Empowering Agritech via Big Data Analytics on Supercomputers 通過超級電腦上的大數據分析為 Agritech 賦能
重點
‧ 預計大數據，將對智慧農業產生重大影響，並涉及整個供應鏈。
‧ 智慧感測器和設備，產生大量數據，這些數據提供了前所未有的決策能力。
‧ 預計大數據將導致傳統和非傳統參與者，之間的角色和權力關係，發生重大變化。
‧ 治理（包括數據所有權、隱私、安全性）和業務模式，是未來研究中，要解決的關鍵問題。
本篇摘要
智慧農業是一項，強調在網路實體農場管理週期中，使用資訊和通信技術的發展。物聯網和雲端計算等新技術，有望利用這一發展，並在農業中引入更多的機器人和人工智慧。大數據現象包含了這一點，大數據是可以捕獲、分析，和用於決策的海量數據。
這篇綜述的目的，在深入瞭解智慧農業中，最新的大數據應用，並確定需要解決的，相關社會經濟的挑戰。遵循結構化方法，開發了分析的概念框架，該框架也可用於該主題的未來研究。
調查顯示，智慧農業中的大數據應用範圍，超出了初級生產；它正在影響整個食品供應鏈。
大數據正在用於提供，有關農業營運的預測性見解，制訂即時營運決策，並為改變遊戲規則的業務模式，重新設計業務流程。
因此，一些作者認為，大數據將導致當前食品供應鏈網路中，不同參與者之間的角色，和權力關係發生重大變化。利益相關者的格局展現了強大的科技公司、風險資本家，以及小型新創企業，和新進入者之間的有趣遊戲。
同時，有一些公共機構，在必須保證個人隱私的情況下，發佈公開數據。
智慧農業的未來，可能會在兩個極端情況的連續性中瓦解：
1）封閉的專有系統，其中農民是高度整合的食品供應鏈的一部分；
2）開放的協作系統，其中農民和其他利益相關者，參與其中鏈網路，在選擇業務合作夥伴，以及技術，以及食品生產方面，都非常靈活。數據和應用基礎結構（平台和標準）的進一步發展，及其機構嵌入，將在這些方案之間的戰鬥中，發揮非常重要的作用。
從社會經濟的角度來看，作者建議將研究重點，放在與治理問題有關的組織問題，以及在不同供應鏈場景中，進行數據共享的合適業務模型上。
關鍵字詞
農業數據資訊，和通信技術，數據，基礎設施治理，業務建模
1. 智慧農業簡介
隨著智慧機器和感測器，在農場上不斷湧現，並且農場數據的數量和範圍不斷擴大，耕種過程，將變得越來越由數據驅動，和啟用數據。物聯網和雲端計算的快速發展，推動了所謂的智慧農業現象。
雖然 Precision Agriculture 只考慮了現場可變性，但 Smart Farming 不僅透過基於位置的管理任務，還基於基於即時事件觸發的情境，和態勢感知增強的數據，來管理數據。
需要即時輔助重新配置功能，來執行敏捷動作，尤其是在突然改變操作條件，或其他情況（例如天氣或疾病警報）的情形下。這些功能通常包括在實施、維護和使用該技術方面的智慧協助。
圖1 總結了作為網路實體系統的整個管理週期中，智慧農場的概念，這意味著連接到 Internet 的智慧設備，正在控制農場系統。智慧設備透過添加各種感測器，內置智慧，能夠執行自主動作，或遠端執行此操作的，前後相關聯的感知功能，擴展了常規工具（例如雨量計、拖拉機、筆電）。
在此圖片中，已經暗示了機器人，可以在控制中發揮重要作用，但是可以預料，人們在分析和計劃中的作用，將越來越多地由機器來輔助，從而使網路實體週期，幾乎變得自治。
人類將始終參與整個過程，但越來越多地，以更高的情報水準參與其中，而大多數操作活動留給了機器。
圖1. 基於雲端的事件和數據管理，增強了智慧農業的網路實體管理週期。
大數據技術在此發展中，起著相當重要的互惠作用：機器配備了各種感測器，可測量環境中用於機器行為的數據。
從相對簡單的回饋機制（例如調節溫度的恆溫器）到深度學習算法（例如實施正確的農作物保護策略）都有所不同。透過與其他外部大數據源（例如天氣或市場數據，或其他農場的基準）相結合，來利用這一點。
由於該領域的快速發展，很難給出統一的大數據定義，但通常它是一個龐大或複雜的數據集的術語，以至於傳統數據處理應用不足。大數據需要一套，具有新的整合形式的技術，以揭示來自多樣化，複雜且大規模的數據集的見解。大數據代表著，具有如此高的數量，速度和多樣性的資訊資產，需要將其轉化為價值的特定技術和分析方法。
Data FAIRport 倡議，透過提供 FAIR 原則，來強調大數據的更多操作維度，這意味著數據應該是可查找、可訪問、可互操作，和可重用的。這也暗示了元數據的重要性，即「關於數據的數據」（例如時間、位置、使用的標準等）。
大數據和智慧農業，都是相對較新的概念。因此，人們期望它們的應用知識，及其對研究和開發的意義，不會廣泛傳播。
一些作者，將大數據和相關技術的出現，稱為可能無法實現的另一種技術炒作，另一些作者則認為大數據應用，可能已經超過了 Gartner 的「炒作週期」中的「過高預期峰值」。
這篇綜述的目的，在深入瞭解，與智慧農業相關的最新大數據應用，並確定未來將要解決的最重要的研發挑戰。
在回顧文獻時，要同時注意技術和社會經濟方面。但是，該領域的技術日新月異，而最新技術可能會在本文發表後不久過時。因此，分析主要集中在大數據對農場管理，及其周圍整個網路的社會經濟影響上，因為預計這將產生更持久的影響。
從這個角度來看，本次審查中要解決的研究問題是：
1. 大數據在智慧農業中，扮演什麼角色？
2. 哪些利益相關者參與其中，如何組織這些利益相關者？
3. 大數據開發將導致哪些預期的變化？
4. 與先前的問題有關，需要解決哪些挑戰？
後一個問題，可以視為未來的研究議程。
為了回答這些問題，並建構審查流程，已經開發了一個概念分析框架，該框架有望用於將來，對大數據和智慧農業發展的分析。
在本文的其餘部分中，將介紹審查文獻的方法（第 2 節）和框架（第 3 節）。然後，分析的主要結果，將在第 4 節中介紹。第 5 節總結了此次探討，並為進一步研究和採取行動，提供了建議。
2. 方法論
為瞭解決導言中，概述的研究問題，我們在 2010 年 1 月，至 2015 年 3 月期間，對文獻進行了調查。選擇回顧期是一個實際的選擇，並考慮到大數據是一個相當新的現象。
預計在 2010 年之前，不會有任何參考。除出版期間外，我們還使用兩種標準納入，進行文獻檢索：
1）全文發表； 2）與研究問題的相關性。使用了兩個排除標準：
1）以英語或中文以外的其他語言，發表的文章；
2）僅專注於技術設計的文章。
文獻調查，遵循系統的方法。這是透過三個步驟完成的。
第一步，我們使用兩組關鍵字的所有組合，搜索了兩個主要的書目數據庫，即 Web of Science 和 Scopus，其中第一組針對大數據（即大數據、數據驅動的創新、數據驅動的價值創造、網路）物聯網），第二組涉及農業（即農業、食品、農業食品、精準農業）。選擇這兩個數據庫，是因為它們廣泛地涵蓋了相關文獻，和先進的文獻計量功能，例如暗示了相關文獻或引文。
從這兩個數據庫中，檢索了 613 個同行評審的文章。透過辨識解決研究問題的文章，對這些文章進行了相關性掃描。在篩選文獻時，我們首先使用搜索功能，找到包含關鍵詞的段落，然後閱讀文本，以查看它們是否與研究問題相關。
篩選工作由四名研究人員完成，他們每個人都對大約 150 篇文章進行了評判，並透過參考管理軟體 EndNote X7，與其他人分享了他們的發現。
結果，有 20 個最相關，而 94 個最相關。其餘文章被認為是無關緊要的，因為它們僅與大數據或農業相切，因此被排除在進一步的閱讀和分析之外。
我們發現相關同行，評審文獻的數量不是很高，這可以解釋，因為大數據和智慧農業，是相對較新的概念。尤其是應用正在迅速發展，並且預計在同行評審的文章中，通常不會落在後面，而不會考慮這些應用。
因此，我們決定將灰色文獻，也納入我們的評論。為此，我們使用了 Google 學術搜索，和搜索引擎 LexisNexis，來製作英文報告、雜誌、布落格，和其他網路項目。
這產生了 3 份報告，225 條雜誌文章，319 個布落格和 19 個 Twitter 文章。319 個布落格中的每個發文，均根據其標題，和包含搜索詞的句子，進行了相關性評估。還刪除了可能的重複項。結果是一個簡短列表，其中包含 29 個經過進一步閱讀評估的布落格。
結果，已經考慮了 9 個布落格文，為我們的框架提供了相關資訊。 225 篇雜誌文章中的每篇文章，都根據其標題和包含搜索詞的句子，進行了相似性評估。
刪除重複項後，結果是 25 篇文章的簡短列表。然後，我們通讀了這 25 篇文章，以進行進一步評估。因此，有 9 篇文章被認為包含相關資訊，以供進一步分析。
在第二步中，我們詳細閱讀了選定的文獻，以提取與我們的研究問題相關的資訊。如果「最相關」的文獻，引用了在第一步中，未找到的其他文獻，那麼也會在此步驟中，將它們檢索出來。
這種「雪球」方法，產生了 11 篇其他文章和網路項目，還從中提取了相關資訊。第三步，按照第 3 節中所述的概念框架，對提取的資訊，進行分析和合成。
3. 概念框架
在本次審查中，開發了一個概念框架，以從社會經濟的角度為智慧農業中的大數據應用分析，提供問題和概念的系統分類。
這種應用的主要複雜性，在於它們需要在數據價值鏈中，扮演不同角色，許多不同利益相關者，之間進行協作。
因此，該框架借鑒了有關連鎖網路管理，和數據驅動策略的文獻。鏈網路被認為是由參與者組成的，這些參與者在垂直和水平方向上，共同為客戶增加價值。
連鎖網路的重要基礎，是「價值鏈」概念，它是一個相關聯的過程系統，每個過程都為服務產品增加價值。在大數據應用中，價值鏈是指從數據捕獲，到決策制訂，和數據行銷的一系列活動。
Lambert 和 Cooper 經常引用的有關網路管理的概念框架，包括三個緊密相關的元素：網路結構，業務流程和管理組件。網路結構由成員公司，和這些公司之間的鏈接組成。業務流程是為客戶產生特定價值輸出的活動。
管理組件是管理變量，透過這些管理變量，可以跨網路整合和管理業務流程。網路管理組件，進一步分為技術和組織組件。
出於我們的目的，該框架針對智慧農場中的大數據應用的網路量身訂制，如圖2 所示。
圖2. 文獻分析的概念框架
在此框架中，業務流程（下層）專注於大數據，在農業流程管理中的生成和使用。因此，我們將這部分細分為數據鏈、伺服器場域管理，和伺服器場域過程。數據鏈透過各種決策過程，與伺服器場域流程，和伺服器場域管理流程進行交互，其中資訊起著重要的作用。利益相關者網路（中間層）包括，這些流程中涉及的所有利益相關者，不僅是大數據的使用者，還包括專門從事數據管理，以及監管和政策參與者的公司。
最後，網路管理層代表網路中的組織和技術結構，這些組織和技術結構，有助於協調和管理利益相關者，網路層中的參與者所執行的過程。網路管理（上層）的技術組件，側重於支持數據鏈的資訊基礎架構。
組織組件，側重於數據鏈的治理和業務模式。最後，可以確定幾個因素，作為智慧農業中，大數據發展的關鍵驅動力，因此，從這一發展中可以帶來挑戰。
接下來的小節，將對框架的業務流程層，和網路管理層的每個子組件進行更詳細的描述。
3.1. 農場過程
業務流程是一組為實現定義的業務成果，而執行的與邏輯相關的任務。業務流程可以細分為主要業務流程，和支持業務流程。主要業務流程是涉及產品創建，產品行銷和交付給買方的流程。
支持業務流程有助於開發，佈署和維護主要流程所需的資源。農業生產的業務流程，在不同類型的生產之間，存在顯著差異，例如畜牧業、耕種業和溫室栽培。
一個共同的特徵，是農業生產取決於自然條件，例如氣候（日長和溫度）、土壤、病蟲害、疾病和天氣。
3.2. 農場管理
即使發生干擾、管理或控制流程，也可確保實現業務流程目標。控制的基本思想，是引入一種控制器，該控制器可測量系統行為，並糾正測量結果，是否不符合系統目標的情況。
基本上，這意味著它們必須具有一個回饋迴路，其中存在規範、感測器、鑑別器、決策者和效應器。因此，基本的管理功能是（另請參見圖1）：
．感測和監控：衡量農場過程的實際績效。這可以由人類觀察者手動完成，也可以透過使用，諸如感測器或衛星之類的感測技術自動完成。此外，可以獲取外部數據，以補充直接的觀察結果。
．分析和決策：將測量結果與指定所需性能的規範進行比較（涉及數量、品質和交貨時間方面的系統目標），發出偏差信號，並決定採取適當的干預措施，以消除發出信號的干擾。
．干預：計劃和實施選定的干預措施，以糾正農場過程的績效。
3.3. 數據鏈
數據鏈是指，從數據捕獲到決策制訂，和數據行銷的一系列活動。它包括為伺服器場管理管理數據所需的所有活動。圖3 說明瞭此鏈中的主要步驟。
圖3.基於 Chen 等人的大數據應用的數據鏈。
作為業務流程不可或缺的一部分，數據鏈必須包含一個技術層和一個業務層，該技術層捕獲原始數據，並將其轉換為資訊，而該業務層可以決策，並從提供的數據服務和商業智慧中獲取價值。這兩層可以在每個階段交織在一起，它們共同構成了後來被稱為「數據價值鏈」的基礎（表1）。
表1.技術和業務層上數據鏈的關鍵階段。
3.4. 網路管理組織
網路管理組織處理涉眾的行為，以及如何影響它，以實現業務流程目標。對於大數據應用的接受和進一步開發，兩個相互依賴的方面被認為是相關的：治理和業務模式。治理涉及規範利益相關者網路內，合作的正式和非正式安排。
大數據管理的重要安排，包括關於數據可用性、數據品量、數據訪問、安全性、責任、責任、數據所有權，隱私和成本分配的協議。可以區分網路治理的三種基本形式：管理自由裁量權、標準化和相互調整。這些形式與 Provan 和 Kenis（2008）提出的三種網路治理形式相對應：牽頭組織管理的網路，網路管理組織和共享參與者管理的網路。
選擇一種特定的網路治理結構的目的在於，以使交易成本最小化的方式，減輕在不同締約方之間發現的所有形式的合同風險。在研究諸如供應鏈網路之類的組織混合形式時，應確定兩個主要方面：決策權的分配，即誰有權在供應鏈網路內做出策略決策，以及目的在獎勵員工的組織間機制。期望的行為和預防不期望的行為（風險和獎勵機制）。
儘管就業務模式對組織成功的重要性達成了共識，但該概念仍然模糊且模糊，並且在組織構成方面幾乎沒有共識。Osterwalder 將業務模式定義為「…一種概念工具，其中包含一組元素及其之間的關係，並可以表達公司的賺錢邏輯」。
它描述了企業為一個或幾個客戶群提供的價值，以及公司的體系結構，以及其合作夥伴網路的創建，行銷和交付此價值和關係資本，以產生可盈利和可持續的收入流。 」
該定義反映了所謂的以企業為中心的業務模式視圖。關於商業模式的另一種觀點，是以價值網路理論為基礎的，以網路為中心的商業模式。價值網路理論同時考慮了商業交易，和交易的財務，和非財務價值。兩種視圖都與大數據應用的網路管理有關。
3.5. 網路管理技術
網路管理技術，包括為充分使用和必要而使用的所有電腦、網路、外圍設備、系統軟體、應用包（應用軟體）、過程、技術、資訊和通信標準（參考資訊模式以及編碼和消息標準）等。組織過程中，組織間控制中的數據管理。這裡要提到的組件包括：
‧ 儲存在共享數據庫中的數據資源，以及對其內容的共享理解（數據庫的共享數據模式）。
‧ 允許我們使用和維護，這些數據庫的資訊系統和服務。資訊系統用於使用活動、設施、方法和程序，來處理執行有用活動所需的資訊。
‧ 與共享數據庫連接的整套正式的編碼和消息標準（在技術上和內容上）以及相關的使用程序，這對於允許食品供應鏈網路中，業務的合作夥伴之間，實現無縫且無差錯的自動化通信，是必不可少的。
‧ 必要的技術基礎架構。如果我們沒有連接的電腦群（不能使用網路、數據庫、通信和應用伺服器，以及所有相關的外圍設備，則不能使用上述連接的電腦群（個人員工的工作站或受網路和數據庫、通信和應用伺服器，以及所有相關外圍設備影響的人員）） 。
4.結果
4.1. 智慧農業中大數據的驅動力
將大數據技術和方法應用於農業的趨，已經成為一種重要的趨勢，認為這是應用技術棧，進行投資以及在農業食品領域實現附加價值的主要機會。
農業中的大數據應用，並非嚴格地與初級生產有關，而是在提高整個供應鏈的效率和減輕糧食安全方面起著重要作用。
目前，文獻中討論的大數據應用，主要發生在歐洲和北美。然而，考慮到文獻中越來越多的關注和濃厚的興趣，預計在中國等其他國家，申請的數量會迅速成長。
大數據是深度、高級、改變遊戲規則的業務分析的重點，其規模和速度，使得不再將舊的，將其全部複製和清理，到數據倉庫中的方法，視為合適的方法。
大數據在農業中的應用機會，包括基準測試、感測器佈署和分析、預測建模，以及使用更好的模式，來管理農作物歉收風險，並提高牲畜生產的飼料效率。
總之，大數據將為農業的未來成果，提供預測見解（預測產量模式，預測飼料攝入模式等），制訂即時營運決策，並重塑業務流程，以實現更快、創新的行動，和改變遊戲規則的業務模式。
未來的決策，將是人為因素和電腦因素的複雜結合。大數據有望導致農業範圍和組織的變化。儘管人們懷疑，農民的知識是否會被算法取代，但大數據應用，可能會改變農場的經營和管理方式。變更的關鍵領域是即時預測，實體項目追踪和重塑業務流程。像 1950 年代，隨著拖拉機的廣泛採用，和殺蟲劑的引入，大數據的廣泛採用，可能以未經探索的方式，改變農業結構和更廣泛的食物鏈。
與許多技術創新一樣，智慧農業中，大數據應用所發生的變化，是由推挽機制驅動的。拉動，因為需要新技術，來實現某些目標。推動，因為新技術使人們或組織，可以實現更高或新的目標。這將在接下來的小節中詳細說明。
4.1.1. 拉動因素
從商業角度看，農民正在尋找途徑來提高利潤率和效率，一方面尋找降低成本的方法，另一方面尋找產品的更好價格。因此，他們需要做出更好，更優化的決策並改善管理控制。
過去，諮詢服務是基於常識，而常識是從研究實驗中獲得的，但是，對於在農場中根據當地特定情況，生成的資訊和知識的需求，也在不斷成長。
預計大數據技術，將以更好的方式幫助實現這些目標。農業的一種特殊情況，是天氣的影響，尤其是其波動性。
當地特定的天氣和氣候數據，可以極大地幫助決策。由於農業食品生產中的各種法規，一般的驅動因素可能是文書工作的減輕。
從公眾的角度來看，人們經常提到全球糧食安全，是進一步技術進步的主要推動力。此外，消費者越來越關注與健康和福祉，相關食品的安全和營養方面。
關於這一點，Tong 等，提到了對預警系統的需求，而不是目前對歷史數據進行的事後分析。
總之，此框架現在提供了一組連貫的元素，來描述和分析智慧農業中大數據的發展。結果將在下一部分中提供。
4.1.2. 推動因素
物聯網（IoT）是一個普遍的未來發展，其中各種設備 – 智慧對象 – 透過本地和全球（通常是無線網路）基礎結構連接，並相互交互。精準農業可以被視為這一發展的指標，並且經常被認為是大數據的重要推動力。
預計這將導致農場管理，發生根本性的變化，因為獲得了以前在技術上或經濟上，都不可能實現的明確資訊和決策能力。結果，許多農業科技公司的興起進一步推動了這種以數據為驅動力的發展。
無線數據傳輸技術，還允許農民從任何地方，訪問他們的個人數據，無論是在農場，還是與芝加哥的買家見面，使他們能夠做出有關作物產量、收割，以及如何最好地將其產品，推向市場的明智決定。
表2 概述並總結了，推動大數據和智慧農業發展的推動因素。
表2.推動大數據和智能農業發展的推動因素和推動因素摘要。
4.2. 業務流程
4.2.1. 農場過程
眾所周知，農業大數據具有高度異質性。數據的異質性，例如涉及收集的數據的主題（即，有關數據的內容），以及生成數據的方式。從田間或農場收集的數據，包括有關種植、噴灑、材料、產量、季節圖像、土壤類型、天氣和其他實踐的資訊。數據生成通常分為三類：( i）過程介導的（PM），（ii）機器生成的（MG）和（iii）人源的（HS）。
PM 數據（或傳統的業務數據）是由農業過程產生的，該過程記錄並監控相關的業務事件，例如購買投入物、飼料、播種、施肥、下訂單等。PM 數據通常是高度結構化的，包括交易，參考表和關係，以及定義其前後關聯的元數據。在業務和業務資訊系統中，傳統業務數據是 IT 部門所管理和處理的絕大多數，通常在關係數據庫系統中，進行結構化和儲存。
MG 數據來自用於測量和記錄，耕種過程的大量感測器和智慧機器；目前，所謂的物聯網（IoT）推動了這一發展。MG 數據範圍，從簡單的感測器記錄，到複雜的電腦日誌，並且通常結構良好。隨著感測器的激增和數據量的成長，它已成為儲存和處理的農業資訊中，越來越重要的組成部分。它結構良好的性質適合於電腦處理，但其大小和速度卻超出了傳統方法。對於智慧農業，人們已經充分認識到無人機的潛力。
配備紅外線攝影機和 GPS 技術的無人機，透過支持更好的決策和風險管理，而正在改變農業。在畜牧業中，聰明的奶牛場正在用機器人，代替勞動力來餵養奶牛，清潔穀倉和擠奶。在耕地上，越來越多的人使用精密技術，來管理田間每棵植物的資訊。使用這些新技術，數據不僅會出現在傳統表格中，還會以其他格式出現，例如聲音或圖像。
同時，已經開發了一些先進的數據分析技術，這些技術可以觸發使用圖像，或其他格式的數據。數據是人類經驗的記錄，以前是記錄在書籍和藝術品中，後來是照片、聲音和影像。
現在，從個人獲取的資訊，幾乎已完全數位化，並儲存在從個人電腦到社交網路的任何地方。
HM 數據通常結構鬆散，通常不受監管。在大數據和智慧農業的背景下，除了與行銷有關的方面外，很少討論以人為來源的數據。在收集相關社交媒體數據，以及從多種來源，對這些數據進行語義整合方面，能力有限被認為是一項重大挑戰。
表3 概述了與關鍵農業部門中智慧農業的不同要素，相關的當前大數據應用。
表3. 不同智能農場流程中大數據應用/方面的示例（參見圖1）。
從業務角度看，大數據價值鏈中的主要數據產品是（預測性）分析，可為各個級別的業務流程，提供決策支持。感測器數據或類似數據的使用，或分析必須以某種方式，適合現有或重新發明的業務流程。首先，必須使用多種工具整合來自各種，傳統和新來源的數據。
4.2.2. 農場管理
正如大數據觀察家所指出的：無論大小，大數據仍然是數據。必須對其進行管理和分析，以提取其全部價值。無線網路、物聯網和雲端計算的發展，基本上只是獲取數據和生成大數據的手段。大數據的最終用途，是獲取由大數據體現，或支持的資訊或情報。沒有大數據分析，農業大數據將沒有真正的價值。
為了獲得大數據分析，需要將來自不同來源的數據，整合到「數據潟湖」中。在此過程中，由於數據中的錯誤和重複，可能會引起數據品質問題。如圖4 所示，可能需要對原始數據進行一系列操作以確保數據品質。
圖4. 農業大數據智慧處理流程圖。
自從大規模數據收集，或倉庫問世以來，所謂的數據豐富，資訊貧乏（DRIP）問題，已經普遍存在。大數據方法減輕了 DRIP 的難題，該方法以支持明智的（但不一定是有根據或有效的）決策，或選擇的方式釋放了資訊。因此，透過在一定程度上，克服數據量方面的數據品質問題，按需雲端計算解決數據訪問限制，利用相關數據分析，進行因果關係分析，以及利用證據驅動的應用，進行模式驅動。
大數據本身可以提供「 a-ha」洞察力，但只有與傳統數據管理和治理流程，完全整合時，它才能可靠地提供長期業務優勢。大數據處理依賴於傳統的，過程介導的數據和元數據，來創建充分有意義的使用所需的前後關聯和一致性。大數據處理的結果，必須回饋到傳統業務流程中，以實現業務的變化和發展。
4.2.3. 數據鏈
正如文獻中經常討論的那樣，大數據應用需要解決各種各樣的問題。在數據鏈的不同階，段都可能出現技術和治理問題，在數據鏈的後期階段，治理挑戰變得越來越佔主導地位。
表4 總結了智慧農業中，大數據應用的最新功能，以及文獻中發現的，與大數據鏈各個階段，相對應的關鍵問題。在初始階段，有關數據格式，硬體和資訊標準的技術問題，可能會影響大數據的可用性，以進行進一步分析。在後期階段，治理問題（例如就責任和義務達成協議）對業務流程變得更具挑戰性。
表4.智慧農業中大數據應用的現狀和關鍵問題。
4.3. 利益相關者網路
鑑於大數據和智慧農業帶來的技術變化，我們試圖瞭解農場周圍的利益相關者網路。報導顯示，現有農業食品鏈中，不同參與者之間的角色和權力關係，發生了重大變化。我們觀察到新舊軟體供應商，在大數據和農業方面的角色正在變化，以及數據驅動計劃的新興格局，在諸如 Google 和 IBM 這樣的大技術，和數據公司中扮演著重要角色。 在圖 5 中，可視化了數據驅動計劃的當前狀況。
圖5.具有業務參與者的大數據網絡的格局。
利益相關者網路，展現出高度的動態性，新參與者取代了其他參與者所扮演的角色，而在位者則在農業大數據方面，承擔著新角色。隨著農業綜合企業中，出現大數據的機會，孟山都和約翰·迪爾等大型農業公司，已經在技術上投入了數億美元，這些技術利用有關土壤類型，種子品種和天氣的詳細數據，來幫助農民削減成本並增加產量。其他參與者包括各種加速器、孵化器、風險投資公司和企業風險基金（孟山都、杜邦、先正達、拜耳、陶氏等）。
從氣候預測到基因工程，孟山都一直在推動，其所有業務領域的大數據分析。它試圖說服更多的農民，採用其雲端服務。孟山都公司說，當農民讓公司與其他農民一起分析數據時，他們會從中受益最大，這可以幫助他們為每片土地找到最佳解決方案。
儘管企業非常重視大數據和農業，但新創企業才是行動的核心，它提供了整個價值鏈的解決方案，從基礎設施和感測器，一直到管理整個農場中，許多數據流的軟體。隨著農業科技領域的升溫，越來越多的小型科技新創企業正在推出產品，從而為規模較大的同行，提供了賺錢的機會。
在美國，像 FarmLogs、FarmLink 和 640 Labs 這樣的新創企業，挑戰孟山都、迪爾、杜邦等先鋒農業綜合企業巨頭。人們觀察到大量的數據服務，新創企業，例如 FarmBot（一個整合的開源精確農業系統）和 Climate Corporation。他們的產品由許多相同的數據源提供支持，尤其是那些免費提供的數據源，例如來自氣象服務和 Google Maps 的數據源。
他們還可以訪問，由農場機器收集並用無線傳輸到雲端的數據。NEC 和 Dacom 等傳統的農業 IT 公司，在羅馬尼亞進行了精準農業試驗，該試驗使用環境感測器和大數據分析軟體來最大化產量。
風險投資公司，現在熱衷於投資農業技術公司，例如 Blue River Technology，該公司專注於在農業中思，使用電腦視覺和機器人技術。智慧農業的新參與者，是傳統上不活躍於農業的科技公司。例如，富士通（Fujitsu）等日本科技公司，正在透過基於雲的農業系統幫助農民。
富士通透過遍布全國的攝影機和感測器網路收集數據（降雨、濕度、土壤、溫度），以幫助日本農民更好地管理其作物和支出。隨著大數據，兌現其從根本上改變生產者競爭力的承諾，數據處理專家，可能會成為生產者的合作夥伴。
除了企業和新創企業之類的業務參與者之外，還有許多公共機構（例如大學、USDA、美國農業局聯合會、GODAN）透過倡導開放數據和數據驅動，來積極影響農業中的大數據應用。創新或他們對與數據所有權和隱私問題，有關的治理問題的重視。
著名的例子是大數據聯盟，開放農業數據聯盟（OADA）和AgGateway。例如，美國農業部（USDA）等公共機構希望利用連接的農業設備、無人機，甚至衛星創建的農業數據點的力量，以實現精準農業，實現諸如糧食安全和可持續性等政策目標。精確農業被認為是「聖杯」，因為它是解決糧食供需不平衡的手段。為了達到該精度，農民需要大量數據來告知其種植策略。
這就是為什麼 USDA 在大型的開放數據項目上，進行投資的原因。預計開放數據和大數據將結合在一起，為農民和消費者，提供正確的資訊，以做出最佳決策。
4.4. 網路管理
4.4.1. 組織
在討論由智慧機械（例如約翰·迪爾（John Deere）的拖拉機）產生的農業大數據的治理時，數據所有權是一個重要問題。尤其是，精準農業數據的價值和所有權，在商業媒體中受到了很多關注。在農民和農業技術提供者之間，簽署關於所有權和控制數據的大數據協議，已成為一種慣例。這些協議解決了以下問題：農民如何利用大數據？數據來自哪裡？我們可以收集多少數據？它存儲在哪裡？我們如何利用它？誰擁有這些數據？哪些公司參與數據處理？
解決隱私和安全問題的計劃也越來越多。例如，大數據聯盟是美國主要農業組織，和農業技術提供商的聯盟，它制訂了以下原則：數據所有權、數據收集、通知、第三方訪問和使用、透明性和一致性、選擇、可移植性、數據可用性、市場投機、責任和安全保障措施。
AgGateway 是一個非營利組織，在美國擁有 200 多家成員公司，該公司已繪製了一份白皮書，介紹了整合數據隱私和標準的方法。它為伺服器場數據的使用者，及其客戶提供了在建立使用該數據的策略，過程和協議時要考慮的問題，而不是設置原則和隱私規範。
大數據聯盟的「所有權原則」指出：「我們相信農民擁有，有關其農業經營活動的資訊。但是，農民有責任就數據的使用達成共識，並與其他利益相關者共享（...）。」在擔心數據所有權的同時，農民還可以看到，有多少公司在大數據上進行了投資。
2013 年，孟山都公司以近 10 億美元的價格收購了 The Climate Corporation，並且有望實現更多的行業整合。農民也希望確保他們也從大數據中獲利。這種思維上的改變，可能會導致新的業務模式，該業務模式，允許從數據中共享價值的收穫。
智慧農業中的大數據應用，可能會引發許多與電源相關的問題。可能有一些新興公司，因為獲得了所有數據，而獲得了更大的權力。在農業食品鏈中，這些可能是投入的供應商或商品交易商，從而導致市場地位的進一步權力轉移。這種權力轉移，也可能導致潛在的數據濫用，例如由基因改生物遊說組織，農產品市場或公司操縱引起的。
最初，這些威脅可能並不明顯，因為對於許多應用而言，幾乎沒有任何力量的小型新創公司會參與其中。但是，通常的商業慣例是，如果成功，大公司就會收購這些公司，這樣，數據仍會集中在一個大公司手中。例如，Gilpin 得出結論，大數據既是巨大的機會，也是對農民的潛在威脅。
4.4.2. 技術
為了使大數據應用，可以用於智慧農業，適當的技術基礎架構，是必不可少的。儘管我們在文獻中，找不到有關二手基礎設施的大量資訊，但是可以預期，圖5 中的 AgTech 和 AgBusiness 公司的應用，基於通常由大型軟體供應商提供的現有基礎設施。
這產生了幾個專有平台，例如 AGCO 的 AgCommand、John Deere 的 FarmSight，或 Monsanto 的 FieldScripts。最初，這些平台非常封閉，很難與其他第三方連接。但是，他們逐漸意識到，自己的系統是大系統的一部分，從而產生了更加開放的平台，在這些平台中，可以透過開放的應用編程接口（API）訪問數據。
技術和數據新創企，業主要依靠開放標準（例如 ISOBUS ），透過這些標準，他們可以合併不同的數據集。此外，Farmobile 最近推出了一種硬體，即被動上行鏈路通信器（PUC），它可以將所有機器數據捕獲到，可以無線傳輸的數據庫中。
在北美，採取了一些舉措，來開放多個平台，和設備之間的數據傳輸。ISOBlue 項目透過開發開源硬體平台和軟體庫，將 ISOBUS 消息轉發到雲端，並開發適用於 Android 智慧手機的應用程序，促進了數據獲取。
Open Ag Toolkit（OpenATK）致力於提供專門的農場管理資訊系統，該系統整合了低成本，廣泛可用的行動計算技術，基於網路的雲端儲存服務，以及以使用者為中心的設計原則。
Trello 是 OpenATK 中，候選的基於網路的雲端儲存服務之一，它也是 Ault 等人所倡導的。他們強調了在農場內的幾名工人，或農場外的利益相關者之間，輕鬆共享數據記錄的能力，並保證了農民數據的長期所有權。
在歐洲，未來網路計劃中，為實現數據交換，和協作的開放基礎設施，而進行了許多工作。該計劃的重點是實現一組通用使能器（GE），例如雲端託管、數據和前後關聯管理服務、物聯網服務、安全性和大數據分析，這對於稱為 FIWARE 的所有不同領域的，所有未來 Internet 應用，都是共有的。
Smart AgriFood 基於這些 FIWARE，GE 為農業食品領域的未來，在 Internet 應用提出了一種概念架構。FIspace 項目將該架構，實現為一個真正的業務協作平台，如圖6 所示。
圖6. 基於 FIWARE GE 的 FIspace 體系結構的高級示意圖。 文字中的進一步說明。
FIspace 使用 FIWARE GE 啟動器（GE），但具有兩個特定的業務協作擴展：App Store 和即時 B2B協作核心。這些關鍵組件與其他幾個模組連接在一起，以實現系統整合（例如，與 IoT 整合），以確保業務協作中的安全性、隱私性和信任度；以及一個操作環境和軟體開發套件，以支援 FIspace 可以在其中儲存應用的「生態系統」可以開發。
FIspace 平台可透過各種類型的前端（例如，Web 或智慧手機）進行訪問，但也可以進行直接的 M2M 通信。
由於所有提到的開放平台，都是最近的項目產生的，因此它們面臨的挑戰，仍然是如何被廣泛採用。對於 FIspace 平台，FIWARE 加速器計劃1進行了首次嘗試，其中數百家新創公司獲得了資金，來開發應用 app 和服務，並獲得了業務支持。他們中的一些人已經成功地，從私人投資者那裡，獲得了更多的資金，但是要確定該計劃的最終成功率，還為時過早。
4.5. 挑戰性
文獻中發現的大數據和智慧農業挑戰，可大致分為技術和組織挑戰，後者被認為是最重要的。此外，如果可以為智慧農業中的大數據，創造足夠的商機，那麼大多數技術挑戰將得到解決，因此需要有明確的投資報酬率。
在收入方面，要使農民，尤其是發展中國家的農民，能負擔得起的解決方案是一個挑戰。如果會有更多的大數據應用使用者，它將導致轉向更有價值的數據，通常被稱為大數據的倒數。這是一個非常重要的功能，需要在公司的策略中仔細實施。
在成本方面，挑戰在於如何以幾乎沒有成本的方式，實現數據採集的自動化。由於場上數據通常將由各個公司掌握，因此需要在通用池基礎結構中進行投資，以傳輸和整合數據，並最終使用其中的應用。
Poppe 將其稱為「農業商業合作與數據交換設施（ABCDEF）」。關於這些 ABCDEF 的一個重要問題，是它們是否將是封閉的，專有的系統（例如當前的孟山都公司的 FieldScripts），或者它們是否會像例如 1991 年所提議的那樣更加開放。OpenATK 或 FIspace 平台。最後，與業務相關的大數據挑戰，是如何利用整個食品系統中的資訊潛力。
大數據治理的最大挑戰之一，可能是如何確保隱私和安全。當前，由於此問題，有時當數據處於孤島中時，這種發展會受到阻礙，這些數據處於由員工或公司保護的孤島中。他們擔心數據會落入錯誤的手中（例如競爭對手）。
因此，特權訪問大數據和建立與農民之間的信任，應該是開發應用的起點。因此，需要在農業食品鏈中，形成新的組織聯繫和協作模式。換句話說，這意味著能夠快速訪問正確的數據源，以評估關鍵績效/核心流程和成果指標，從而制訂成功的成長策略。
所有上述挑戰，使得當前農場數據的當前利用率不足。另一個問題，是數據的可用性和品質通常很差，需要加以確保才能使用。
據報導，缺乏整合也是一個重要問題。數據匿名化，以至於無法追溯到單個公司，有時也會是一個問題。也有嘗試包括更多公開的政府數據（參見 GODAN 倡議），但問題可能在於底層系統從未為此而設計，或者它們包含許多不一致，不相容的數據。
5. 結論和建議
本文對智慧農業中的大數據應用，進行了文獻綜述。在第二部分中得出的結論是，目前在同行評審的科學期刊中，沒有太多參考文獻。因此，不可能進行可靠的定量分析。此外，灰色文獻的發現，可能缺乏科學嚴謹性，這是同行評審期刊文章所期望的。
但是，由於灰色文獻中的文章是公開可用的，因此可以將它們視為受到公眾審查的對象，因此是合理可靠的。因此，我們認為知識庫中充斥著灰色文獻中的文章。此外，在開發分析框架方面，付出了很大的努力，該框架可透過更定量的方法，用於將來的審查。
基於本文的發現，可以得出有關智慧農業中大數據應用程序的最新結論的幾個結論。首先，智慧農業中的大數據仍處於早期開發階段。這是基於這樣一個事實，即有關此主題的科學出版物很少，而且許多資訊都必須來自「灰色文獻」。
討論的應用程序主要來自歐洲和北美，預計其他國家/地區的應用也會越來越多。考慮到審查的範圍，在這項研究中沒有進行地理分析。下面將詳細闡述，作為對我們在導言中，提出研究問題的答案，做為結論。
大數據在智慧農業中，扮演什麼角色？
大數據透過推拉機制，正在改變農業的範圍和組織。大數據應用試圖解決諸如食品安全、永續性，以及由此帶來的效率提高等全球性問題。這些問題使得大數據應用的範圍，遠遠超出了單獨的農業領域，而是涵蓋了整個供應鏈。物聯網的發展，無線連接了農業和供應鏈中的各種物體和設備，正在產生許多可以即時訪問的新數據。這適用於網路實體管理週期的所有階段（圖1）。
營運和交易，是流程中介數據的最重要來源。感測器和機器人，還生成非傳統數據，例如圖像和影像，它們提供了許多機器生成的數據。社交媒體是人類數據的重要來源。這些大量的數據提供了對顯式資訊和決策能力的訪問，而這是以前無法做到的。
分析，是成功利用這些數據創造價值的關鍵成功因素。許多新興的創新型新創公司，都渴望向農民出售，和佈署各種應用，其中最重要的應用與感測器佈署、基準測試、預測模型和風險管理有關。
哪些利益相關者參與其中，如何組織這些利益相關者？
參見圖5，首先是農業的傳統參與者，例如投入物供應商和技術供應商，對於它們來說，顯然已經將大數據，作為其最重要的商業模式。他們中的大多數人，都在向農民推銷自己的平台和解決方案，儘管觀察到向開放性發展的趨勢，但這通常是專有的且相當封閉的環境。
農民（由合作社或聯盟組織起來）激發了這一點，他們關注數據的隱私和安全性，還希望利用自己的數據創造價值，或者至少希望從大數據解決方案中受益。除了傳統的參與者，我們看到大數據也吸引了許多新進入者，這些新進入者通常是由大型私人投資者，或大型 ICT 或非農業科技公司所支持的新創企業。公共機構還致力於開放可與私人數據結合的公共數據。
這些發展帶來了圍繞數據所有權、數據價值，以及隱私和安全性的問題。大數據解決方案的體系結構和基礎架構，也極大地決定了利益相關者網路的組織方式。
一方面，存在趨向於封閉的專有系統的趨勢，另一方面，趨向於基於開源、標準和接口的更加開放的系統。因此，大數據應用的進一步開發，可能會導致供應鏈出現兩種極端情況：一種是將農民變成特許經營者的供應鏈進一步整合。
另一種方式是，農民獲得大數據的支持和開放式協作，可以輕鬆地在供應商之間切換，與政府共享數據，並參與短供應鏈，而不是整合的長供應鏈。
實際上，情況將是這兩種極端情況之間的連續體，這兩種極端情況是根據作物、商品、市場結構等來區分的。
大數據開發將導致哪些預期的變化？
從這篇探討可以得出的結論，大數據將導致智慧農業的範圍和組織，發生重大變化。以前所未有的規模和速度，進行業務分析，將成為真正的遊戲規則改變者，不斷重塑新的業務模式。
參照圖1，可以預期，透過訪問即時數據、即時預測，和跟蹤實體項目，以及結合物聯網開發，進一步實現農場的自動化和自主運行，農場管理和營運將發生巨大變化。
考慮到先前的研究問題，已經很明顯的是，大數據還將導致大數據農業利益相關者網路中，不同參與者之間的權力關係發生重大變化。但是，當前的開發階段，尚未揭示將針對哪種，主要方案開發智慧農業。
與先前的問題有關，需要解決哪些挑戰？
表4 中已經列出了一長串關鍵問題，但是最重要的是
‧ 數據所有權，以及相關的隱私和安全性問題 - 必須妥善解決這些問題，但是如果應用得過於嚴格，則會減慢創新速度；
‧ 數據品質 – 一直是農場管理資訊系統中的關鍵問題，但是對於大型即時數據，則更具挑戰性；
‧ 智慧處理和分析 – 對於大數據而言，這也更具挑戰性，因為大量通常是非結構化，異構的數據需要熟練的數據科學家，和領域專家之間的智慧互動；
‧ 大數據源的可持續整合 – 整合許多不同的數據源具有挑戰性，但是由於這對於你的業務模式非常重要，因此必須以可持續的方式完成；
‧ 對解決方案提供商具有吸引力的業務模式，但也可以使不同的利益相關者之間公平共享；
‧ 平台的開放性，將總體上加快解決方案的開發和創新，同時也可以增強農民在供應鏈中的地位。
分析框架是從鏈網路的角度開發的，並特別關注所涉利益相關者之間的網路管理。在未來的研究中，從更廣泛的創新角度，看待這一主題，也可能是有價值的。對於諸如大數據這樣的創新的道德方面，未來的研究也可以解決。
大數據在農業中的前景是誘人的，但是要提高對大數據應用的使用，必須應對上述挑戰。儘管肯定有一些技術問題需要解決，但我們建議你，首先關注已發現的治理問題，並設計合適的業務模式，因為這些問題，目前是最不利的因素。
按此回今日3S Market新聞首頁
沒有留言:
張貼留言