農(nóng)產(chǎn)品銷售大數(shù)據(jù)應(yīng)用研究

李雄 長治學(xué)院

農(nóng)產(chǎn)品銷售大數(shù)據(jù)應(yīng)用研究

李雄 長治學(xué)院

隨著大數(shù)據(jù)技術(shù)的不斷成熟，大數(shù)據(jù)技術(shù)和產(chǎn)品已經(jīng)應(yīng)用到非常多的領(lǐng)域，其效果非常明顯，但大數(shù)據(jù)在農(nóng)業(yè)生產(chǎn)與銷售方面應(yīng)用還處于幾步階段，為此，開展農(nóng)業(yè)大數(shù)據(jù)應(yīng)用，為農(nóng)業(yè)供給側(cè)改革提供有力支撐，為農(nóng)業(yè)發(fā)展提質(zhì)增效提供有力保障。

農(nóng)業(yè) 大數(shù)據(jù) 數(shù)據(jù)挖掘

1 大數(shù)據(jù)內(nèi)涵

所謂大數(shù)據(jù)是指，以現(xiàn)有的信息數(shù)據(jù)為基礎(chǔ)，將這些雜亂的、無規(guī)律的、異構(gòu)的信息數(shù)據(jù)進行采集、清晰、挖掘、存儲、輸出等環(huán)節(jié)，形成滿足應(yīng)用需求的價值報表，為企業(yè)經(jīng)營、社會管理等諸多領(lǐng)域提供有力的決策分析數(shù)據(jù)資料。大數(shù)據(jù)應(yīng)該從三個層面進行理解，（一）理論層面，首先要理解大數(shù)據(jù)的理論知識，理論是認(rèn)知的必由路徑，也是被廣泛認(rèn)同和傳播的基線。大數(shù)據(jù)理論包含大數(shù)據(jù)整體表述與定義、大數(shù)據(jù)建模的思想等內(nèi)容。（二）技術(shù)層面，技術(shù)層面需要了解大數(shù)據(jù)采用的相關(guān)技術(shù)知識，大數(shù)據(jù)構(gòu)建過程中的工具如數(shù)據(jù)挖掘工具KETTLE、DataStage以及數(shù)據(jù)存儲管理系統(tǒng)SQL SERVER、ORACLE等關(guān)系數(shù)據(jù)庫管理工具等。除此之外還有數(shù)據(jù)報表展示工具等。（三）實踐層面，實踐是檢驗真理的唯一標(biāo)準(zhǔn)，需要將理論與技術(shù)在應(yīng)用中進行實踐，體會和總結(jié)大數(shù)據(jù)的價值所在，并將實踐經(jīng)驗進行總結(jié)，不斷的改進，提高數(shù)據(jù)挖掘的質(zhì)量和效益。

2 我國大數(shù)據(jù)應(yīng)用現(xiàn)狀

大數(shù)據(jù)農(nóng)業(yè)應(yīng)用相比其他行業(yè)還處于起步階段，就目前的應(yīng)用情況來看主要體現(xiàn)在如下幾個方面。

2.1 在農(nóng)業(yè)育種上的應(yīng)用

農(nóng)業(yè)育種是一項耗時、耗費的工作，往往一項新品種的培育需要經(jīng)過幾年甚至十幾年時間，不僅僅耗費大量的時間，而且經(jīng)濟投入也非常大，為此，可以用大數(shù)據(jù)技術(shù)對基因組測序數(shù)據(jù)處理，快速的識別出大量的基因類型，加快目標(biāo)基因判斷的查找速度。大大的縮短了優(yōu)良形狀的檢出和識別時間。提高了期育種的速度。

2.2 在農(nóng)業(yè)栽培方面的應(yīng)用

利用大數(shù)據(jù)對農(nóng)作物的生成環(huán)境進行預(yù)測和反饋，利用大數(shù)據(jù)模型和算法，將采集到的環(huán)境因素如土壤、空氣、水分等環(huán)境采集到大數(shù)據(jù)分析系統(tǒng)中，利用分析算法評估和反饋農(nóng)作物的生長情況，動態(tài)生成環(huán)境進行動態(tài)調(diào)整，優(yōu)化農(nóng)作物的生成環(huán)境，提高全面地調(diào)動土壤生產(chǎn)力，高效地調(diào)控各類農(nóng)業(yè)資源，大幅地提高經(jīng)濟效益和生態(tài)效益。

2.3 在病蟲害防治方面的應(yīng)用

在農(nóng)業(yè)場所開展病蟲害采集和監(jiān)測，對氣候、菌源基數(shù)和害蟲越冬基數(shù)、種植業(yè)結(jié)構(gòu)進行數(shù)據(jù)加工和處理，預(yù)測生長周期內(nèi)發(fā)生病蟲害危險的概率，為農(nóng)業(yè)監(jiān)測部門提供有力的預(yù)測指標(biāo)，提前預(yù)防和應(yīng)對，最大程度降低農(nóng)業(yè)自然災(zāi)害損失。

3 農(nóng)產(chǎn)品大數(shù)據(jù)精準(zhǔn)營銷應(yīng)用

開展農(nóng)產(chǎn)品精準(zhǔn)營銷必須建立大數(shù)據(jù)分析平臺，對農(nóng)產(chǎn)品的銷售情況進行分析，形成滿足市場的銷售模型，分析客戶購買行為，提高農(nóng)產(chǎn)品銷售的針對性和有效性，提高農(nóng)產(chǎn)品的銷售質(zhì)量和效益。大數(shù)據(jù)精準(zhǔn)營銷平臺如圖1所示。

圖1 大數(shù)據(jù)精準(zhǔn)營銷處理流程圖

（1）數(shù)據(jù)源選取：從多種數(shù)據(jù)源選取數(shù)據(jù)，主要的數(shù)據(jù)源有網(wǎng)絡(luò)實時數(shù)據(jù)源、數(shù)據(jù)庫存儲數(shù)據(jù)源、移動設(shè)備數(shù)據(jù)源，通過網(wǎng)絡(luò)電商、微信、論壇、農(nóng)產(chǎn)品供銷系統(tǒng)、配送系統(tǒng)等多種渠道選取合適的數(shù)據(jù)源，作為數(shù)據(jù)挖掘的信息源。

（2）數(shù)據(jù)采集：當(dāng)選取完數(shù)據(jù)源后，需要對數(shù)據(jù)進行采集，利用采集工具開展數(shù)據(jù)采集，由于采集的數(shù)據(jù)源有網(wǎng)頁、微信數(shù)據(jù)、關(guān)系數(shù)據(jù)庫數(shù)據(jù)等，不同的數(shù)據(jù)源其格式各不相同，需要采用不同的工具開展數(shù)據(jù)采集，采用阿里巴巴的數(shù)據(jù)魔方、百度、華為等公司的大數(shù)據(jù)平臺以及其他的社交網(wǎng)絡(luò)API聚合開展數(shù)據(jù)采集工作。將用戶的購買訂單、農(nóng)產(chǎn)品信息、區(qū)域信息、物流信息等原始數(shù)據(jù)采集到平臺中。

（3）數(shù)據(jù)挖掘：對存儲在大數(shù)據(jù)平臺的原始數(shù)據(jù)進行挖掘，借助數(shù)據(jù)挖掘算法開展挖掘，利用KETTLE數(shù)據(jù)挖掘工具開展數(shù)據(jù)的清晰、轉(zhuǎn)化。去除臟數(shù)據(jù)、去除重復(fù)數(shù)據(jù)、為空數(shù)據(jù)修正等一系列操作，確保數(shù)據(jù)的正確性、完整性、可靠性。

（4）大數(shù)據(jù)模型構(gòu)建：在對農(nóng)產(chǎn)品信息數(shù)據(jù)進行挖掘后，構(gòu)建數(shù)據(jù)分析模型，例如客戶購買模型、農(nóng)產(chǎn)品特征模型、農(nóng)產(chǎn)品地域模型等。以顧客特征（年齡、性別、類型、職業(yè)）、農(nóng)產(chǎn)品特征（地域、環(huán)境、生態(tài)、口味）等構(gòu)建農(nóng)產(chǎn)品精準(zhǔn)營銷模型。依托農(nóng)產(chǎn)品大數(shù)據(jù)銷售特征平臺，對農(nóng)產(chǎn)品的培育、加工、銷售等進行指導(dǎo)和預(yù)測，結(jié)合銷售場景，指定精準(zhǔn)營銷方案，提高農(nóng)產(chǎn)品種植、加工、銷售質(zhì)量和效益。

4 結(jié)束語

本文探討了大數(shù)據(jù)在我國農(nóng)業(yè)發(fā)展中的應(yīng)用情況，開展大數(shù)據(jù)在農(nóng)業(yè)銷售方面的研究，建立精準(zhǔn)營銷大數(shù)據(jù)平臺，有力指導(dǎo)農(nóng)產(chǎn)品產(chǎn)、供、銷多個環(huán)節(jié)開展工作，為我國農(nóng)業(yè)供給側(cè)改革提供有力保障。

[1]葉斌,黃文富,余真翰.大數(shù)據(jù)在物流企業(yè)中的應(yīng)用研究[J].物流技術(shù),2014,15:22-24

[2]田雪,司維鵬,劉瑩瑩.大數(shù)據(jù)在物流企業(yè)中的應(yīng)用[J].電子商務(wù),2015,01:36-37

[3]高曉婷.數(shù)據(jù)挖掘在物流管理中的應(yīng)用研究[D].蘇州大學(xué),2012