游击式大数据软件使农民的数据分析速度加快了五倍

收集数据后，在批处理模式数据集市下聚集和查询数据，以获取商业智能，这是实际应用大数据及分析的主要方式。它还有助于为新兴国家的人们确保有一个公平的竞争环境，为他们节省时间，并且迅速深入了解数据查询情况。

Springg就是个例子，荷兰的这家农业软件公司在与世界各地的农民合作。由于发展中国家缺乏基础设施，又认识到这些国家的农民需要与发达国家的农民那样同样可以访问农业信息，Springg想要找到一种方法，可以从田间获取宝贵数据，这些数据经评估后，可以将宝贵的信息迅速返回给较偏远地区的农民。

Talend公司专门提供Springg使用的大数据集成软件，首席营销官(CMO)阿什利·斯特拉普(Ashley Stirrup)说：“对于农民来说，采取土壤样本很重要，那样你就能更清楚地了解土地的特性，可以施什么类型的肥料，以便作物有最高产量。”

在以往，田地土壤样本在当地采取后，送到远在几百英里、乃至几千英里之外的实验室进行分析。

斯特拉普说：“Springg想要做的就是，在肯尼亚建立可以利用物联网技术的移动测试中心。”通过使用移动测试中心，Springg就能够借助传感器收集当地的土壤数据，然后在现场进行土壤分析，那样当地农民立即就能了解土壤情况以及最适合作物的肥料。土壤数据直接在田间加以收集和分析。然后发送到集中式数据库，可以在更综合、更全面的环境下进一步分析数据。

斯特拉普特别指出：“对于当地农民来说，这个过程极为高效，它将实验室分析土壤的速度加快了五倍。在欠发达地区，结果准确性和成本至关重要。这关系到一户家庭能否自给自足或者孩子能否上学。”

想把本地数据收集和分析之间的所有点联系起来，然后将数据发送到远地更庞大的数据资料库，这就需要形形色色的技术，从无线通信、移动电话，到可以处理不同国家电信环境的灵活的通讯协议，不一而足。斯特拉普说：“我们自己的数据工具应用于这种使用场合，我们想要一种解决方案可以处理任何类型的移动设备，并可以根据需要支持简单的通信协议。”

在当地的游击式田间应用程序(比如借助物联网传感器现场收集数据)中，还要确保数据准备和传输具有灵活性，那样可以捕获、分析、最终利用数据。

斯特拉普说：“有了这一种方法，你可以调入从世界各地的传感器收集而来的数据。然后，你可以在现场实时或近实时分析该数据，从数据立即获得当地结果。”

之后，数据从世界各地的多个收集点收集而来，然后发送到集中式数据资料库，数据可以改而用于众多用途。

斯特拉普说：“进一步利用这种农业数据的一种方法就是应用于金融市场。当一个系统能够分析并生成从世界各地的农业收集点收集而来的宝贵信息，许多公司就能更深入地了解当前的作物产量与历史趋势相比如何，天气状况对收成起到了怎样的影响，对大宗商品价格可能会有什么样的影响。”

使用这种“田间”的游击式数据收集和分析，立即将结果返回给当地农民，随后一路发送到大型数据资料库，然后数据进行进一步的分析，用于各大金融市场的趋势建模和决策，这种使用仍处于初期阶段，不过对于一种从宏观和微观两方面都可加以分析的数据模式而言，结果大有希望。

原文发布时间为：2016年6月29日 本文来自云栖社区合作伙伴至顶网，了解相关信息可以关注至顶网。
基于阿里云平台的大数据教学案例 —— 中国二手车市场盈利部分数据分析 中国二手车市场潜力很大，面对如此市场行情，我们将用数据分析的方法，分析过去并使用机器学习进行建模和预测，以让即将接触或者正处于经营的商家对市场有着新的认识，且可以通过对历史数据分析后的可视化的图表展示，帮助买家在购买二手车方面提供帮助。
基于阿里云平台的大数据教学案例 —— B站弹幕数据分析 实验基于所学的大数据处理知识，结合阿里云大数据相关产品，分组完成一个大数据分析项目，数据集可以使用开源数据集或自行爬取，最终完成一个完整的实验报告： 1、 能够使用阿里云大数据相关产品完成数据分析、数据建模与模型优化 2、 能够基于分析结构构建可视化门户或可视化大屏，分析和呈现不少于5个 3、 分析案例有实用价值并能够形成有效结论 4、 能够将开源技术与阿里云产品结合，综合利用提升开发效率，降低成本 5、 能够完成数据分析报告和结果展示
基于阿里云平台的大数据教学案例 —— 人工智能岗位数据分析 基于所学的大数据处理知识，结合阿里云大数据相关产品，完成一个大数据分析项目，能够使用阿里云大数据相关产品完成数据分析、数据建模与模型优化、能够基于分析结构构建可视化门户或可视化大屏、分析案例有实用价值并能够形成有效结论、能够将开源技术与阿里云产品结合，综合利用提升开发效率，降低成本，最后完成数据分析报告和结果展示
带你读《增强型分析：AI驱动的数据分析、 业务决策与案例实践》之二：大数据探索及预处理 本书“深入浅出的原理介绍 + 实际使用的案例”的内容安排能够使得数据分析建模人员从算法原理、数据挖掘知识结构、业务应用方法等方面得到提升，帮助数据分析建模人员开阔眼界、优化知识结构、提升实践技能。