农业大数据相对其他领域大数据，受应用场景和基层用户群体知识结构等因素制约，在管理和推广应用中要困难得多，滞后且普及率低。农业数据平台开发对数据管理还存在很多被忽略的地方，如何科学规范地建立一套体系，可遵循以下6A原则。
✦充足性（Ample）。充足性就是指数据来源是海量的和庞大的，能够满足分析、趋势判断和应用等方面需求。具体来讲，数据源包括静态数据和动态数据，静态数据重点收集过去产生的数据，作为基础数据；动态数据指平台开发后各种渠道汇聚和互联网用户使用产生的数据，用于了解各种变量。农业领域，因其行业之间纵横交错，自然规律探索历史悠远，更需要庞大的、充足的数据资源，做为数据平台开发的基础盘。
✦真实性（Authentic）。真实性指数据的来源可靠、完整，能通过可视化实时表现数据的变化。一些监管平台，或者主要通过设备监控获取的数据平台，比较容易获得真实的，实时的数据，并制作成数据大屏，开展可视化业务指导，比如植物工厂监控平台、水库监控平台、交通枢纽监控平台等等。针对应用型或服务型平台，一些农业应用系统开发后，由于与应用场景不匹配，或者用户群不够庞大，使用率极低，产生不了海量数据，变成信息孤岛，甚至是僵尸系统，导致缺乏真实、实时的数据，如果制作成可视化大屏，则实时性难以呈现。为此，服务型农业大数据平台从起步开发，就要考虑市场化与服务定位，获取庞大的用户群，才能产生真实、实时的数据，让平台发挥应有的作用。
✦可访问性（Accessible）。大数据开发本身就是为社会发展服务，具有共享共赢的本质。部门之间、系统之间、区域之间的数据系统，都可以根据需求，打破不同职能之间的数据深井，处理互不兼容的数据格式，实现互访共享，大限度地满足发展和应用。农业领域存在种植业、养殖业、农业服务业、农村管理等庞大复杂的独立子系统，还分为监管和服务等不同后台体系，传统的数据平台，多数为烟囱式，不能实现共享，系统相互间可访问性存在很大壁垒，在实际应用中不能协同，造成很大的麻烦，制约行业的快速发展和数字化转型。
✦准确性（Accurate）。准确性是数据平台得以维护信誉并立足于行业持续发展的根本。传统的数据管理，在数据缺失、数据错误、数据混乱、数据分散等方面存在巨大漏洞，难以形成有效的数据赋能。农业数据管理里中，要关注两个维度，既要注重原始数据的汇总，同时更要注重数据逻辑的合理性，在此基础上对数据进行清洗和分类，抓取真正有效的数据，用于科学指导实践。
✦合规性（Allowable）。数据安全一直困扰各类平台的健康发展，合规的数据更是管理中的核心要素。欧盟已经正式实施《通用数据保护条例》（GDPR），国内也出台了《网络安全法》等，对于大数据开发的安全性、合规性都开始严管。在农业大数据开发中，应考虑两个方面的数据安全工作，一是建立数据库前，对数据管理实行正面清单管控，即把涉及机密的数据类型整理成正面清单，在开发中给予回避；二是建立安全运营团队，通过实时的安全监管，避免数据被盗等现象。在这个基础上的数据平台，其开放性、共享性、服务性才能被全面释放出来，满足多元发展需求。
✦责任制（Accountable）。对数据的日常管理往往容易受忽略，甚至有没有划分明确的分工职责也容易被遗忘，更多的时候，是缺少数据管理的责任意识。尤其在政府板块的农业大数据平台，通过购买服务后，基本都依托第三方对数据管理。通常90%以上的第三方公司缺乏农业技术人才，不能分辨清楚农业数据源和业务应用场景，造成很多生搬硬套的处理模式，容易产生管理隐患。理想情况下，农业部门应建立自己的数据元管理团队，能分类治理数据来源，挖掘数据规律和价值，并通过与IT团队合作，共同运营维护数据平台。
总之，农业数据管理的6A原则是从大数据应用需求出发，根据农业行业管理特点，提出的6点管理措施，打通内部治理体系和外部管理模型，契合实际，与时俱进，创建一个健康可持续的数据库生态系统。