黄桂恒认为，农业大数据的难点就在于数据定义模糊，结构化程度也低，在生产端和农时同频，在加工端和交易、物流同频。在空间上数据的密度非常低，有在空间上的稀疏，有在发生数据主体上的稀疏，有在价值链上的稀疏。一个产品各个层面的管理都会涉及在场景上不可控，最后导致数据的获取和维护成本非常高，整个数据应用的价值链比较模糊。包括作物模型、产销对接、溯源可靠性、价格指导等。并且农业试错成本极高，因为农业生产不可逆、周期长。因此一定要共建、共享、共用来整合数据信息。利用模式识别在成本可控的情况下把多元数据进行整合，提供可用可持续数据的应用场景。

黄桂恒表示，在供应端要做数字化，要把农产品供应的信息、生产的信息，利用尽可能多的手段下沉下去整理出来。做消费的数字化，不光要做信息的整合，更要做交易资源的整合。依托数据孵化产业，产业带动数据变现。数据变现以后带动整个循环。如果将农业数据资源织成一张网，线是横向的连接，产业是纵向的连接，空间上以线为目标，把线为单点的数据整合上来，把数据的治理标准、数据资源的支撑、智能的分析做起来，在产业上以重点产业为导向，把生产、加工流通到贸易，再到下游的消费组装起来，甚至上游的种质资源。

黄桂恒指出，需要通过打造数据的利益共同体来推动产业的信息化、数据化和智能化的升级，从订单的數字化到过程的数字化，也就是种、管、收过程的数字化，再到履约的数字化，包括中间的物流、结算等。……