库使得这些环境能够联合起来，使得企业的效率提高40%-60%，根据赛门铁克的一份最新调研报告，今天全世界所有企业的信息存储总量已达2.2ZB，企业平均10PB，大企业更大点，小企业小点。一般企业都会建立数据库，必须进行数据的集资和数据的挖掘，企业的数据在企业内部已经占有很重要的位置。
(1)智慧经济
首先大数据在商业上怎么能很好运用，它会分析用户的购物行为，什么商品搭配在一起会卖得更好，还有很多公司通过分析找到最佳客户，淘宝数据魔方则是淘宝平台上的大数据应用方案。那么商家可以了解淘宝平台上的行业宏观情况、自己品牌的市场状况、消费者行为情况等，并可以据此作出经营决策。
美国有个投资公司分析了全球3.4亿微博账户留言，判断民众情绪，人们高兴的时候会买股票，而焦虑的时候会抛售股票，依此决定公司股票的买入或卖出，该公司今年第一季度获得7%的收益率。
阿里公司根据在淘宝网上中小企业的交易状况筛选出财务健康和诚信的企业，从而无需担保来放贷，目前已放贷300多亿元，坏帐率仅0.3%，大大低于商业银行。
企业通过信息收集很好的掌握企业的运营状况，分析居民与财务有关的记录包括贷款申请、租赁、房地产、购买零售商品、纳税申报、水电费缴付、有线电视缴费、电话缴费、报纸与杂志订阅、机动车档案等，能够得出消费者的个人信用评分，从而推断客户支付意向与支付能力，发现潜在的欺诈。
IBM日本公司建立了一个经济指标预测系统，从互联网新闻中搜索影响制造业的480项经济数据，计算出采购经理人指数PMI预测值。
印第安纳大学学者利用Google提供的心情分析工具，对270万用户在2008年3～12月所张贴的970万条留言，挖掘出用户happiness、kindness、 alertness、sureness、 vitality 和calmness等六种心情，进而对道琼斯工业指数的变化进行预测，准确率达到87%。
利用大数据分析可实现对合理库存量的管理，华尔街对冲基金依据购物网站顾客评论分析企业产品销售状况，华尔街银行根据求职网站岗位数量推断就业率。
(2)智慧治理
美国纽约的警察分析交通拥堵与犯罪发生地点的关系，有效改进治安。美国纽约的交通部门从交通违规和事故的统计数据中发现规律，改进了道路设计。
利用短信、微博、微信和搜索引擎可以收集热点事件与舆情挖掘。
电信运营商拥有大量的手机数据，通过对手机数据的挖掘，不针对个人而是着眼于群体行为，可从中分析：实时动态的流动人口的来源及分布情况;出行和实时交通客流信息及拥塞情况。利用手机用户身份和位置的检测可了解突发性事件的聚集情况。
MIT的Reality Mining项目，通过对10万多人手机的通话、短信和空间位置等信息进行处理，提取人们行为的时空规则性和重复性，进行流行病预警和犯罪预测。
(3)环境监测
对城市的河流进行采样，通过卫星发布，收集产量的数据，这个数据非常大，通过这个数据分析能够判别城市中有没有污染。
(4)智慧医疗
无论是药品的研发还是商业模式的开发运用数据分析都能够得到很好的分析，我们医院里有大量的病例，这里有大量的数据，传统的普通病例很难挖掘数据，现在变成电子化有利于更高数据挖掘，数据的挖掘有利于发现医疗知识，由于医疗资源的分配不均，因此远程医疗十分必要，另外，居家监护很重要，谷歌公司与美国疾病控制和预防中心等机构合作，依据网民搜索内容分析全球范围内流感等病疫传播状况，谷歌的判断与疾控中心的判断是一致的。
社交网络为许多慢性病患者提供了临床症状交流和诊治经验分享平台，医院借此可获得足够多的临床效果统计。个性化的医疗同样很重要，我们发现，同样的治疗对一些病人无效，75%癌症病人，70%的老年痴呆者、50%的关节炎病人、43%的糖尿病患者、40%的哮喘病患者，38%的抑郁症病人。因为人体对药品代谢方式的差异取决于个体特定的基因、酶和蛋白质组合，因此基因信息对选择最优治疗非常关键。对人体个性体质的挖掘会做到真正意义上的对症下药，一个人的基因信息大概1GB。
(5)智能搜索
除此之外，我们还通过网络进行学习，早期的网络学习是通过网站专业人员编制的内容，如今我们希望能够实现更加智能的搜索。随着移动互联网的出现，搜索引擎会变成基于语音的智能搜索;基于位置的搜索;基于个性化搜索。
(6)舆情监测
大众传播发展的很快，这里包含着大量的数据，例如微博传播具有裂变性、主动性、即时性、便捷性、交互性、草根性，跟进性和临场感，每一个微博用户既是"服务器"，也是"受众"。中国的微博比社交网络更热，因为140个字符的微博在英文和中为分别约等于25个和85个英语单词，即中文微博的信息量是Twitter的3～4倍。最近两个月在YouTube上上载的视频超过了ABC、 NBC和 CBS 电视台自1948年以来24/7/365 连续播出的内容，而"云平台+多屏融合"模式已成为智能家居和智能车载等的发展方向。
(7)精准营销
美国信用营销分析专家张川告诉《环球时报》记者，在大数据分析的应用上，美国政府和大公司领先新兴国家至少20年。15年前，美国的信用卡公司就可以进行数据挖掘实现精准营销：在合适的时间，通过合适渠道，把合适的营销信息投送给每个顾客。
(8)犯罪预警
随着智能电话和电脑网络的普及，美国政府和大公司把自己的触角伸到个人生活的每个方面。美国个人的一切在线行为数据都被收集储存，再加上已被有关机构掌握的个人信用数据、犯罪记录和人口统计等数据，有关公司和政府机构可以运用数据挖掘的办法，监控和预测个人的行为，并做出相关决策。
(9)全球安全监测
如美国已具备对全球网络空间的监视控制能力。斯诺登披露的“棱镜”计划，缘于美国政府的“星风”监视计划。2004年，布什政府通过司法程序，将“星风”监视计划分拆成由国家安全局执行的4个监视计划，除“棱镜”外，还包括“主干道”、“码头”和“核子”。其中，“棱镜”用于监视互联网个人信息。“核子”则主要负责截获电话通话者对话内容及关键词。“主干道”和“码头”分别对通信和互联网上数以亿兆计的“元数据”进行存储和分析。“元数据”主要指通话或通信的时间、地点、使用设备、参与者等，不包括电话或邮件等的内容。
(10)市场价格监测
肯尼思·丘基尔是《经济学家》杂志数据编辑、《大数据：一次将改变我们生活、工作和思考方式的革命》一书的合著者之一，他日前在美国《外交政策》杂志掀起一场有关“大数据时代令隐私保护问题更加突出”的讨论。丘基尔举例说，警方如果要侦破一个城市的加油站是否存在合谋操控价格的“卡特尔行为”，以往要靠线人举报。但今天，可以做大数据分析——分析该市油价变化和加油站分布情况。通过分析，可以发现正常的价格变化规律，如果价格变化持续异常，就可以怀疑存在价格垄断的行为。丘基尔认为，大数据的价值在于存储后的再使用。不过，关键的一个问题是，收集、保存一切信息，与隐私保护政策是有冲突的，“保存一切信息是必要的，但是在这么做之前，我们有必要问自己一个问题，即现行的隐私保护政策是不是妨碍了我们正在迈入的大数据世界”。丘基尔提到，社会有必要就此进行大辩论，以便为大数据时代的隐私保护划定新的边界。
结束语
美国IT咨询公司Avanade商业情报部副总裁斯蒂夫·帕尔默告诉《环球时报》记者，大数据是指非常“膨胀”的数据集，用典型的数据分析软件和工具难以对其进行捕捉、储存、管理、分享、分析和可视化。大数据有3个特征：一是数据的数量大;二是产生或被吸收的速度和频率快;三是数据的多样性。为从大数据中“挖出金矿”，一家企业或机构必须能够应对大数据上述3个特征。帕尔默说，大数据给人类带来的真正机遇是把许多信息碎片拼起来，为我们的决策服务。
附：全球顶尖大数据公司一览
企业名称：IBM
网址：http:///
2011年5月，IBM正式推出InfoSphere大数据分析平台。InfoSphere大数据分析平台包括 BigInsights和Streams，二者互补，Biglnsights基于Hadoop，对大规模的静态数据进行分析，它提供多节点的分布式计算，可以随时增加节点，提升数据处理能力。Streams采用内存计算方式分析实时数据。InfoSphere大数据分析平台还集成了数据仓库、数据库、数据集成、业务流程管理等组件。
企业名称：亚马逊
网址：http:///
对于云计算和大数据，亚马逊绝对具有先见之明，早在2009年就推出了亚马逊弹性MapReduce(Amazon Elastic MapReduce)，亚马逊对Hadoop的需求和应用可谓了若指掌，无论是中小型企业还是大型组织。弹性MapReduce是一项能够迅速扩展的Web服务，运行在亚马逊弹性计算云(Amazon EC2)和亚马逊简单存储服务(Amazon S3)上。这可是货真价实的云：面对数据密集型任务，比如互联网索引、数据挖掘、日志文件分析、机器学习、金融分析、科学模拟和生物信息学研究，用户需要多大容量，立即就能配置到多大容量。
除了数据处理外，用户还可以使用Karmasphere Analyst的基于服务的版本，Karmasphere Analyst是一种可视化工作区，用于在亚马逊弹性MapReduce上分析数据。用户还可以提取结果文件，以便在数据库或者微软Excel或Tableau等工具中使用。
企业名称：甲骨文
网址：http:///
甲骨文在近期发布的Oracle大数据机(Oracle Big Data Appliance)为许多企业提供了一种处理海量非结构化数据的方法。在2011年10月初召开的Oracle OpenWorld 2011大会上甲骨文正式推出了Oracle大数据机。对于那些正在寻求以更高效的方法来采集、组织和分析海量非结构化数据的企业而言，该产品具有很大的吸引力。
与甲骨文近期推出的其他一体化产品一样，Oracle大数据机集成了硬件、存储和软件，包括Apache Hadoop软件的开源代码分发、新的甲骨文NoSQL数据库和用于统计分析的R语言开源代码分发。该产品被设计为能够与甲骨文Database 11g、Oracle Exadata数据库云服务器，以及针对商业智能应用的新的Oracle Exalytics商业智能云服务器一起协同工作。
企业名称：谷歌
网址：http:///
谷歌一直是科技行业的领军者，近年来几乎在任何一项互联网科技项目你都能看到谷歌的身影，大数据时代谷歌自然不会错过。何况如果对其拥有的海量数据进行深入挖掘，这对于提升谷歌搜索乃至所有谷歌服务的价值无可估量。
BigQuery是Google推出的一项Web服务，用来在云端处理大数据。该服务让开发者可以使用Google的架构来运行SQL语句对超级大的数据库进行操作。 BigQuery允许用户上传他们的超大量数据并通过其直接进行交互式分析，从而不必投资建立自己的数据中心。Google曾表示BigQuery引擎可 以快速扫描高达70TB未经压缩处理的数据，并且可马上得到分析结果。大数据在云端模型具备很多优势，BigQuery服务无需组织提供或建立数据仓库。而BigQuery在安全性和数据备份服务也相当完善。
去年底该服务只向一小部分开发者开放，现在任何人都可以注册这项服务。免费帐号可以让你每月访问高达100GB的数据，你也可以付费使用额外查询和存储空间。
企业名称：微软
网址：http:///
微软研究部门从2006年起就一直致力于某种非常类似于Hadoop的项目，被称为“Dryad”。今年年初，该计划通过与SQL Server和Windows Azure云的集成实现了Dryad的产品化。虽然现在微软还没有更新，但看上去Dryad似乎将成为在SQL Server平台上影响大数据爱好者的有力竞争者。
微软进入这一市场可谓“姗姗来迟”，而且在一定程度上说，数据仓库分析和内存分析计算市场落下了后腿。2011年初微软发布的SQL Server R2 Parallel Data Warehouse(PDW，并行数据仓库)，PDW使用了大规模并行处理来支持高扩展性，它可以帮助客户扩展部署数百TB级别数据的分析解决方案。微软目前已经开始提供Hadoop Connector for SQL Server Parallel Data Warehouse和Hadoop Connector for SQL Server社区技术预览版本的连接器。 该连接器是双向的，你可以在Hadoop和微软数据库服务器之间向前或者向后迁移数据。
微软在去年推出了基于Azure云平台的测试版Hadoop服务，今年它承诺会推出与Windows兼容的基于Hadoop的大数据解决方案(Big Data Solution)，这是微软SQL Server 2012版本(首发日期还不知道)的一部分，现在也不清楚微软是否会与其他硬件合作伙伴或者相关大数据设备厂商合作。
企业名称：EMC
网址：http:///
EMC于1979年成立于美国麻州Hopkinton市，1989年开始进入企业数据储存市场。 EMC公司是全球信息存储及管理产品、服务和解决方案方面的领先公司。EMC是每一种主要计算平台的信息存储标准，而且，世界上最重要信息中的 2/3 以上都是通过EMC的解决方案管理的。
面对大数据时代，EMC公司推出用于支持大数据分析的下一代平台――EMC Greenplum统一分析平台(UAP)。Greenplum UAP是一个唯一的统一数据分析平台，可扩展至其他工具，其独特之处在于，它将对大数据的认知和分享贯穿整个分析过程，实现比以往更高的商业价值。
企业名称：Teradata
网址：http:///
Teradata公司(Teradata Corporation，纽约证券交易所交易代码TDC)是全球领先的数据仓库，大数据分析和整合营销管理解决方案供应商，专注于数据库软件，数据仓库专用平台及企业分析方案。 不久前宣布推出一款集硬件、软件和服务于一体的全面产品组合——Teradata分析生态系统 (Teradata Analytical Ecosystem)，使不同的 Teradata 系统实现无缝协作，为企业客户提供分析和更深入的洞察力，帮助其预测商业机会和加速实现商业价值。Teradata Unity 将确保整个Teradata Analytical Ecosystem的同步和统一。为了增强在大数据分析领域的优势， Teradata还收购Aster Data公司，以增强其非传统数据分析的能力，突破了SQL分析的限制，协助企业从全部数据中获取更多价值。
企业名称：NetApp
网址：http://
Network Appliance，Inc.(NetApp，美国网域存储技术有限公司)是IT存储业界的佼佼者，自1992年创业以来，不断以创新的理念和领先的技术引领存储行业的发展。Network Appliance, Inc. (NetApp) 是向目前的数据密集型企业提供统一存储解决方案的居世界最前列的公司。
NetApp StorageGRID 是一个久经验证的对象存储软件解决方案，设计用于管理 PB 级、全球分布的存储库，这些存储库包含企业和服务提供商的图像、视频和记录。通过消除数据块和文件中数据容器的典型约束，NetApp StorageGRID 提供了强大的可扩展性。它支持单个全局命名空间内的数十亿个文件或对象和 PB 级容量。
NetApp StorageGRID 实现了智能的数据管理和安全的内容保留。它通过一个具有内置安全性的全局策略引擎来优化数据存放、元数据管理和效率，该引擎管理数据的存储、放置、保护和检索的方式。此外，使用数字指纹和加密等技术防止内容受到篡改。
NetApp StorageGRID 有助于随时随地提供数据，以便于不间断地运营。该解决方案被设计为允许灵活进行部署配置，以满足全球的多站点组织的不同需要。
企业名称：Sybase
网址：
Sybase公司成立于1984年11月，总部设在美国加州的Emeryville(现为美国加州的Dublin市)。作为全球最大的独立软件厂商之一，Sybase公司致力于帮助企业等各种机构进行应用、内容及数据的管理和发布。
Sybase IQ是Sybase公司推出的特别为数据仓库设计的关系型数据库。 相比于传统的“行式存储”的关系型数据库， Sybase IQ 使用了独特的列式存储方式，在进行分析查询时，仅需读取查询所需的列，其垂直分区策略不仅能够支持大量的用户、大规模数据，还可以提交对商业信息的高速访问，其速度可达到传统的关系型数据库的百倍甚至千倍。“随着 Sybase IQ 不断地在分析应用 POC 测试中拔得头筹，有时甚至超过其他对手 100 倍之多”， Gartner 评价道，“ Sybase IQ 逐渐成为从数据集市到企业数据仓库架构最令人渴望的 DBMS (数据库管理系统)。”
自 2009 年推出以来， Sybase 陆续发布了 Sybase IQ 15.1 、 15.2 、 15.3 以至最新的 Sybase IQ 15.4 版本，每个版本都着力于增加新的核心能力以促进更深入的高级分析。Sybase IQ 15.4是面向大数据的高级分析平台，将大数据转变成可指挥每个人都行动的情报信息，从而在整个企业的用户和业务流程范围内轻松具备大数据的分析能力。
因此，有人说Sybase IQ15.4正在彻底改变“大数据分析”。
企业名称：惠普
网址：
大数据时代来临，老牌巨头惠普也不甘落后。不久前惠普企业服务事业部宣布推出全新服务，帮助客户更快部署惠普子公司Vertica的Vertica Analytics Platform ，从而迅速洞悉关键的业务信息，辅助决策过程。
Vertica Analytics Platform 让用户能够大规模实时分析物理、虚拟和云环境中的结构化、半结构化和非结构化数据，从而深入洞悉“大数据”。
Advanced Information Services for Vertica 帮助客户最大化实现 Vertica 分析平台性能，并构建企业分析专用环境。惠普提供从评估到实施的一系列服务，与客户共同定义多种交付方式组合，并找出匹配其现有基础设施的最佳解决方案。
Advanced Information Services for Vertica已在全球上市，将为实现“瞬捷”企业构建灵活的智能环境。
企业名称：沃尔玛
网址：http:///
在这里看到沃尔玛的身影，可能很多人会有疑问，全球最大的传统零售业巨头沃尔玛怎么就跟大数据扯上关系了?看了下面的介绍你就会明白了。
沃尔玛是最早通过利用大数据而受益的企业之一，曾经拥有世界上最大的数据仓库系统。通过对消费者的购物行为等非结构化数据进行分析，沃尔玛成为最了解顾客购物习惯的零售商，并创造了“啤酒与尿布”的经典商业案例。早在2007年，沃尔玛就已建立了一个超大的数据中心，其存储能力高达4Pb以上。《经济学人》在2010年的一篇报道中指出，沃尔玛的数据量已经是美国国会图书馆的167倍。
沃尔玛实验室计划将沃尔玛的10个不同的网站整合成一个，同时将一个10个节点的Hadoop集群扩展到250个节点的Hadoop集群。目前实验室正在设计几个能将当前像Oracle、Neteeza这样的开放资源的数据库进行迁移、整合的工具。
沃尔玛曾进行了一些列的收购，包括Kosmix(沃尔玛实验室前身)、Small Society、Set Direction、OneRiot、Social Calenda、Grabble等多家中小型创业公司，这些创业公司要么精于数据挖掘和各种算法，要么在移动社交领域有其专长，从此我们就可以看出沃尔玛进军移动互联网和挖掘大数据的决心。相信在沃尔玛的带领下，传统行业也会慢慢意识到大数据的重要性，加速步入大数据时代。
企业名称：Clustrix
网址：
Clustrix创立于2005年，是Y Combinator 2006年冬季班的成员。Clustrix可以为SQL数据库提供专利数据应用方法，帮助人们处理大量的数据，使SQL数据库无限扩容成为可能。最近Clustrix从Sequoia Capital、USVP和 ATA Ventures三家风险投资公司处再次获得价值675万美元的风险投资，至今已获融资1200万美元。Clustrix总部设在美国旧金山，研发中心设在西雅图。为打开欧洲市场，公司计划将总部迁至荷兰的阿姆斯特丹，并将于年底前在印度设立办公室。
企业名称：Cloudera
网址：http:///
Cloudera是一家专业从事基于Apache Hadoop的数据管理软件销售和服务的公司，总部位于加州帕洛阿尔托，2009年3月发布了第一款商业产品，当时获得由AccelPartners领投的500万美元投资。该公司于2010年6月正式推出Cloudera企业产品。 2011年11月募集到4000万美元风险投资资金，此轮融资由风险投资机构Ignition Partners的合伙人弗兰克·阿泰勒(Frank Artale)领投。Cloudera之前的投资者顶尖风投机构Accel Partners、Greylock Partners、Meritech Capital Partners 和In-Q-Tel也参与本轮投资。