跨过农业投资的山海关，创业企业将怎样讲述大数据的故事

老生常谈的是，中国的农村人口流失导致了土地趋于集中，土地流转加速，而集中化的土地促使了小农经济向规模经济的转变。这种结构性的改变带来四大转向：机械化率提升、农机结构变化(农机大型化、特色化)、农业金融及农业信息化(农机电商)加速，也进一步酝酿了对应的产业优化和投资机会。

看似美好，实则前路漫漫，什么样的场景适合借助数据和物联网构建真正的势能，怎样搭建资源、资金使用效率及技术革新的联动性，以及如何在基础设施数字化的过程中切到更厚的环节“广积粮”，都是需要回答的问题，这里对细分的四个发展方向分别讨论，

发展方向一：农机租赁

按照《全国农业可持续发展规划（2015年~2030年）》和《<中国制造2025>重点领域技术路线图（2015版）》，到2020年主要农作物耕种收综合机械化水平达到68%以上，农机工业总产值将达6000亿元，国产农机产品市场占有率在90%以上。与我国巨大的农机产销市场规模相比，农机购买力有些薄弱，即使财政对农机购置给予补贴，也无法在短期内扭转这一现状，因此农机租赁存在巨大需求。

模式设计上，公司可以成为连接农户（承租人）和厂商之间的出租人，基于对农机的设备管控和使用数据聚合分析，可以有效降低由于终端用户较为分散、缺少过往信用记录的风险，帮助识别、筛选和确认承租人的偿还能力。同时，可以有效促成合作社之间的合作，错开农忙时间提升综合效益。

市场规模上，2015年底，农机合作社5.4万个，拥有农机具317万台(套)，农机化服务是农机合作社的主营业务，收入达到567亿元，其中田间作业收入431亿元，该部分是农机租赁的核心市场，按照60%的比例进行稀释，则为农机合作社提供农机租赁服务的收入每年在260亿元左右。考虑到其他大型家庭农场和农业产业化企业，总体规模至少300亿元每年。

在庞大的市场空间之下，是农村信用体系不完善、经营状况差异巨大（以及由此导致的还贷能力差异）、尽职调查难操作和风控体系难建立等挑战。因此在相关的尝试，关键在于跨区域与弄经销商的合作能力，以及如何借助当地力量对农户的还款能力形成系统化的测算能力，保证偿还现金流的健康。

发展方向二：利用大数据发展精准农业

精准农业一般包括信息采集-信息解码-投入优化-田间实践（种植、施肥、灌溉）的良性循环，因此当前农业领域存在的诸多问题，如土壤治理、病虫害预测与防治、动植物育种、结构调整、农产品价格等，进的计算机视觉，精准的感应设备以及机器学习技术都将帮助农民进行耕种、施肥、收获和植保用药，准确地种出更健康、更可口的食物，从而得到最佳的投入产出效果。

具体而言，根据作物生长的土壤性状，调节对作物的投入。随着精准农业经验的积累，其覆盖范围从针对土壤的性状检测、配方施肥、重金属残留处理、虫卵处理等，逐渐延伸到精准采摘、除草、灾情和产量监测预警等各方面。除了信息系统的应用外，包括无人机、采摘、除草、施肥等农业机器人系统，以及包括精准喷灌、栽培等，能面向娇嫩性和复杂性的作业对象、非结构性的作业环境、特殊的使用对象。

对平台进行开源处理后，还可方便其他传感器制造商上传数据，比如拖拉机、耕作设备、播种机、喷雾器、收割机以及农用无人机等设备。此外，数据驱动型农业也将增加农场主的收入，以多样的产品适应对食物更加挑剔的餐厅和广大消费者。

与国内相比，美国精准农业涉及的市场主体、行业规范、商业模式经过多年的探索和积累，已经达到一个成熟的阶段。以美国孟山都公司为例，这个气候平台帮助农民作出耕种决定（已融得1亿美元风险投资，在2013年被孟山都以10亿美元收购），目前Climate Basic 已经覆盖了美国4.5亿亩土地作物面积，也就是说美国近45% 的玉米和大豆已使用这个农业数据平台。而为鼓励农民试用其Climate Pro，孟山都将每英亩15美元的获准定价，改为毎英亩3美元，目前这一系统覆盖了美国3000多万亩耕地面积。

此外，已经于2014年底完成B轮融资的FarmLogs也是一个典型的案例，它通过提供云端SaaS模式农场管理服务，为作物轮作提供智能预测和优化。农场主等用户可以通过FarmLogs的服务跟踪农产品价格与耕作开支、监控天气、预测利润、以及安排耕作等。主要功能有：直观的图片和图标了解农场的概况；农场的降雨量（有10年的历史记录）；日照气温记录和热量积累；土地成分，并给出科学灌溉和施肥建议；农场的投入产出预算；农作物库存管理；农作物生长分析，并能通过不同的卫星光谱照片预测农作物病虫害。

参考2016年6月底，全国承包耕地流转面积达到4.6亿亩，同时全国经营耕地面积在50亩以上的规模经营农户超过350万户，经营耕地面积超过3.5亿多亩，考虑到付费意愿、付费能力、推广力度等因素，假设未来三年渗透率为20%左右，每亩50-100元的定价，市场容量为35到70亿元。

发展方向三：用户使用数据用于涉农金融

具体模式上，至少可以包括如下三类：

第一，为“三农”参与者增信，帮一部分农户建立起最初的信用档案，做好基础设施；

第二，和农机合作社（原本就具备生产互助型）合作开发借款人，通过为合作社提供智能信息硬件与在线作业管理帮助他们做好生产管理，自身也可以通过这个深入家家户户的渠道来更深入的了解农户，完成潜在客户的转化；农机信息化和智能化可以配合风控和贷后管理。

第三，短期内，服务于农资和农机具销售的金融手段可能成为试水涉农金融的主要方式。资金端对接一些P2P，尽量使得资金成本低于15%，再给加盟商2到6个点，平台提取4到5个点。

与农机租赁类似的，风控方面强调本地资源渠道和线下运营，重点关注客户的还款能力（农作物生产的收入、成本、利润情况）、还款意愿（基于现场调查及评分、历史履约情况，当地口碑等）和意外风险的防控（自然灾害，经营人的生老病死等）。并且，通过资金成本差获利只能是一种短期的形态，未来平台还需提供更大价值的增值服务，才能真正建立农户的粘性。

发展方向四：用户使用数据用于数据增值

一般来说，可以利用农事相关的数据分析来帮助农民作出最佳的经营和采购决定，获得谷歌风投，包括计划、生产、营销、会计等模块业务，例如可以通过历史数据和销售预测帮农户计算出农场是种玉米划算还是种大豆划算；或是可以在农作物快要成熟的时候提前给农户提供相应的零售商信息。

美国的Farmobile就是一家为农场主提供耕种数据的公司，公司设计的转换器可以从农机设备诊断系统中下载信息并传输给远程服务器，农场主可以随时查看数据并做出调整。目前，Farmoblie收取服务费用为1250美金一年。此外，农民可通过出售数据获利。Farmoblie计划建立数据电商平台，让肥料公司、农机公司和农产品贸易商通过数据电商平台买到数据。公司和农民平分销售数据获得的收益。

目前我国家庭农场、农民合作社、农业产业化龙头企业等新型主体数量已经超过270万家，考虑到付费意愿、付费能力、推广力度等因素，假设未来三年渗透率为40%左右，平均付费2000元，年收入为21亿元。

回到数据创业的版图，我们会发现，精准营销、流量分析、互联网舆情监测等领域已经较为成熟，智能汽车与车联网设备也各自系统化，单工业、农业等领域的公司还较少，而这些恰恰是用数据改造后可以大幅提升行业效率、节约资源的领域，也是中国传统行业进行升级改造，弯道超车的又一次重要机会，希望可以看到更多的创业公司能对第一、第二产业提出数字化解决方案和服务。

完全基于农业生产逻辑的造血能力，或许可以成为农机领域创业公司落地的方向，上述讨论的这些发展方向，就启迪而言，是把数据当作藏有金矿的深山，持恒地进行挖掘、反馈和动态优化，把可连接度、可合作度做深做透，让互联网的情绪和数据的能量形成inside+Plus的关系，会率先在农业领域里成为有变革性的力量。