“大数据+电商”精准扶贫方案

《“大数据+电商”精准扶贫方案》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、“大数据+电商”精准扶贫方案一、背景习近平总书记指出，全面建成小康社会是让全体中国人民迈入小康社会，决不让困难地区和困难群众掉队。2015年11月29日，中共中央、国务院发布《关于打赢脱贫攻坚战的决定》，正式宣布实施精准扶贫战略，发起新一轮扶贫开发攻坚战，明确提出到2020年将实现现有标准下7000多万贫困人口全部脱贫。同时在2017年10月18日召开的党的十九大上，习近平总书记再次把扶贫提高到新的战略高度，并对扶贫攻坚提出了新思想、新目标和新征程。近年来，随着互联网普及率不断提高，电子商务快速

2、发展，越来越多的农民通过电子商务实现了脱贫致富。尤其是近些年来自下而上迅速兴起并已呈全面爆发之势的各类“电商村”，充分展示了贫困落后地区借助互联网实现跨越式发展的巨大潜力。正是鉴于电子商务给部分农村地区带来的巨大变化，国务院扶贫办于2014年将“屯商扶贫”正式纳入扶贫的政策体系，并作为“精准扶贫十大工程”Z—从2015年开始实施。2015年11月，国务院办公厅印发的《关于促进农村电子商务加快发展的指导意见》指出，“农村电子商务是转变农业发展方式的重要手段，是精准扶贫的重要载体。”随着大数据技术的

3、发展，“大数据+电商”精准扶贫的技术实现已基本成熟。大数据应用能够揭示传统技术方式难以展现的关联关系，建立“用数据说话、用数据决策、用数据管理、用数据创新”的管理机制，实现基于数据的精准扶贫决策，推动构建精准扶贫工作长效机制，为科学扶贫奠定坚实基础。二、电商扶贫工作的难点（一）数据展现不直观、不及时，导致上级部门决策难电商扶贫工作是一项覆盖面积大、持续时间久的长效工作，贫困户农产品数量、价格数据实吋变化，给数据统计汇总工作带来极大困难，传统的数据列表汇总、上报方式难以应对如此规模的信息统计，数据

4、展现不育观、不及时，不能满足新时期扶贫开发的需要，使得上级部门难以做出决策。（二）农产品数据展现形式过于单一，不利于精准售卖扶贫电商针对农产品的销售数量及情况的数据统计大多数只停留在数据报表的形式上，无法对复杂数据之间的关联关系清晰、有效的传达给扶贫单位正确有用的信息内容。（三）农产品价格监管不足随着消费需求快速扩展、市场主体数量快速增长，分散的农产品价格信息数据与不断涌现的市场价格乱象凸显扶贫监管资源、监管能力不足。三、系统设计思路（一）扶贫电商数据实时、直观展示，为扶贫工作赋能通过大数据可视

5、化分析平台，对扶贫电商农产品各类数据属性进行实时、育观展示，如有很多人来买海南香蕉，这些人来自哪里，寄往何处，通过大数据平台汇总分析，一目了然，为精准推介宣传做好强有力的数据保障，从而提高农产品市场竞争力，提升扶贫电商平台服务水平。同时有效的传达给扶贫单位正确有用的信息内容。（二）经济效益增长，为扶贫成果提供支撑通过大数据可视化分析平台，对扶贫电商农产品产品的数据、用户数据、销售数据、物流数据等进行深度挖掘，辅助农产品在生产、销售、配送等各个环节进行决策，持续优化电商扶贫业务流程，实现一体化的线

6、上线下整合，同吋通过大数据挖掘需求后，将需求准确传达给贫困农户，并对后续的生产和加工过程进行引导,最终实现农户经济效益丰收。（三）精准农产品数据分析通过农产品价格分析中心，对扶贫电商农产品价格进行价格分析、商品价格走势分析、商品价格涨跌幅分析、商品产地分布分析、商品销售地域分析，从而对农产品的价格进行有效监管和扶持。同时还能监测农产品生产规模、分布和销售动态,可以快速、精准地指导扶贫工作的实施，以数据化促进脱贫攻坚，直观展示扶贫帮扶详情。U!系统解决方案利用先进的人数据和电子商务紧密结合，并基于

7、数据可视化技术建设“大数据+电商”精准扶贫系统，对电商数据进行专业化处理，实现农产品数据的可视化展示，为各级相关行业部门针对贫困村贫困户的精准扶贫业务提供协作和科学依据,同时帮助贫困群众农产品销售，以电商促市场、以市场带基地、以基地带动农民脱贫致富。“人数据+电商”精准扶贫系统屮的运用到大数据技术的模块主要包括农产品信息基础数据平台、农产品价格分析中心以及大数据可视化分析平台。系统架构如下：农产品价格分析中心大数据可视化分析平台农产品信息基础数据平台精准电商扶贫系统“大数据+电商”精准扶贫系统架

8、构下面重点介绍“大数据+电商”精准扶贫系统的主要组成部分。(-)农产品信息基础数据平台农产品信息基础数据平台是扶贫电商技术基础平台，以开源Hadoop、Spark为基础组件，提供一个能够对海量农产品数据进行分布式处理框架，为处理多样化数据提供一个超越传统技术的解决方案。农产品信息基础数据平台软件包含几十种大数据生态圈中的主流组件，能提供对结构化数据、非结构化数据、图片等多媒体数据的采集分析和处理等能力。能够支撑多种计算类型的应用的混合负载，例如批处理应用、交互式查询、高频读写、全文检索、数据挖掘