基于大数据的农业示范区监测评价流程优化研究

何岩巍李慧强

(1.北京市社科院，北京 100101；2.中国粮食研究培训中心，北京 100125)

近年来，信息化已经成为引领创新和驱动农业转型升级的先导力量，成为农业农村现代化的制高点[1]。国家现代农业示范区是推进农业信息化进程的重要抓手。但是从相关研究来看，关于监测评价体系研究主要集中在国外，国内对相关监测评价的研究相对较少，基本上由政府主导[2]。以往研究主要侧重于监测、评价的定义以及监评体系理论和方法等方面。相对而言，监测评价体系在教育等领域应用相关的研究较多[3],从大数据等信息技术角度切入的研究较少，对大数据在示范区监测评价体系中的应用推动较为有限。相关领域，如电力行业基于传感器作为终端数据采集的工具等关于智能电网监控系统构建研究，可启发示范区大数据监测评价体系的研究[4]。

1 相关概念的界定

监测评价是现代项目管理的重要方法与工具，已在联合国系统的扶贫开发、一些发达国家和发展中国家的政府公共投资项目中得到广泛应用。农业项目是监测评价的重要应用领域之一。

监测和评价既有联系也相互区别，如世界银行对项目监测一般通过监督团检查、进度监测和第三方专项监测等方式进行。项目评价则采用自评价和独立评价相结合方式，自评价包括年度、中期和项目最终评价3部分。自评价报告完成后要接受世界银行的审查。独立评价是独立评估组在项目完工后对完工报告和项目绩效进行审查和评估。世界银行重视自评价的作用，将其作为监测评价系统的重要环节，不断采取措施提高自评价的质量[5]。但国内在应用层面对这两个概念的区分并不清楚，所以有研究者认为，由此导致了监测和评价工作未取得应有的效果[6]。

结合我国实际，认为对日常管理进行研究并对一些问题进行调查和分析研究即称之于监测；对监测报告进行分析，并结合一些深入研究便构成了执行评价报告。两者都可视为一种评价，监测可以理解为一种简单快速的评价，评价则是对项目的深入、全面及战略性地评价。

随着大数据的不断发展，关于大数据的定义也呈现多样化的趋势。国际数据中心IDC认为大数据技术描述了一个技术和体系的新时代,被设计于从大规模多样化的数据中通过高速捕获、发现和分析技术提取数据的价值。一般认为，大数据是指无法通过传统数据库软件等工具对其进行采集、存储、管理以及分析的数据集合[7]。或指数量巨大、类型众多、结构复杂、有一定联系的各种数据所构成的数据集合[8]。事实上,经过长期信息化建设,包括农业示范区等各领域都在日常管理中累积了大量的数据，但未对这些数据的价值进行充分挖掘，在示范区未来多种数据的融合过程中，数据对管理决策的支持作用将逐步显现。因此，认为大数据是指在一定时间范围内用常规和非常规软件工具进行捕捉、管理和处理的数据集合。

随着大数据技术在监测评价体系中应用不断深入，监测与评价之间的界限将趋于相同。通过大数据技术在农业示范区监测评价流程中的梳理，可为农业信息化时代的到来做些有益探索。

2 大数据在示范区监测评价流程中的现状

自创建国家现代农业示范区以来,特别是在引入信息技术以来，农业示范区的功能日趋完善，成为现代农业发展中重要的农业生产经营主体，不断在全国发挥着重要的引领、示范和推广作用。目前，示范区信息化监测评价流程已初步构建，但大数据在监测评价流程中的服务还不到位，对提高农业经营管理水平还有待提升。特别是随着“新基建”的不断深入，示范区监测评价体系中的大数据应用进程缓慢，没有跟上形势发展的需要。

2.1 示范区监测评价流程已经初步构建

按照评价程序规定，采集程序采取由下向上的方式进行，即各示范区人民政府组织或农业农村部直属垦区逐级上报，进行数据采集、整理、核实，编制自评价报告以及审核认定，最终形成自评价报告对外发布。相应的监督管理也是逐级负责。

从执行手段上看，监评体系首先作为一种管理手段出现，通过收集资料，再分析加工成信息，然后反馈给有关各方改善管理。这一方法从创立之初，就伴随大量的数据收集、存储、整理、运算、分析和传输等职能。

2.2 大数据在监测评价流程中的作用需要加强

传统信息采集依赖人工输入，效率低、出错率高。以计算机和通信技术为基础的自动识别技术将数据自动采集，使得人们得以对大量数据信息进行及时、准确地处理。而大数据技术不仅仅能够对一些大量的、简单的数据进行处理，还能够处理一些复杂的数据，如文本数据、声音数据以及图像数据等。

对示范区信息系统来说，数据采集是实现数据采集管理系统的关键技术基础，从信息系统的基本模块上看，基本模板中仍缺失一些相应的基本功能。

如，在“数据查询”中，缺少统计分析功能，所有的数据均需通过“导出到Excel(评价得分)”和“导出到Excel(基础数据)”，把相应的数据下载下来进行人工统计，与此相关的报表分析功能也需要人工完成。这说明满足项目管理实际需要的汇总统计报表的功能存在着缺失，导致巨大的数据量均需人工进行计算，不但耗时费力，准确度较差，还延误影响相关工作的顺利开展。

2.3 示范区大数据的应用不能适应形势发展的需要

监测评价流程在建设之初，对系统要求不高，基本适合使用需求。但随着形势的变化，示范区大数据的应用已越来越不能适应新形势发展的需要。随之而来的农业技术服务、农业信息化和市场化服务不到位等多种问题亟待解决[9]。

目前示范区监测评价体系的功能有限，不能支撑示范区进一步发展。特别是示范区从数据采集、鉴别审查数据真实性，对数据进行分析，到最后数据应用等方面，都需要耗费大量的人力物力，给示范区管理带来不少成本、效率和风险方面的问题。

近年来，以技术创新为核心的“新基建”促进了互联网驱动包括国家现代农业示范区在内的相关领域流通业效率提升的程度,且随着技术创新不断跨越门槛值,互联网驱动的网络效应不断增强。随着“新基建”的不断深入发展与应用，对包括国家现代农业示范区在内的相关领域产生了不同程度的影响。5G、大数据和人工智能等技术创新不断跨越门槛值，互联网驱动的网络效应不断增强[10]，这意味着国家层面新一轮大规模信息化建设的展开，目前示范区要紧跟上时代发展的趋势，不断强化大数据等信息技术在监测评价流程中应用深度和广度。

3 大数据在示范区监测评价流程中的应用研究

通过对大数据在示范区监测评价流程中的数据采集、数据处理和数据应用等方面的梳理，可以看到目前大数据在示范区监测评价流程中的发展水平和所处阶段,有利于把握示范区大数据整体建设现状。通过梳理、完善其中的问题,在未来政策和技术层面作出规制调整，以至于探索出可推广的模式或经验,在其它农业或农业之外的经营主体之间提供借鉴,加快大数据在监测评价体系中的融合与应用。

3.1 在数据收集中的应用

具体包括数据网上填报、数据导入加载、数据库对接等步骤。

3.1.1 数据网上填报

这是数据采集的主要途径，数据在线网上填报提供一套基于采集报表或电子表单的在线数据填写、审核和提交功能，并在这一完整填报过程中，提供多种辅助功能用于帮助用户更方便、更快捷地完成填报工作，对于采用数据交换、数据库对接等方式作为主要采集形式的采集业务，数据在线填报同样可以作为备用采集方式存在。

3.1.2 数据导入加载

数据导入加载同样基于采集任务的定义和配置，通过集成可配置的ETL工具，并在此基础上开发相关业务管理功能，来支持多种数据格式(如Excel、DBF、TXT、CVS等)的大批量数据的高效导入和全过程管控。在导入整个过程中会对过程信息进行记录，并提供相应的查询统计和过程审计功能。对于导入后的数据，可在数据网上填报功能配合下进行数据查看和审核处理。

3.1.3 数据库对接

此功能主要包括数据库对接配置、数据库对接执行、数据查询和审核、业务过程查询统计功能。如，数据库对接配置的主要工作是定义源数据库(及数据表)和目标数据库(及数据表)之间的复制关系和数据库对接的执行规则；数据查询与审核功能主要是对通过数据库对接方式进入系统的数据进行查询和审核。

此外，也可以通过与相关企业或研究机构合作，使用特定系统接口等相关方式采集数据。

3.2 在数据处理中的应用

具体包括数据查询、数据分析、数据统计与比对等方面。

3.2.1 数据查询

这是各层面用户使用数据资源的最基本操作，在数据资源整合和集中存储的基础上，系统提供多种、方便、灵活的查询手段和结果展示方式，支持各层面用户对数据资源体系进行数据查询和结果展现；支持查询条件的保存和复用。其中，总体情况统计查询能系统查询所有示范区承担的建设项目的相关数据。

3.2.2 数据分析

主要提供基于主题和主题数据的分析应用、基于开放式分析服务平台的高级分析应用等多层次的数据分析，用于满足不同层次用户的数据分析需求。其中，按指标体系的数据分析，可以按照各示范区现有指标体系分别查询相关数据，汇总查询，并能进行自动汇总计算。

3.2.3 数据统计与比对

对进入本系统中的流程，可以根据各种条件进行统计，无论是归档还是未归档的，只要是在本系统中曾经办理过的文件，都可以进行统计。统计时，根据不同人员的权限，可统计出的结果也不一样。在基层用户将数据录入到系统之后，能够根据现有数据进行分析、生成统计报表。

3.3 在领导决策中的应用

在数据决策应用阶段，围绕业务联动及业务综合管理，以多种实现方式支持数据的互通共享，提高对数据的整体处理及分析能力，满足领导对数据查询和数据分析的需求，为领导决策提供基础支撑。除年度监测评价向社会发布以外，还要借当下乡村振兴战略发展契机，获得最高决策层面的反馈意见，全方位满足领导决策分析的需要，从而充分发挥监测评价的导向作用。

领导决策的应用主要体现在信息系统“数据查询”功能模块中增加的“决策使用”子系统。从使用的舒适度上看，提供个性化定制平台，包括提供个性化的报表模板定制、分析模板定制、预警预测模板定制、展示图形定制等多种个性化定制功能，可为不同的业务应用、不同的领导决策提供相应的信息服务。

未来信息系统的改进方向是在国家层面进一步实现跨部门、跨行业的数据协同与共享。

4 对策和建议

根据国家现代农业示范区现状的分析，大数据在示范区监测评价流程中的应用梳理，可以从整体架构、流程优化以及体制机制等方面入手提出对策建议。

4.1 完善示范区监测评价体系信息化整体架构

示范区监测评价流程建设要在整个系统框架的背景下研究深化信息化流程应用。要提升系统安全性，信息平台要提供严密的安全机制，可以为各层级用户按需求提供所需数据服务，从存储、传输、应用等各个层面提供全面的安全解决方案。增加完善分析汇总模块功能，并在此基础上实现多种形式的数据统计、数据分析、辅助决策支持和报告等功能，减轻相关部门的无效工作量，提高工作效率。也可以预留示范区所在区域社会、经济、福利状况分析链接端口，以满足监测评价战略承接的需要。要对监测评价流程进行优化，各级政府机构、各级领导、社会公众提供优质的信息服务。

4.2 强化示范区监测评价流程优化建设

目前大数据在示范区监测评价流程中的应用实质是流程优化，信息化可以使相关人员对流程严格遵守，这本身就是一种执行力的体现。对示范区监测评价来说，这些主要体现在数据收集、数据处理和数据应用3个方面。特别在数据决策应用阶段，基于高质量的数据资源，通过多种直观数据综合应用展现方式，满足不同层面的数据信息需求。要获得最高决策层面的反馈意见。未来流程优化的方向是通过流程来促进组织变革，让组织适应流程而不是流程适应组织，最终达到无边界管理。

4.3 健全示范区监评体系体制机制

目前监评机构多为农业主管部门的下属机构或挂靠在这些机构下，相对独立的评价，体系并未真正成立。这些监评机构多数由外部推动型开始，内在需求不足，难以真正发挥监评机构的职责和功能[11]。根据示范区目前实际情况，可将示范区管理办公室升格，地方各级监评机构也进行相应的处理。总之，从各个方面合力推进不断加快示范区简单信息技术的应用，促进管理模式和组织结构的变革，通过大数据的应用，不断推动信息技术的高级应用阶段的到来。