作者｜张峻琪「香港中文大学(深圳)人文社科学院硕士研究生」文章｜2025年第11期
我国是农业大国，农业发展事关民生福祉和国家稳定。习近平总书记提出“加快实现由农业大国向农业强国转变”。在加快建设农业强国的过程中，作为推动和服务乡村振兴的重要经济金融工具，我国农业保险近年来取得了长足发展，充分发挥了农业经济“助推器”和农村社会“稳定器”的重要作用。保费收入从2007年的53亿元增长到2023年的1430亿元，年均增长22.5%，2023年我国农业保险保费规模再次位居全球首位。从2007年仅承保玉米、能繁母猪等6个品种，到2023年承保农产品约300种，已经基本覆盖种植业、养殖业、林业、地方特色农业等主要品种，保险保障范围逐步扩大。
中国式现代化最艰巨、最繁重的任务在农村，而农险为农业生产者提供了关键的风险管理工具，具有促进农业生产、保障农民收益、维护粮食安全的作用。通过分散风险和提供经济补偿，农业保险鼓励农民投资于土地改良、新技术和优质种子，从而推动农业现代化和可持续发展。同时，农险还有助于稳定农产品市场，减少价格波动，提高农业竞争力，支持国家乡村振兴战略。政府对农险的保费补贴等政策不仅减轻了农民的经济负担，还促进了农险的普及和农业整体的抗风险能力。农业保险提供的风险保障从2007年的733亿元增长到2023年的5.46万亿元，年均增幅为30.9%，1.67亿户次农户得到保障，吃下抵御风险的“定心丸”。截止到2024年3月，我国农业保险深度超过1%，密度超过500元/人，已基本完成《关于加快农业保险高质量发展的指导意见》提出的阶段性目标，正在迈向2030年远景发展目标。在党和国家高度重视下，我国农业保险发展取得长足进步，正走出一条中国特色的发展之路。
农业保险的定价和风险评估依赖于详尽的数据收集。通过应用数据技术，保险公司能够获取关键的农业生产信息，例如农作物生长情况、土壤状况等。这些数据分析有助于保险公司更精确地计算风险概率，从而制定出更为合理的保险费率。此外，数据分析还能深入揭示对农业保险有价值的信息，比如农业生产的周期性规律、风险发生的概率、保险理赔的模式以及农户的投保行为等，从而推动农业保险实现良性循环，推动农业保险业务的持续进步和创新。在推进农业保险高质量发展过程中，农业保险数据治理是其中的一个重要环节，特别是在数字经济时代，农业保险数据治理的作用更加凸显。为更好发挥农业保险在“三农”领域的保障作用，必须正视当前我国农业保险数据治理中的突出问题，借鉴美国农业保险数据治理先进经验，持续提升我国农业保险数据治理水平，提高农业保险的服务效率和质量，更好服务中国式现代化发展。
（一）我国农业保险数据分布广泛
1.农业保险数据价值重大
农业保险数据主要包括投保数据、理赔数据、农业生产数据和灾害数据等。投保数据包括投保人的基本信息、投保标的以及投保金额、保费和保险期限等；理赔数据包括损失的具体情况、理赔金额和理赔过程中的相关记录；农业生产数据包括农作物种植情况和气象数据；灾害数据包括灾害的类型、发生的时间、地点和范围等信息。精确的农业生产和灾害数据有助于保险公司准确评估风险，制定合理的保险产品和价格。完整和准确的理赔数据可以提高理赔过程的效率，确保理赔的公正性，减少欺诈行为。精准的数据可以帮助农户获得适当的保障，提高农业生产的稳定性，减少因灾害造成的经济损失。真实、准确、完整的农业保险数据，可以为政府制定和调整农业保险政策提供科学依据。
2.农业保险数据来源广泛
我国农业保险数据主要分布在财政部、农业农村部、国家金融监督管理总局、国家统计局、气象局等相关涉农部委和单位中。财政部负责涉农建设、救灾、补贴的资金数据，如农业救灾资金数据、财政补贴数据、农业基础设施建设资金数据等。国家统计局通过开展全面统计报表制度获得各涉农信息中，农业农村部可以获取来自国家统计局有关资源环境的相关数据，如农用地资源中涉及的农用地面积、耕地面积、牧草地面积，水资源使用量，气温、降水年度变化等重要涉农资源信息。国家金融监督管理总局掌握农业保险市场的运行情况，包括各农业保险机构年度、季度的涉农保险数据，如历史保单、理赔记录、赔付金额等信息。应急管理部会商相关部委核定农业安全生产和自然灾害防治领域的风险和隐患信息，以及各类灾害事故信息，为农业保险提供风险评估和理赔依据。中国气象局气象数据中的涉农信息包括全国各地区降水量、气温和土壤水分等。地方政府的农业部门，包括省、市、县级农业农村部门，负责本地农业数据的收集和管理。此外，地方政府的农业部门、各类农业科研机构、农业企业等也是重要的信息来源，这些数据涵盖农业生产、农产品市场、农业科技、气象灾害、土地资源、农业财政投入等多个方面。
（二）农业保险数据治理基础设施正在构建
1.法律政策基础
2012年11月，《农业保险条例》发布，成为我国农业保险法治建设的重要里程碑。2019年5月，中央全面深化改革委员会审议通过了《关于加快农业保险高质量发展的指导意见》，是当前阶段发展农业保险的纲领性文件。2020年11月，国家统计局发布《农业及相关产业统计分类（2020）》，明确了农业及相关产业的数据分类标准。2021年，中国银保信牵头制定了《人身保险业务要素数据规范》《财产保险业务要素数据规范》两项行业标准。此外，《中央财政农业保险保费补贴管理办法》《农业保险大灾风险准备金管理办法》《农业保险承保理赔管理办法》等政策文件相继出台，为农业保险数据治理标准化奠定了制度基础。
2.数据统计基础
国务院在2016年12月31日组织开展了第三次全国农业普查。对粮食、棉花等大宗农作物播种面积进行卫星遥感测量，完成了10多万景卫星遥感数据处理，实地调查了11万个样方和2万多个抽中普查区，掌握了全国主要农作物种植空间分布，取得了全国各省（区、市）及种植大县主要农作物种植面积数据。
3.数据平台基础
在全国层面，有中国银保信牵头的全国农险信息管理平台、中国农业再保险公司牵头建设的全国农业保险数据信息系统、保险公司向监管月度报送的统计报表系统、向监管对接的现场检查分析系统（Examination and Analysis System Technology，EAST）、各个省财政部门与保险公司系统数据对接的农经平台。2021年2月，农业农村部大数据发展中心成立。在省级层面，江苏、四川、贵州等省份建立了农业保险综合管理信息平台，实现了“灾害一张图”，能够实时精准地反映各地受灾情况，具有一键上报、线上化补贴管理、多层级数据归集及核查和智能化规则校验等功能。
我国农业保险数据治理已经具备了一定基础，但也存在以下亟待解决的问题。
（一）数据孤岛问题
我国涉农数据具有分布广泛、来源复杂、基数庞大和标准不一等特性，形成了数据孤岛现象。
1.数据来源复杂
涉农数据分布在多个地理位置、部门和信息系统中。例如，土地地理信息、气候数据和遥感数据分别由农业农村部、自然资源部、气象局、发改委、保险监管机构和航空航天部门等管理（袁纯清，2023）。各地的农业生产数据也分布在各地的农业农村部门。这种广泛分布导致数据存在于不同系统和平台中，各部门独立管理相关数据，使得数据统一处理和共享变得困难。涉农数据的基数庞大，主要体现在数据种类和数据维度两个方面。数据种类涵盖了从生产到销售、从自然条件到经济活动的各个方面，这使得数据复杂且总量庞大。同时，涉农数据具有多种维度，如空间、时间、组织和类别等。这种多维度的复杂数据结构进一步加大了数据共享的难度。
2.数据标准不一
涉农数据包括政府统计数据、研究机构实验数据、农业企业生产数据、传感器设备和卫星遥感数据等。这些数据采用不同的采集技术和存储格式，导致数据格式和标准不统一。涉农数据的标准不一，主要体现在数据的技术和定义两方面。数据技术不统一是指在数据的存储、传输和处理技术上存在差异，例如，不同部门可能使用不同的数据库管理系统、数据格式、数据传输协议和数据存储技术。具体表现在数据库系统（MySQL、SQL Server和Oracle等）、数据格式（CSV、JSON和XML等）、数据传输协议（HTTP、FTP和API等）和数据处理工具等多个技术层面。数据定义不统一是指对同一数据项的定义、计算方法和业务逻辑存在差异，例如，不同部门对相同数据项（如“农业保险的保费”）的理解和使用方式不同，导致数据的一致性问题。
3.数据访问受限
各涉农政府部门采用不同的权限管理政策，形成农业保险公司获取涉农数据的访问门槛。由于行业各相关方各自的利益考量或保密要求，进一步阻碍了数据的共享和利用。在企业内部，由于部门间数据采集手段和管理技术不同，高效的数据共享受到阻碍。而在政府部门和企业之间，数据交流则面临更大的挑战。
（二）治理主体问题
目前，我国农业保险数据治理主体责任问题是制约数据治理工作有效开展的重要问题之一。
1.主体职责不清
由于缺乏农业保险数据治理协调机制，政府、行业、企业各参与方在农业保险数据治理中的角色不够明确，职责边界不够清晰。由于农业保险数据治理政策和标准尚待完善，不同部门采用不同的数据标准和治理方法，涉农数据来源广泛，数据整合和共享存在障碍，不仅导致工作重复和资源浪费，而且影响了农业保险数据的一致性和准确性。
2.企业动力不足
对农业保险公司而言，加强数据治理的意识不强，信心不足。开展数据治理是一件“伤筋动骨”的大事，所需的资金成本和时间成本巨大，牵扯到很多部门的精力和大量的资源投入。如果短时间内数据治理成效不够显著，会直接导致企业内部对数据治理工作产生消极情绪，不愿意继续大成本地推进数据治理战略。
3.员工意识不强
由于企业内部没有形成良好的数字文化，员工缺乏数据治理意识，对数据的敏感性不足。在承保、理赔第一手数据的收集阶段，由于保费不多认为“糊弄”一下就可以，觉得这只是小钱，不会影响整个企业。这种意识的普遍存在，造成第一手数据的真实性存在严重问题。从一个村到一个县再到一个地区，不良数据积少成多，最终可能演变为非常严重的数据漏洞。
（三）数据质量问题
数据质量会影响到农业保险作用的发挥，尤其对财政支农惠农政策效果和保费补贴效率影响巨大。目前我国农业保险数据质量问题主要表现在以下几个方面。
1.数据一致性问题
数据一致性指的是数据在不同系统、不同记录和不同业务规则间应该保持一致，确保数据没有冲突或矛盾。根据上文中论述的内容可知，在农业保险业务中，数据可能来自多个来源，如农业部门、气象局、保险公司内部系统等，应保证数据记录在不同系统、不同时间和不同操作状态中保持一致。
2.数据完整性问题
数据完整性指的是数据集的完整程度，包括数据字段的完整性和数据记录的完整性。在农业保险的数据中，存在数据缺失现象，指的是数据记录可能缺少关键字段，如保险标的、保险金额、农田信息等。如果某个保险单缺少农田位置的数据，这会影响赔付和风险评估的准确性。
3.数据唯一性问题
数据唯一性指的是数据记录的唯一标识性，确保每条数据记录都能唯一标识一个实体，避免重复记录。在农业保险数据库中，存在同一农户或同一农田的重复记录，这种情况可能由于系统设计不当或数据录入时未能有效去重。各系统数据库中的主键应该唯一标识每条记录，如果主键设计不当，会导致数据冲突和处理错误，例如，同一保险单号被多次录入系统，导致数据库主键冲突。
4.数据即时性问题
数据即时性指的是数据的更新和获取的及时性，确保数据能够反映当前的实际情况。农业保险业务中，天气变化、作物生长情况等因素可能对保险风险和赔付产生影响。如果数据更新不够及时，保险公司可能无法及时调整保险条款或赔付决策。在一些情况下，数据可能存在显著的时间滞后，比如事故发生后农民报案的时间和实际处理的时间之间的差距，将大幅度影响赔付处理的效率和准确性。
5.数据准确性问题
数据准确性指的是数据的真实度和正确度，确保数据能够准确反映实际情况。在进行数据采集和数据处理等多个流程中，都存在数据准确性问题。如在数据录入过程中，由于人为错误或技术问题导致数据不准确。又如数据在处理和分析过程中，由于数据转换或计算错误导致理赔金额计算不准确。
6.数据有效性问题
数据有效性指的是数据是否符合预定的规则、标准和要求。数据有效性确保数据不仅合法、合理，而且符合特定的业务需求和操作规范。在农业保险中，数据必须符合一定的数据标准、数据格式或业务规范。例如，保险单号、日期格式等。如果数据不符合这些标准，会影响系统的处理和验证。
7.数据真实性问题
数据真实性指的是数据记录与业务实际的契合程度，农业保险数据应真实记录承保、理赔以及公司经营管理等业务活动情况。农业保险数据不真实包括承保数据不真实，通过虚假承保骗取财政补贴；理赔数据不真实，通过虚假赔案骗取赔款；经营数据不真实，农业保险费用没有按规定进行单独核算等等。
作为全球农业保险领域的领先者，美国在数据治理方面的做法尤其值得关注。美国农业保险体系在顶层设计、共享平台、规范标准、战略规划、专业人才等多个方面均有成熟的实践和经验。
（一）农业保险数据治理的顶层设计
美国农业保险数据治理制度是一个成熟且多层次的体系，其核心是联邦政府与私营保险公司的合作模式，以及对数据的重视和有效利用。美国农业保险体系的关键组成部分是联邦农作物保险公司（FCIC），它负责监管整个国家的农业保险运作，并为私营保险公司提供再保险服务。美国政府对农业保险的支持体现在多个层面，包括立法、财政补贴和政策引导等。美国国会通过《联邦农作物保险法》等法律，为农业保险提供了法律基础和财政支持。1938年，美国颁布《联邦农作物保险法》，授权成立联邦农业保险公司（FCIC，Federal Crop Insurance Corporation）。1996年颁布《联邦农业改善与改革法》基本奠定了当前美国农业保险的业务格局。美国政府还通过RMA等机构提供保费补贴，降低了农民的参保成本，提高了农业保险的覆盖率。目前，美国农业部（United States Department of Agriculture，USDA）风险管理局（RMA，Risk Management Agency）负责管理联邦农作物保险公司，其主要职责包括管理、监督、保障整个农业保险系统的有序运行，制定条款，稽查监管，以及开发审核新型保险产品。FCIC则负责保险政策和制度的制定、执行和监督，并提供再保险服务。这种管理模式因其管理层级少、覆盖范围广，非常适合农业大国的农业保险管理。
（二）农业保险数据治理的共享平台
美国农业保险数据治理的一个显著特点是其跨部门合作和数据共享机制。美国农业部、气象局、地质调查局等多个政府部门，以及私营保险公司、农民组织和科研机构之间建立了紧密的合作关系，实现了数据的共享和流通。美国农业部风险管理局整合多部门、多来源的涉农数据，并利用统一的平台进行集中处理和分析，为农业生产者和涉农保险机构提供风险管理信息和数据服务。目前，该系统已经涵盖约130种作物的产量或收入损失保险。美国农业保险信息服务平台的数据来源于各保险公司，这些数据通过以下两种方式直接上传到风险管理局的数据库：一是通过基于Web服务器的电子数据接收系统进行传输；二是通过保单接收和存储系统在业务发生后上传相关数据。无论采用哪种数据传输方式，信息平台在接收到数据后都会进行多种方式的核验，并生成相应的报告。在报告中，不符合RMA统一制定的数据上传类型和格式标准的数据会被驳回，要求保险公司修改后重新上传。美国农业保险信息服务平台特点是数据驱动。经过数十年的发展，该平台具有丰富的数据内容和严谨的数据规范，作为多部门共建的高度数据共享平台，提升了数据收集和数据治理的效率，为数据挖掘提供了可能。统一的数据标准和规范的制定与发布为数据的高效利用提供了保障，数字化的数据共享平台为农业保险相关领域的服务质量奠定了基础。相比较而言，中国在农业保险数据共享方面还面临着一些挑战。例如，不同部门之间的数据标准和格式不统一，导致数据共享和整合的难度较大。此外，数据共享的激励机制和监管体系还不够完善，影响了数据共享的积极性和效率。中国需要进一步加强部门之间的协调和合作，建立统一的数据标准和共享机制，提高农业保险数据的共享水平。
（三）农业保险数据治理的战略规划
美国农业部十分关注农业保险数据治理战略的顶层设计与规划。根据《2024-2026财年数据战略》，美国农业部将继续加强在2021-2023财年数据战略中所推行的数据治理战略，逐步建成一个以数据为导向、以证据为基础的高度数字化组织。在这一战略中，数据治理被赋予了最重要的战略地位。美国农业部《2024-2026财年数据战略》未来三年的数据治理建设目标归纳为以下几个方面。
1.重点建设美国农业部的数据治理结构
该战略通过健全各部门的数据治理优先级，继续完善美国农业部的数据治理能力。三年战略由数据负责人推动，特别是每个任务地区和工作人员办公室的助理首席数据干事。这些数据领导者将推动的数据治理流程，通过支持数据的准备、整合、分析和共享，使美国农业部的利益相关者受益。同时进行数据成熟度评估，以不断识别目标和企业范围内的机会，从而提高数据和分析的质量。制定未来五年特定任务地区的数据和分析现代化计划，以确保数据治理战略的一致性。
2.促进跨部门跨机构的协作与共享
加强美国农业部内部以及与联邦政府其他机构的合作。内部加强员工办公室、信息技术和客户体验部门的合作。通过数据战略实施进度报告，加强与地理空间部门的协作。外部参与联邦首席数据官（Chief Data Officer，CDO）委员会和其他跨政府委员会，如白宫科技政策办公室（Office of Science and Technology Policy，OSTP）和工作组，以进一步促进数据和人工智能协作。加强数据共享，提升开放数据的可查找、可访问、可交互和可重用性。内部开放数据将减少任务区域执行临时报告请求的时间，促进数据相关计划的可见性，减少重复工作，提高部门间合作效率。外部增加公众对美国农业部数据的访问，提高透明度和问责制，促进与公众之间的研究创新和合作机会。
3.推动数据资产集中规范化标准化
按领域对数据资产进行集中和分类，更有效地与内外部的涉农部门、机构和相关人员进行数据共享。优先在美国农业部数据目录中管理每个任务区域和部门的关键元数据，并创建审查过程，以便在整个部门范围内共享关键数据集。从这个角度看，中国在数据的标准化、清洗和分析方面仍然不完善，限制了农业保险服务效率和质量的进一步提升。
4.重视共享数据平台和分析工具的开发
美国农业部推出了一种可以与公众共享数据可视化的开放数据平台（Open Data Platform，ODP）。自ODP启动以来，已经推出了200多个公共仪表板和产品，提供了有关美国农业部各种项目的更多信息和见解。开发共享数据和分析基础设施，有助于确保企业主动管理数据，消除数据孤岛，推动数据完整性和数据治理建设。中国在农业保险技术应用方面虽然起步较晚，但近年来发展迅速。中国政府已经开始推动遥感、GIS和大数据技术在农业保险中的应用，并取得了一定的成效。例如，中国农业科学院等科研机构在遥感影像处理和作物生长模型构建方面取得了突破，为农业保险提供了有力的技术支持。不过，中国在人工智能和机器学习等前沿技术应用的广度和深度上与美国相比仍有差距。
5.重视数据治理复合型人才队伍建设
努力培养、建立和保持一支强大的、了解数据的领导团队，美国农业部正式在每个任务区、部门和员工办公室设立助理首席数据官的角色。助理首席数据官的职责包括数据管理、设定绩效指标，并作为任务区数据倡导者。所有的助理首席数据官都是美国农业部数据治理咨询委员会的成员，并担任整个部门的高级数据领导。美国农业部将继续投资于招聘、保留和提高员工数据技能，使美国农业部成为数据科学家、数据分析师、地理信息系统分析师和广大数据工作人员的最佳工作场所。
农业保险数据治理建设是一个系统工程，建议借鉴美国做法，从政府、行业、企业等多个层面入手，政府侧重制度、标准和协调，行业侧重机制、协同和共享，企业侧重质量、技术和实施。
（一）加强政府层面的顶层设计
我国政府在农业保险数据治理方面应加强顶层设计，制定全面的国家农业保险数据战略规划，明确数据治理的长远目标和实施路径，主要包括加强法律制度保障、建立统一的数据标准和分类体系、完善农业保险风险地图等举措，确保数据的准确性和可靠性。建议由财政部牵头，会同中央农办、农业农村部、国家金融监督管理总局、国家林草局、国家数据局、国家统计局等相关部门，建立农业保险数据治理部际协调工作机制，协同各涉农单位、各省自治区直辖市农业保险工作小组联动。建议借鉴美国做法，发挥“政府引导”作用，做好顶层设计，统筹推进我国农业保险数据治理工作。
1.将数据治理写入农业保险法律条款
为适应我国农业保险面临的现代农业技术以及数字经济发展新形势，建议制定《农业保险法》，或者对《农业保险条例》进行修订，将农业保险数据治理写入农业保险法律条款，对来源于各个领域的涉农数据提出整合要求，统一数据标准，打破数据壁垒，对加强农业保险数据治理工作作出强制性规定，切实解决前文所述的数据分散、难以共享的数据孤岛问题，为持续提升农业保险数据治理水平奠定坚实的法治基础。
2.制定农业保险数据治理规范
政府应制定统一的农业保险数据治理政策和标准，包括数据的收集、处理、存储、传输和共享等方面的规范。建议由农业保险数据治理部际协调机制牵头，组织各方面专业力量，以国家信息技术标准化委员会发布的《信息技术服务—治理第5部分：数据治理规范》（GB/T 34960.5-2018），以及《信息技术大数据数据治理实施指南》（GB/T 44109-2024）为依据，研究制定《农业保险数据治理规范》，解决前文所述的我国农业保险数据标准不统一、数据质量不高等问题，对农业保险数据治理的责任主体、内外环境、数据管理、数据价值、监控评价、改进优化等作出规范。
3.升级完善农业保险风险区划地图
建议由农业保险数据治理部际协调机制牵头，抽调专家力量组成专门的团队，对分散在不同部委的农业统计数据、县级农业农村经济统计数据、农业保险业务数据进行充分挖掘和资源整合，选择不同风险区域开展农户调研，对农业保险公司承保理赔典型案例进行分析，对《中国农业生产风险区划地图册（2020版）》进一步升级，完善我国农业生产风险地图，提升农业保险风险定价精准度。
（二）完善农险数据治理体制机制
政府应建立农业保险数据治理协调机制，明确组织结构、职能分工、运作流程和监管评估体系。例如，可以设立由财政部牵头，农业农村部、国家金融监督管理总局等部门参与的跨部门工作小组，负责协调农业保险数据治理工作。预期目标是在未来三年内，实现农业保险数据的标准化和共享机制，提高数据的准确性和可用性。
1.完善保险条款和费率拟订机制
建议对中国精算师协会2020年《稻谷、小麦、玉米成本保险行业基准纯风险损失率表（2020版）》进行升级完善，建立科学的保险费率拟订和动态调整机制，实现基于地区风险的差异化定价，真实反映农业生产风险状况。建议发布农业保险纯风险损失费率，在338个地市“一地市一费率”基础上，对一些粮食主产区，继续细化到“一县市一费率”以至“一乡镇一费率”。以公开的价格和产量数据为基础，推广收入保险的“保险+期货+订单”，推动数据治理与业务创新的融合发展。研究制定主要农作物、主要牲畜、重要“菜篮子”品种和森林草原保险示范性条款，为保险机构产品开发、费率调整提供技术支持。
2.建立农业保险大数据中心
目前尽管我国农业保险信息管理平台建设已取得初步成效，但与农业保险相关的外部数据共享仍然存在短板。建议由国家金融监督管理总局牵头，借鉴美国做法，建立全国统一的农业保险大数据中心，解决前文所述农业保险数据无法共享问题。一方面，要与农业农村部大数据发展中心对接，承接保险行业之外的涉农数据，全面收集全国各县级主要农作物、畜产品生产及其风险的基础数据。另一方面，要解决中国农业再保险公司和中国保险信息技术管理有限公司现有数据平台的共建共享问题，组织各个涉农保险机构签订共享数据协议，积极调动各受益方的积极性，明确各方的权利和义务以及共享数据的范围、方式和安全保障措施，从而实现数据资源共享。
3. 建立农业保险数据治理的监管和评估机制
我国政府应定期对农业保险数据治理的效果进行评估，及时发现问题并采取改进措施。比如建立农业保险数据治理评价指标体系，包括数据质量、数据安全、数据共享、数据应用等多个维度，对数据治理的各个方面进行量化评价，以及通过定期的审计和检查，确保数据治理工作的规范性和有效性。同时要建立有效反馈机制，可以确保数据治理工作始终处于有效运行状态，不断提升农业保险数据治理的水平。
4.鼓励运用现代科技手段
政府应投资于农业保险数据的收集、处理和分析能力，包括遥感技术、GIS和大数据分析工具。建议国家金融监督管理总局对涉农保险机构运用现代科技技术出台指导性意见，鼓励农业保险公司在承保、查勘、定损中运用现代科技手段，引导农业保险公司配备气象遥感、信息技术、地理信息系统等专业的专职人员，并对人员数量和任职标准作出原则性规定。建议监管部门认定遥感无人机定损的法律效力，明确其应用标准，提升运营时效，为农业保险数据精准化和精细化提供技术支撑。
（三）推动企业层面的创新实践
涉农保险机构是农业保险数据治理的关键环节，要推动政府、行业各项数据治理措施在企业层面的落地实施。
1.增强数据治理意识
建议由涉农保险机构高级管理层统筹负责数据治理工作，成立企业级的专业领导团队，真正把数据作为企业资产来对待，塑造数据治理文化，以强大的意志，足够的投入，带动业务部门与IT部门的密切协作，实现对组织、策略、标准和流程的全新重塑。推动业务部门和数据中台系统直接对话、高度融合和快速对接，避免出现核心业务数据和数据中台系统的隔离。减少使用“外购系统、内部运维”的旧模式，减少对外部系统的过分依赖。
2.加强数据质量管理
建议从“事前预防、事中控制、事后改进”三个方面强化数据质量管理。事前预防阶段，设置CDO，加强对数据治理的领导，配置足够数量的数据管理专业人员；要明确数据标准，保持与政府部门、行业与相关方的协同一致；要细化管理流程，构建数据质量闭环管理流程。事中控制阶段，首先要控制好数据源头，加强数据“标准化输入，规范化输出”；其次要控制好数据传输过程，采用数据质量持续监控和数据质量预警机制等策略，对数据全生命周期实现全流程、全方面、全覆盖地管控数据质量。事后改进阶段，需要开展问题数据补救，对重复数据、异常数据等进行清理。
3.培养数据治理复合型人才
数据治理强调数据与业务的融合，需要既懂数据分析又懂业务管理的复合型人才。建议各涉农保险机构重视培养数据与业务交叉人才，组织数据分析、数据处理以及业务管理、风险控制两类人才相互学习。在加大内部培养的同时，积极与各高校、研究院开展合作，利用“企业出题”、“产业命题”形式，加强产学研深度融合，吸引更多复合型人才参与解决农业保险数据治理关键难题，为涉农保险机构提供数据治理人才支撑。
