人口的迅速增长，对粮食生产提出了更高的要求。截止到2013年1月，世界人口数量已经达到70.57亿，预计到2050年将达到90亿。与半个世纪之前相比，世界耕种土地面积仅提高了12％，照这个趋势下去，农业生产力必须提高60％才能满足日益增长的粮食需求。
尽管农业生产力已经比50年前提高了3倍，但是仍然不足以应对人口增长带来的负担，很多生产力低下的地区仍然面临巨大的食物缺口。2011年，非洲东北部地区由于遭遇干旱问题爆发了严重的饥荒，吉布提、埃塞俄比亚、肯尼亚和索马里的1330万人口受困，因缺少食物和水而挣扎在死亡边缘的人口数量高达32万。提高农业生产力，解决粮食需求问题迫在眉睫。
至于如何才能提高农业生产力，大数据时代的智慧农业不失为一种可行的解决方案。2009年以来，物联网随着大数据技术的发展而发展起来，并迅速在工业、医疗、家居、交通、物流等各个行业得到了广泛的应用，物联网在农业领域的应用与现代精细化农业结合，就构成了智慧农业的雏形。
在人与物、物与物相连的物联网基础上，大数据的采集和应用成为了现实，农民、科学家可以自由访问天气变化、农作物生长状态等农业数据，就可以制定精准的操作决策，决定农作物是否需要浇水施肥，进一步提高农业生产效率；如果农民以及农业企业家可以随时掌握市场供需数据，农民就可以根据供需情况来决定种植哪种作物，避免供需失衡带来的损失，企业家也可以选择更好的交易时机，寻求更多的经济效益。
从完全的人工作业，到半机械作业，再到全机械作业，农业经历了漫长的发展过程，农业生产力得到了很大的提升，但是现在的生产力水平远远不足以支撑日渐增高的人口压力，农业需要一场新的变革，促使生产力再次大幅度提升。意识到这个问题，包括政府、企业、社会组织在内的多方力量纷纷投身这场变革之中，推动大数据应用跨界农业。
各国政府积极推动农业数据开放
2009年，美国总统奥巴马承诺建立一个透明和开放的协作型政府，将政府部门的决策和运行数据全部开放，供公众随时查阅。为了兑现这一承诺，奥巴马政府设立了Data．gov网站，使私人开发者可以自由使用政府采集的信息研发创新应用，比如利用网站上的气象信息提供天气播报服务，利用地理位置信息提供基于位置的服务等等，美国农业部基于该网站建立了一个新的门户网站，将348个农业数据集链接起来。
2014年5月，在法国小城多维尔召开的八国集团首脑会议上，与会领导人全体通过了取消数据限制的决议，有一些国家将自己的农业数据库全部公开，其中美国与加拿大和印度三国决定共同建设一个开放性的数据平台，彼此之间实现数据共享。
企业瞄准农业大数据机遇
很多企业瞄准了农业大数据机遇，通过大数据应用实现公司盈利。
天气意外保险公司（TheClimateCorporation）
天气意外保险公司是一家面向美国农民提供天气保险项目的保险公司，该保险内容涵盖各个季节的天气风险。
该公司利用自己的数据平台从250万个采集点采集天气数据，然后结合天气模拟、土质分析等信息，分析出可能出现的意外天气风险，农民通过这个系统模拟出可能出现的天气意外，然后选择合适的保险产品，如果灾害真的发生了，购买了保险的农民就可以从保险公司处得到相应的赔偿。在理赔环节，客户不需要进行繁琐的纸面工作，直接依据天气数据库的数据就可以完成。
2012年，这家运营了6年的公司从数家风险投资公司获得了超过5000万美元的风险投资，融资总额已经达到1.1亿美元。
农场云端管理服务商Farmeron
2011年11月成立的Farmeron是一家农场云端管理服务商，致力于为全世界的农民群体提供网络数据跟踪和分析服务，农民可以利用这款产品记录和跟踪自己饲养的牲畜的种种信息，包括每头动物的进食、繁殖、产奶、用药情况等信息，还有农场的收支、饲料的库存和消耗等各种管理信息。
除此之外，Farmeron会将这些零散的数据进行分析整理，帮助农户制定科学的生产计划。2012年，这家公司从克罗地亚走出的公司已经将生意扩展到了14个国家的450个农场，并获得了140万美元的种子融资。
土壤抽样分析服务商Solum
成立于2009年的Solum是一家土壤抽样分析服务商，致力于为农民提供精细化农业服务，帮助农民在降低投入成本的同时提高农作物的产出水平。
传统农业模式下，农民根据自己的经验来判断作物是否需要施肥，以及使用多少肥料，这样就很容易导致施肥过量，带来种植成本的上升。针对这种状况，Solum在大数据技术基础上开发出了精准的土壤测量系统，实现了更高效、更精准的农产品抽样分析。使用这套系统，农民就可以精准的掌握施肥时机和最合适的施肥量，从而避免化肥过度使用，并且获得更好的收益。
用户既可以使用Solum公司的系统NoWaitNitrate自己进行土壤分析，也可以提供土壤样本，请Solum公司进行更细致的分析。2012年，该公司获得了1700万美元的B轮投资，融资总额已接近2000万美元。
数据驱动的农业实践案例
社区生鲜超市M6的数据化管理
M6是一家2004年创立连锁型的社区生鲜超市品牌，到2013年，M6已经在宁波、上海拥有40多家店，10万余实名持卡用户。M6生鲜超市的成功，离不开其数据化的管理模式。
早在2005年，M6就开始启用数据化管理，所有门店的全部交易都自动存储到总部数据库，每笔交易都有明确的记录，随时可以查询。通过免费办理的实名制会员卡，M6可以掌握每个持卡用户的交易数据，为大数据分析打下基础。
在数据采集方面，M6不放过每一个细节，甚至比一些超市巨头做的还要细致，比如在收银模块，商品信息被扫描之后，顾客临时放弃购买其中几件或者所有商品，那么系统不但会记录这次退单，还会详细记录退单的原因。M6甚至会自动采集天气数据，用于分析天气和时节对顾客消费习惯的影响。
日本都城市利用云和大数据进行农业生产
位于日本宫崎县西南端的都城市，是一个人口密集的城市，该城市已经将大数据技术广泛应用与农业生产中，该地区的种植园区内遍布着大量的传感器、摄像头等终端设备，用于采集农产品的各项指标，并自动将采集的结果上传到云端数据处理中心进行计算分析，分析结果用于指导农作物生产。通过这种方式，都城市的卷心菜产量提高了三成。
告别手工挤奶时代，机器为你代劳
挤奶是畜牧养殖业中最重要也是最繁重的工作之一，传统农业模式下，这项工作全部依靠人工来完成，而现在，欧美地区的大型农场基本都已经告别了手工挤奶时代，挤奶工作全部由机器代劳。
在英国的农场，自动挤奶设备普及率高达九成以上，在挤奶的同时，设备还会对自动对挤出的牛奶奶质进行检测，如果检测发现有几项指标不合格，那么设备就会自动将挤出的牛奶输送到废奶存储器；如果检测合格，设备也会将丢弃最早挤出的一小部分，只保留剩余部分，以避免因奶牛乳头的卫生情况影响产品品质。
除了挤奶环节之外，牲畜饲料的配制、分发、饲喂，以及它们的粪便清理、圈舍管理等环节，也已经实现了不同程度的智能化管理，除了奶牛养殖，养猪与养鱼产业也是类似的情况。
还是以挤奶为例，美国明尼苏达州出产的AstronautA4挤奶机更为智能，不但能够完成奶牛的自动饲喂工作，还能够自动扫描奶牛的项圈，通过这种方式辨认每只奶牛的身份，比如哪只奶牛应该挤奶了，哪只奶牛已经挤过了等等。挤奶的同时，除了检验牛奶质量之外，还会自动跟踪奶牛的个体数据，比如重量、产奶量、挤奶持续时间、反刍时长等等，根据这些数据来计算奶牛的饲料投喂量。
如果某项数据出现异常，AstronautA4就会自动将检测报告发送到农场主的手机，提醒农场主对这头奶牛做出进一步的检查和治疗。
