基于大数据的绿色食品全产业链增值模式的构建

徐晓燕，孙中叶

(1.河南工业大学 经济贸易学院，河南 郑州 450001； 2.郑州科技学院 财经学院，河南 郑州 450064)

随着我国人民生活水平的显著提高，绿色食品作为适应市场需求变化与农业产业结构调整而产生和发展起来的新兴产业，具有显著的经济效益、社会效益和生态效益。2020中央1号文件强调：继续调整优化农业结构，加强绿色食品、有机农产品、地理标志农产品认证和管理，打造地方知名农产品品牌，增加优质绿色农产品供给。绿色食品作为一种需要进行全程认证的新兴产业，对数据在整个产业链条中的传递和共享提出了更高的要求。由于绿色食品全产业链各环节平台系统多，标准少，主体间数据采集标准不统一，存在数据壁垒，大数据无法实现共享，信息孤岛现象严重，无法发挥大数据应有的作用，全产业链信息贯通不畅、集成较少阻碍了全产业链运行效率的提高。依据协同创新理论，构建绿色食品全产业链大数据平台对链条运行过程中产生的一系列信息数据集进行处理，在有效提高绿色食品的可信任度和可辨识度的同时，实现数据实时处理和共享，有助于加强政府对绿色食品安全的监管，从而降低成本，控制风险，提升社会、经济、生态效益，驱动绿色食品全产业链增值。

前人关于绿色食品全产业链升级的研究主要集中在绿色食品产业结构调整[1-3]、绿色食品供应链管理[4-5]及绿色食品消费行为研究[6-7]等方面，这些研究成果为绿色食品全产业链增值模式的构建提供了重要的理论基础。关于大数据环境下食品产业链优化升级的研究主要集中于大数据在食品安全监管中的应用研究，通过对食品全产业链中数据整合，提升数据分析能力、挖掘深层次信息，为监管者、生产者及消费者提供科学决策建议，实现对食品安全事件的及时预警、产品溯源与定责[8]。在食品安全网络舆情预警方面，有学者利用相关软件挖掘舆情信息数据，为政府相关部门提供了评估食品安全网络舆情风险的新方法[9]。对绿色食品全产业链增值的系统性研究及利用大数据推动绿色食品全产业链增值的研究鲜见报道。鉴于此，笔者等在前人研究的基础上，以协同创新理论[10]为基础，结合大数据发展的时代背景，探索构建以实现产业链信息共享为目的的大数据模型，提出绿色食品全产业链的优化模式，以期为绿色食品全产业链的增值提供参考。

1 绿色食品全产业链大数据平台模型的构建

绿色食品全产业链大数据平台是通过技术创新主体间的深入合作和资源整合，产生系统叠加的非线性效用[11-12]。在消除绿色食品全产业链信息不对称、产销不对等问题中，大数据平台发挥着重要作用，它是数据的“整合中心”，可整合产业链中各参与方的信息资源，且各参与方可直接从大数据平台获取有用的数据资源，打破原有产业链条下各参与方单向交流、不能越级的模式，各参与方可通过大数据平台直接进行相互交流，形成一种互动性更强的网状结构。根据绿色食品全产业链的数据需求和数据生命周期的不同阶段数据处理功能的要求，将大数据平台模型分解为3个连续的阶段，包括数据采集、数据存储、数据分析[13](图1)。

1.1 数据采集

数据采集是获取信息的过程，可分为识别数据分析目标、数据传输和数据预处理。在明确数据分析需求的基础上，通过数据中心的高速传输，对绿色食品产业链各环节主体活动产生的大量原始数据进行预处理，以实现数据的高效存储和挖掘。

1.1.1 识别数据分析目标 识别数据分析目标是在理解绿色食品产业链运行过程中面临的现实问题基础上，明确数据分析的对象和预期结果。绿色食品全产业链通过大数据平台要实现协同产品、生产、流通和协同质控等目的，大数据分析的对象主要是绿色食品产业链种植环节生成的绿色农产品种植技术信息、土壤信息、种植农户是否掌握绿色农产品种植技术、天气信息、病虫害信息、仓储信息等，加工环节生成的加工工艺信息、加工流程信息、采购信息、库存信息、物流信息等，消费市场环节生成的消费者的偏好信息、支付意愿信息、绿色标识认知度信息、物流配送信息，零售店铺区位信息等。数据分析结果主要是对生产基地绿色农产品的品质控制状况、检测合格率、仓储容量饱和度等，加工企业的库存率、产品合格率等，消费市场的物流配送效率、流量变现能力等数据的预测和控制。

1.1.2 数据传输 绿色食品产业链各环节主体通过传感器、视频监控、企业信息管理系统、点击流量和其他数字源等途径生成海量的原始数据，必须将其传送到数据存储基础设施等待进一步处理。数据传输过程由IP骨干网传输和数据中心传输2个阶段构成，IP骨干网提供高容量主干线路将大数据从数据源传递到数据中心，在数据中心内部进行存储位置的调整和其他处理。

1.1.3 数据预处理 由于数据源的多样性，数据集由于干扰、冗余和一致性因素的影响具有不同的质量，需要通过数据集成技术，在逻辑上和物理上集中来自不同数据源的数据，为用户提供统一视图。数据集成主要包括提取、变换和装载。将分散的异构数据源中的数据提取到记录绿色食品产业链业务流程信息的数据仓库，通过一系列的规则将提取的数据转换为标准格式，装载入目标存储基础设施。

1.2 数据存储

数据存储主要解决的是大规模数据的持久存储和管理的问题，即绿色食品全产业链大数据平台数据存储子系统将收集的信息以适当的格式存放和以适当的方式组织信息，以待分析和价值提取。为满足链条各环节主体协同创新的需求，数据存储子系统应具有2个特征：存储基础设施应能持久和可靠地容纳信息；存储子系统应提供可伸缩的访问接口供用户查询和分析巨量数据，基于SAN的存储虚拟化和NoSQL(非关系型数据库)技术可很好地满足这一需求。

基于SAN(Storage area network)的存储虚拟化是将绿色食品全产业链系统的数据存储在由多个网络存储设备合并成的单个存储设备上，使每个存储设备如同直接连接在计算机上，可直接访问。充分利用集群计算和存储能力，将绿色食品全产业链系统的服务器、存储设备、网络设备虚拟化并灵活配置，使网络中各种不同类型的存储设备协同工作，共同对外提供数据存储业务访问功能，完成海量数据的存储和处理，为数据使用者提供高共享、高性能的数据服务。在数据管理上，传统的关系数据库系统难以解决海量数据带来的多样性和规模的需求，由于具有模式自由、易于复制、提供简单API(Application Programming Interface)、最终一致性和支持海量数据的特性，绿色食品全产业链大数据平台应采用NoSQL支持海量产业链数据的存储和柔性管理。NoSQL是非关系型的、分布式的、不保证遵循ACID原则的数据存储系统，根据绿色食品产业链各主体业务需求，可通过NoSQL进行服务定制和组装，实现绿色食品协同产品、协同生产、协同流通服务等功能，相关链条主体根据不同权限，通过服务访问接口，对不同的资源服务进行注册、查找和调用，实现各种应用的运行与维护。

1.3 数据分析

数据分析是利用分析方法或工具对采集的数据进行检查、变换和建模，并从中提取价值，其目标是提取数据中隐藏的数据，为绿色食品产业链各环节主体提供有意义的建议及辅助决策制定。绿色食品产业链的大数据分析的基本过程主要包括：匹配数据分析算法、提取数据模式及生成数据分析工具。

1.3.1 匹配数据分析算法 根据数据分析深度将数据分析分为3个层次：描述性分析、预测性分析和规则性分析[13]。描述性分析基于历史数据描述，在大数据分析层，采用神经网络算法和指数平滑算法，对绿色农产品生产基地、绿色食品零售商和消费者进行画像。预测性分析用于预测未来的概率和趋势，预测性模型使用线性和对数回归等统计技术发现数据趋势，预测未来的输出结果，并使用数据挖掘技术提取数据模式而给出预测。采用指数平滑算法和多元回归分析算法可对绿色农产品的检测合格率、准时交货率、库存数量等数据进行预测与控制。规则性分析主要解决决策制定问题和提高分析效率，仿真用于分析复杂系统以了解系统行为并发现问题，而优化技术则在给定约束条件下给出最优解决方案。为更好地满足消费者个性化、多样化的消费需求，采用关联规则、文本分析等智能化算法，精准挖掘消费者的潜在需求，对消费者进行组合销售和精准营销。

1.3.2 提取数据模式 数据分析算法可挖掘出多种模式，使用智能方式提取目标数据中的数据模式，用户筛选并识别出所需或适用的模式，并采用可视化和知识表示技术加以应用。

1.3.3 生成数据分析工具 数据分析工具封装了神经网络、指数平滑、回归分析、关联规则等数据挖掘算法，用户在使用时只需根据自身需求目标，直接操作数据分析工具，即可实现绿色食品产业链业务的大数据挖掘和分析，为绿色食品全产业链的协同创新提供数据支撑。

2 大数据环境下绿色食品全产业链增值的应用模式

大数据平台通过整合大量的实时和历史交易信息，可帮助绿色食品产业链上各环节主体识别开发新产品的机会，了解客户需求，从而找到新的管理方法和服务方式。绿色食品按加工流程的不同可分为无需精加工直接从生产基地流向消费市场的生鲜农产品及需要进行精加工的加工食品2类。在上述模型的基础上，针对绿色生鲜食品提出以绿色食品零售商为主体的线上线下一体化模式，针对绿色加工食品提出以绿色食品加工企业为主体的智慧供应链协同模式，以便利用绿色食品全产业链大数据平台，共享种植、加工、销售的绿色食品全产业链大数据，打造以大数据平台为核心，以满足消费者需求为导向，按需生产的高效协同绿色食品全产业链模式。

2.1 绿色食品零售商为主体的线上线下一体化模式

以市场需求为导向为绿色食品全产业链的整个运作过程指明了方向，大数据平台通过捕捉消费者的需求信息和消费习惯，及时获取需求状况，并根据需求状况合理安排生产计划，组织生产。绿色生鲜食品无需加工，直接从生产基地通过冷链物流运送至零售商或消费者，因此对于绿色生鲜食品类产业链而言，消费市场承担着消费者数据收集的主要任务，是整个链条优化整合的关键。绿色食品下游零售商通过建立消费者会员制度维系顾客，收集消费者数据，同时通过电子商务平台链接大数据中心，借助智能物流实现高效配送，实现线上线下一体化(图2)。

零售商通过微信公众号、微信小程序、APP等线上方式与绿色生鲜食品消费者建立紧密联系，建立会员制。大数据中心链接后台系统收集并处理会员数据，将处理结果反馈给零售商，使零售商为会员提供更满意的服务，同时会员制还有助于植入绿色生鲜食品品牌理念，提升会员的忠诚度。大数据平台一方面可根据对会员消费习惯和消费能力等方面数据的分析对会员进行分级管理，为各等级的消费者提供特定的优惠与附加服务，提高会员管理效率与有效性；另一方面可根据对会员日常消费情况的分析结果向会员主动推送符合其爱好、日常购买习惯的有价值信息，提高商品流量。

绿色生鲜食品零售商通过电子商务平台链接大数据中心，将线上线下的入口、商品、体验、支付、配送、售后等环节打通，建立线上线下一体化的销售模式，让消费者自由选择，优化其购物体验，提高对绿色食品的忠诚度。线上线下在保持原有功能的基础上，线上承担数据收集与挖掘、客户服务等，将数据直接传输至大数据平台，线上的数据分析结果用于指导线下商品的上架和陈列；线下则根据大数据平台的分析结果承担场景打造、仓储等，线下的场景体验用于增强消费者对线上商品的感知，从而为顾客带来更好的消费体验。绿色生鲜食品的物流配送通过大数据中心积累网点、干线、终端、人员等数据信息，科学制定配送方案，并为消费者和零售商提供物流信息服务。线上线下实现商品、价格、支付方式、物流、售后、会员、信息等环节一体化。

2.2 绿色食品加工企业为主体的智慧供应链协同模式

绿色加工食品需对生产基地生产的绿色农产品进行加工后再销售，对于绿色加工食品而言，产业链中游绿色食品加工企业是全产业链中最核心和最具有竞争力的部分，绿色食品加工企业通过企业信息管理系统和大数据中心链接，收集、存储和分析企业的采购、加工、库存、物流、销售数据，并将分析结果应用于企业决策，使决策更加智能、科学，以绿色食品加工企业为核心，实现智慧供应链协同(图3)，绿色食品加工企业应通过企业信息管理系统建立协同标准的数据化业务流程，包括协同产品设计、协同生产决策、协同库存和物流。

2.2.1 协同产品设计 绿色食品零售商通过线上流量收集市场数据，生产基地通过传感设备、生物监测等收集绿色农产品种植数据上传至大数据中心，绿色食品加工企业通过大数据中心，根据一定的算法和模型，围绕品类趋势、客户购买行为、经营活动等开展分析与预测，动态调整生产基地绿色农产品的种植情况，协同产品设计。

2.2.2 协同生产决策 绿色食品生产基地通过定位设备、传感设备、生物监测设备等收集绿色食品基地信息并上传至大数据中心；绿色食品加工企业根据生产基地数据及外部数据分析绿色食品生产的关键参数，并建立关键参数预测模型，对绿色农产品种植状况、绿色食品加工状况进行分析，生成改善信息指导生产。在加工企业车间布置监测设备，生产数据实时上传至大数据中心，根据由生产标准及已有数据形成的大数据模型，反馈生产是否异常等情况。同时通过大数据技术实现生产设备相关参数信息的监测，以便及时识别问题部件，提供维护建议。通过对整个链条内外部多态、异构数据的整合，依靠绿色农产品供应、加工、订单、需求数据的实时处理实现协同生产决策。

2.2.3 协同库存和物流 绿色食品加工企业通过大数据平台，利用物联网、云计算等信息技术和上下游企业共享需求预测、库存数据及库存调拨情况、物流路线、人员、网点等，一方面可避免整个供应链中因库存水平过高造成的成本增加；另一方面通过实时更新分析的数据规划执行科学经济的库存和物流方案，整合交易信息、生产信息实现协同库存与物流。

3 结语

互联网时代下，大数据已成为推动绿色食品全产业链增值的关键因素，构建大数据平台对于绿色食品全产业链发展具有重要战略意义。为解决链条中数据无法实时共享的问题，基于协同创新理论，构建以数据采集、数据存储、数据分析为核心的大数据平台模型，并根据模型提出了针对绿色生鲜食品的以绿色食品零售商为主体的线上线下一体化模式和针对绿色加工食品的以绿色食品加工企业为主体的智慧供应链协同模式，以期在推动消费者消费结构升级，提高政府部门食品安全监管效率的基础上，为促进绿色食品全产业链增值提供思路。