●
消费者对农产品的不信任，其来有自，你懂得
● 何谓消费者信任？
• 货真价实
• 吃起来、用起来安全
● 许多人想了许多方法，试图解决
• 最常见的是信息收集，不论是称作溯源、农业物联网……
● 但是对大多数消费者来说，仅是原始信息的收集，尚不足以形成 信任
• 收集的数据，对这些更有用：出事后追究责任、农业经营管理等 • 而不是消费者信任
- 生产及物流数据（如土壤的温度、湿度……）对消费者意义不大 - 仅是展示各种证书，也不表示安全
● 以成本来说，尤其有限制性
• 我们不能“把全中国布满传感器”
●
如何提供消费者对农产品的信任？
• 提供一个工具，可准确可靠的预测一个农产品在安全及 质量上的可信度 （X%概率）
• 让消费者长期免费方便使用
只有一个方法同时符合以下条件：技术可行性、成本、准确度，
就是：
大数据分析
● 这也许在观念上不易接受，但世界上许多案例说明了这是最可 行的方法。
● 信任/信用分析的基本观念： 一个组织或个人过去的行为（不 论是有意识的还是无意识的），是预测它未来行为的一个很好 根据
“本性难移，有时刻意去改都改不了 ”
● 2014年的世界已充满了各种数据
• 你可能不知道这些数据存在，但我们四周每件事物都有数据在描述 着
• 每件事物也都产生数据
• 不论这数据是直接还是间接，有形或无形、有组织或无组织
● 万物皆有信息，答案就在其中
• 表面上可能看不出这信息的意义，但评估信任所需的信息，几乎都 直接或间接存在于这些海量数据中
• 将我们需要的结果由海量数据中提取出来，并正确解读，就是数据挖 掘、大数据分析等工作
● 不要担心与农业有关的数据不足，数据永远 是不足的，现代科技有许多方法弥补。
● 而且基础大数据越广泛（不论表面上看来是 否与农业有关），就有越多的路径可以达到 我们想要的结果。
● 分析出来的数据意义及关联可能大出意料之外，完全不符一般人 的观念。
● 但数据挖掘分析的优点即在此
• 右到左：先依经验想好了假设的规则，再到数据里找符合这规则
• 左到右：不知道规则是什么，在数据里分析出规则来。也就是发 现前所不知的规则
● 此处所称的规则所指的是：关联、因果、趋势……
● 这些分析常会暴露出连此领域的专家都不知道的规则 • 这也就是数据挖掘与分析的长处
• 同时亦是它最难之处，因为我们常必须抑制自己的成见，来了解及 接受它所发现的事实
● 大数据的“大”就是反应了现在的一个事实：
• 万事多半已经电子化及数据化
• 互联网的扩张更是加速了数据的增长
● 这巨量的多元化数据开启了几年前还不存在的机会，使得以前做不到 的信用、信任分析变为可能了
● 同时，电脑及软件功能的进步，也不断使得信任的分析计算比以前更 先进
● 信任分析与其他分析在本质上并无不同
• 例如：军事、新药研发、金融投资等领域的数据挖掘分析，所用的 数学模型、软件工具、人员技术等，与信任分析基本上是相同的 • 因此，农产品的消费者信任分析，有许多现成资源可以借用
● 美国许多行业（包括军方），以很高的成本建立了信任与用分 析的方法及工具
● 如今许多重要的大型行业皆依靠这运行着，充分证明了这些方 法及工具的可行性
● 中国的农产品消费者信任工作可以廉价利用这些成果
● 信任分析的常用方法
● 在农产品信任领域的应用
（行为、趋势、概率）
● 这是2014年，世界上已有了足够的科技、技术、经验
● 可用以提供中国消费者正确资讯，从而提升对农产品的信任
● 这可以对消费者提供：
• 有关一个农产品及其提供者的行为模式、趋势等
• 由此得知其发生质量及安全问题的可能性（即可信任度）
● 最重要的是，这预测必须长期保持足够高的准确度，消费者方 会逐渐产生信赖
● 消费者得到的典型答案中，以通俗言语叙述一个产 品在质量、安全、商务上的可信度，如：
XXXXXXXXXXXXX 超标的可能性： 低
● 电商则有如下信息：
收到的产品的种类、属性、质量、数量与描述相符的可 能性：中高
收到产品日期延误的可能性： 极低
● 这些信息的主要目的，不是在出事后追溯责任，而 是在消费者做购买决定之时即发生作用
模式：
1、信任平台提供商对商场、电商、直营商等提供此服务，供消 费者作为购买选择参考用
2、信任平台提供商对农业生产、运销单位提供此服务，作为改 进、管理用
● 听起来很新奇，与以往的观念不 符？
● 理当如此，因为以前的各种方法，
多半并未建立起有效的消费者信任。
● 这如何应用于你的环境？
谢 谢！
邓中恒
Mobile：18603510590
E-mail： ct1790@yahoo.com
