随着人们对食品安全的不断重视，以及全球农业市场竞争的日趋激烈，加快农业产业链整合升级、利用新技术打造“数字农业”已经成为必然趋势。
近年来，各路资本相继扎堆农业领域，中国打造现代化农业的步伐正在加速。8月底，继联想、京东、网易、阿里之后，恒大成为又一家高调涉农的“非农”企业，宣布投资1,000亿元启动粮油、乳业、畜牧三大业务板块。但与之前的“竞争者”不同的是，恒大是第一家以产业化、规模化姿态进军现代农业的综合企业。
产业化与规模化正是衡量现代农业的标准之一，这也是目前中国农业整体表现欠佳之处—产业布局分散、资源配置滞后、协调能力薄弱，远不能适应现代化农业的需求。特别是随着人们对食品安全的不断重视，以及全球农业市场竞争的日趋激烈，加快农业产业链整合升级、利用新技术打造“数字农业”已经成为必然趋势。
前不久农业部已经透露，将在“十三五”规划中，把“推进中国新型农业现代化、优化农业生产力布局、加强新形势下的粮食安全”列入未来农业工作的重点。这对中国农业以及涉农综合企业而言，将意味着难得的市场机遇。
从数据中获取洞见
《埃森哲2014年技术展望》中曾经提出影响未来商业的六大技术趋势，这六大技术对农业综合企业也将产生“双刃剑”式的影响。利用得当，将有效地助力企业实现产业升级和利润增长；反之，企业则将错失巨大的增长机遇。其中，打造数据供应链对于中国农业企业提高市场透明度、优化资源配置而言，尤其具有参考意义。
过去，由于我国的农业信息化基础尚不完善，信息流动不够透明，再加之气候与生态环境的多变，农产品市场的供需关系常常失衡，或产能过剩导致滞销，或货源紧缺引发价格高企。如果农产品生产商都能够及时而精准地获悉市场需求，只专注于生产市场所需要的产品，那么结果就会大不相同。
假设有一位熟谙技术的农产品加工商，他根据数据供应链收集到的数据来制定第二年的加工计划和仓库容量。数据显示，市场对某种大豆的需求量正在增加，于是他向生产商提出了产品需求，后者将生产力专注于该种类大豆的生产，结果大幅提升了利润。
与此同时，如果生产商能够共享其最新一期大豆生产周期的详细数据，包括使用的种子和化肥、使用时间及程序、天气和土壤的条件以及最终产量等等，那么种子、化肥和作物保护公司就能有针对性地开展相关的研发工作，帮助提供最优的产品。当然，这些信息也将为农产品加工商的生产和运输提供有价值的参考，使其能够及时而准确地调整策略、规避风险。
这就是数据供应链为现代农业带来的价值。
事实上，农业企业拥有大量的数据可以用于提升业务决策，例如产量、定价、天气、畜群健康情况、土壤环境、产品性能、维护成本、劳动力成本等。如果能围绕这些数据创建数据供应链，使其在系统内流动起来，再利用技术帮助用户在需要时及时获取正确数据，就可以帮助企业大大加快决策，提升效率。
在这方面，全球知名企业美国约翰迪尔公司（John Deere）已经展开相关的尝试。在其最近召开的集成商大会上，约翰迪尔公司与100多家参会企业共同探讨了建设MyJohnDeere平台事宜。该平台通过提供新应用程序和服务，帮助客户随时随地通过智能手机、平板电脑等终端浏览和管理业务信息，从而依据数据及洞见加速决策。例如，约翰迪尔公司将传感器部署在其拖拉机和农业机械上，让使用者可以在myjohndeere.com上读取相关数据，包括土壤条件、播种量、庄稼生长情况等等，从而时刻监测作物生长。这些数据还可以帮助约翰迪尔公司预测使用者的需求，主动发送种子和化肥处方到农场中的约翰迪尔拖拉机上，为使用者提供指导。
让数字流动起来
遗憾的是，多数企业仍然没有意识到这一点。众多有用的数据或无法获得，或被束之高阁，或未流入企业和价值链，从而未被发掘并发挥最大价值。2013年8月，埃森哲和10EQS公司共同发起了一项全球调研，调研发现农业企业在数据的应用上还存在多处“痛点”。
例如，种子、化肥、作物保护公司拥有的数据并未被全部有效利用，生产商和加工商无法更准确地预测产量；相关信息无法及时获取，从而影响新产品的研发流程，延缓入市时间，有时甚至直接影响到企业的整体竞争力。
另一方面，由于数据分析上的不足，设备制造商总在疲于应对市场波动带来的库存问题；生产企业无法控制那些影响利润的变量因素；加工企业无法进一步开拓市场；更重要的是，产业供应链的透明度和可追溯性不足，对食品安全的监管带来了严峻的挑战。
移除这些痛点，有赖于打造一个端到端的数据供应链，让数据流动起来，成为“循环经济”的一部分。通过数据供应链，企业可以不断从中获取数据，并利用从数据中获取的洞察优化业务决定，提升盈利能力。特别是在盈利管理、风险管理、供应链管理、创新以及合规这五个方面，数据供应链将为企业带来诸多市场价值（参见图表）。
打造数据供应链
目前，中国企业仍然处于创建数据供应链的早期阶段。阿里、京东、网易等互联网公司通过对数字技术和网络平台的积极利用，使得中国打造“数字农业”已经初具雏形，但是对绝大多数传统农业企业而言，打造数据供应链仍然是一个全新且长期的过程。我们建议可分为四步进行。
第一步，数据整合。从创建一个数据服务平台开始，该平台应当能够支持数据的流动性、可见性和可获得性。一旦数据源得以开放，要确保其可进入一个集全部数据于单一视图的虚拟数据层，让用户可通过标准化方式与数据平台进行互动。
第二步，数据流通。有了获取数据的渠道还不够，还必须让数据流动起来。这并不是说在任何时候所有数据都必须保持全速流动，企业需要对数据服务平台上的数据进行优先排序：重要的时限性数据要加速流动，过时的、不太重要的数据可以缓速流动。数据解决方案应该考虑将重要的时限性数据存储于优化的缓存装置，以实现其在价值链上的快速传输。“数据湖”则可以大量存储非时限性数据。
第三步，数据分析。数据挖掘有助于识别隐藏在视觉互动和快速迭代中的洞察，帮助用户更快速地获得数据的价值。数据分析是数据挖掘的主要工具，需要加以有效利用。
最后是分步行动。埃森哲建议可以将这一系统的转型过程分成多个小步骤，不必一次完成。例如，从部署一个针对特定结果的单一数据供应链开始，然后再逐渐累积更多数据。
进入大数据时代以来，“数字农业”在发达国家早已应运而生。运用大数据理念、技术和方法，解决农业或涉及农业领域的数据采集、储存、计算与运用等一系列问题，已经在国外渐渐得到重视和普及。除了打造完备的数据供应链，更多先进的生产管理方式—比如在农业实体中融入数字概念；提供各种专业化外包服务；利用各类业务应用程序帮助提高生产效率和优化客户应用界面；建立大规模数据库协助日常管理等等—都已经在许多领先企业的身上得到应用，并且初显成效。
这些领先企业的行动经验一定能够为中国农业布局智慧农业新格局带来有价值的思考和启示。
