互聯網, 大數據, 雲計算在不斷顛覆傳統產業格局, 抓不住新的發展機遇很可能會被行業所淘汰. 行業大數據為農機企業獲得更為深刻, 全面的洞察能力提供了前所未有的空間與潛力, 藉助大數據及相關技術, 能夠規避資訊孤島, 數據煙囪現象, 制定針對性發展與競爭策略, 實施個性化精準營銷.
目前, 農機產業正處於市場深度調整, 產業創新轉型, 產品升級換代的關鍵階段, 盤活存量, 優化增量步伐不斷加快. 行業大數據作為行業發展變化的晴雨表, 已成為資訊化的重要組成部分. 業內會據此研判, 規劃, 決策, 農機企業會據此制定戰略, 優化資源, 提升能力, 用戶會據此安排購機時間, 購機對象, 作業生產, 大數據的決策支撐顯得更為重要. 可以說, 行業對大數據的重要性基本上達成了共識. 同時, 由於行業大數據存在企業, 單位之間相應的資訊壁壘, 數據梗塞,不同單位, 不同企業等普遍存在數據封鎖現象,大部分數據難以做到有序融合, 協同推進, 增加了數據採集, 整合的難度.
近日, 在一次行業交流會上有多位專家希望各方重視大數據建設, 呼籲規範, 加強農機行業產銷, 農藝等數據, 得到相應的響應和支援. 農機行業內一直缺乏大數據平台建設. 相對較好的產銷數據就有多種口徑, 以骨幹企業的, 部分企業的, 預判的等數據來源差異較大. 以大中型曳引車為例, 有的專家判斷行業銷量接近50萬台, 有的行業數據顯示30萬台左右. 缺乏全面, 精準的數據支撐, 農機企業很難具體掌握市場的真實情況, 容易造成 '市場繁榮' 或 '市場低迷' 的誤判. 在戰略決策上, 有的農機企業認為行業低迷只是一種短暫現象, 堅信 '扛過去就是春天' , 並沒有選擇收縮戰線, 以降低經營風險, 而是堅持原來粗放型的增長策略, 全面追求 '業績瀑布' . 有的企業認為行業已經到產業轉型的關鍵期, 進入提質增效, 增速放緩的新常態, 主動優化相應的資源投入, 調減經營目標, 控制存量, 優化增量, 加快產業轉型, 尋找, 把握新的發展機遇.
客觀的說, 行業大數據正處於起步建設階段, 開始具有一定的參考價值作用. 綜合看待行業大數據發展情況, 仍有一些發展中遇到的數據來源難題. 農機, 農藝, 農資及客戶關係等大數據缺失內容較多, 很難給業內單位以具體的資訊決策支援, 遠達不到科學, 全面, 準確, 及時的資訊傳遞要求.
一是行業大數據有待系統. 行業大數據最基本的要求是能夠展示行業全貌, 不能出現 '有隻能參考, 無不傷大雅' 的現象. 行業大數據統計內容呈現出六多六少的現象, 農機數據多, 農藝數據少, 動力機械多, 配套農具少, 傳統企業多, 新興企業少, 中低端產品多, 高端產品少;總量數據多, 細分數據少, 機型數據多, 區域數據少. 值得一提的是, 缺少的數據更能體現數據的系統性. 相關制度和標準的缺失, 導致一些部門不願開放, 一些企業不願共用自身數據.
二是行業大數據有待全面. 區域農機農藝, 農資融合數據多處於薄弱階段, 難以有效支撐傳統產品的改進和新產品的研發, 制約全程機械化產品的發展, 難以持續做到農作物全生命周期內設備作業工況的監控. 國補數據由於部分區域政策對相關低端, 飽和等產品不予補貼, 整體行業資訊很難全面體現. 行業協會數據主要缺少新興企業數據, 區域銷售等數據支撐. 近幾年農機新興企業增加, 尤其是曳引車三四線品牌主導產品銷量已經成為100馬力以上功率段重要的組成部分. 看不到新興企業的產品變化, 難以在市場叢林中發現隱藏的幼虎. 面對產業升級, 行業洗牌步伐加快, 新興企業已經在數量上撐起半壁市場, 有望獲得新的產業優勢. 客戶關係建設多數企業缺乏相應的建設, 數據缺乏連貫性, 系統性. 其中, 區域需求數量, 機型更能展示出市場發展, 用戶需求的規律, 是最具研究價值的數據基礎.
三是行業大數據發布有待敏捷. 多數行業資訊發布尚不能做到以月為單位的階段性發布, 需求單元難以源源不斷獲取所需的精準, 即時的數據. 補貼數據由於各地開網, 關網及補貼資訊時間不同, 同口徑行業數據資訊難以及時顯示. 同時, 市場透支因素造成的補貼產品資訊滯後, 動態市場真實競爭狀況難以具體體現. 農機具產品缺少相應的行業統計資源和平台, 雖有行業協會能夠發布個別產品資訊, 多數仍處於 '待整理' 階段, 整體行業數據很難及時得到發布. 農藝, 農資受制於種植模式, 季節需求及統計資源, 統計人員綜合素質, 工作量繁重等多方面影響, 更是難以做到及時的整理和發布.
在產業轉型深入發展, 市場深度調整的背景下, 農機市場發展周期性, 結構性, 階段性因素相互疊加, 推動, 提醒行業切實加強大數據建設, 面對潛在風險和機遇, 要早識別, 早預警, 早發現, 早處置, 做到未雨綢繆, 防患未然. 行業大數據建設必須做到持續推進, 加強完善, 不能像雲像霧又像風.
一是優化大數據資源管理. 整合優化相關資源, 引導大數據健康發展. 目前, 農機企業普遍不具有建立相關大數據的資源, 要打破 '資訊孤島' 和 '數據煙囪' , 改變數據的碎片化現象, 需要政府相關部門, 行業協會的支援和引導. 制定或完善相應法律法規, 規章制度, 利用資訊化手段完善市場監管, 及時發現, 解決大數據發展中存在的問題, 形成線上線下一體化監管格局. 通過採用行政收集, 網路搜取, 自願提供, 有償購買等方式, 引導企業, 行業協會, 科研機構, 社會組織等主動參與, 研究制定數據開放的實施辦法, 以法規制度規範數據開放的內容, 使用途徑.
二是全面提升數據人員素質. 由於大數據剛剛興起,處於起步階段,而農機產業大數據的基礎工作相應薄弱,需要在人才培養, 人才引進等方面賦予更多的推動資源. 整合企業, 機構等社會資源, 推動戰略合作, 構築互惠關係, 構建大數據產業專業人才教育培訓長效機制. 完善人才配套激勵政策, 吸引高層次人才, 建立柔性引才機制, 打造大數據的創業創新支援體系, 人才高地.
三是創新大數據建設方法. 重點推進農機, 農藝, 農資, 電子商務等行業數據加工服務, 打造 '大數據+' 產業模式. 推進大數據與農業, 經濟運行, 客戶管理等深度融合, 讓數據有序, 安全, 可控的流動到所需要的使用客戶當中. 業內單位應利用大數據分析, 獲取農業種植全周期市場調研, 產品研發, 產銷協同, 機藝融合, 精準營銷, 售後服務等產品全生命周期管理的雲服務和雲應用, 提高決策支援, 運營效率, 推進產業製造向產業智造, 產業創造轉變與發展.
珍珠雖美, 需要連結. 行業大數據建設是一項系統的工程, 達到資訊暢通要求, 規範發展仍面臨諸多的困難, 需要各方聚力, 協同推進, 建立長效發展機制. 業內應以客戶為導向, 加強大數據的建設和使用, 主動研究市場變化, 為產業發展積蓄更多底氣, 著力打造出一張行內大數據發展的 '新名片' .