جای خالی داده های بزرگ در بهره وری تولیدات کشاورزی

بازار- فرحناز سپهری: با ساخت تلفن همراه و فناوری های نو، فرصت های جدیدی در صنایع ایجاد شده است؛ این درحالی است که از جمله این فناوری ها داده های بزرگ و اینترنت اشیا هستند، که میتوانند به افزایش پتانسیل صنعت کشاروزی کمک کنند.اما لازمه این کاراستفاده از داده هاو امکاناتی است که عمدتا در اختیار دولت ها است. 

به گزارش "دیلی نیشن"، با این حال هر فناوری جدید نیاز به نظم دارد تا در اکوسیستم تجاری بتوان از آن استفاده کرد. جوزف موچرو، در جریان برگزاری پلت فرم جهانی گروه مشاوره ای تحقیقات بین المللی کشاورزی مربوط به کنوانسیون داده های بزرگ کشاورزی در نایروبی ، گفت : چهار " عامل " وجود دارد تا اطمینان حاصل شود که این داده ها به صورت موفقیت آمیزی با هم کار می کنند و این موارد شامل پشتیبانی سیاسی ، قانونگذاری داده های باز ، زیرساختهای داده و تقاضای داده ها توسط همه ذینفعان از جمله کشاورزان ، دانشگاهیان ، دولت و سازمان های غیر دولتی است. تجزیه و تحلیل داده های بزرگ( big data) در حالی صورت گرفته است که درک کمی از موضوع و قابلیت استفاده آن برای تجاری سازی و ساختار پشتیبانی وجود دارد.

داده های بزرگ چیست؟

داده های بزرگ فرایند استخراج سیستماتیک اطلاعات از مجموعه داده های عظیم برای تجزیه و تحلیل به منظور پیش بینی یا تحلیل رفتار کاربر برای تعیین روند کسب و کار ، جلوگیری از بیماری ها ، تغییرات آب و هوایی و غیره است.

با این وجود ، داده های بزرگ در خلاء وجود ندارند. این یک اکولوژی است که به فناوری های دیگری مانند اینترنت اشیاء، داده های بزرگ ، تجزیه و تحلیل و محاسبات ابری متکی است. به طوری که در این جریان دستگاه های اینترنت اشیا در مرحله اول این فرآیند - به جمع آوری داده ها - کمک می کنند. سنسورهای متصل به تراکتور و کامیون و همچنین در مزارع ، خاک و گیاهان در جمع آوری داده ها در زمان واقعی و به طور مستقیم از سطح زمین نقش دارند.

 در مرحله دوم تحلیلگران حجم بالای داده های جمع آوری شده را با سایر اطلاعات موجود ، مانند داده های هواشناسی و مدل های قیمت گذاری برای تعیین الگوها ادغام می کنند. سرانجام ، این الگوها و بینش ها در کنترل مسئله تاثیر گذارند. آنها کمک می کنند تا مسائل موجود مانند ناکارآمدی عملیاتی و مشکلات مربوط به کیفیت خاک را مشخص کنند و الگوریتم های پیش بینی کننده ای را تهیه کنند که حتی قبل از بروز مشکل بتوانند هشدار دهند.

برنامه های کاربردی؛ اپلیکیشن ها

• ایمنی مواد غذایی و جلوگیری از فساد: جمع آوری داده هایی مانند رطوبت ، دما و مواد شیمیایی تصویری از سلامتی را در مورد مشاغل هوشمند کشاورزی برای ما مشخص می کند.

• مدیریت بهره برداری و تجهیزات: استفاده از فناوری هایی مانند سنسورهای خاک ، هواپیماهای بدون سرنشین و گجت های مانیتورینگ دام در بهینه سازی زنجیره تأمین می تواند باعث شناسایی از داده های بی ارزش شود.

• پیش بینی عملکرد: استفاده از مدل های ریاضی برای تجزیه و تحلیل داده ها در مورد عملکرد ، آب و هوا ، مواد شیمیایی ، شاخص برگ و زیست توده سایر موارد ، همراه با بهره بردن از یادگیری ماشین برای استفاده در پردازش مقادیر آماری و قدرت تصمیم گیری می تواند تاثیر گذار باشد.

• کشاورزی دقیق: استفاده از سنسورها و نرم افزارها برای جمع آوری داده ها، بدین معنی است که به مقدار کمی کار دستی لازم است و از سویی نیاز به یک دفترچه راهنما در مورد چگونگی تضمین بهترین بازده از محصولات است.

• استفاده دقیق از سموم دفع آفات: استفاده از سموم دفع آفات به دلیل عوارض جانبی آن بر روی اکوسیستم یک مسئله بحث برانگیز بوده است. داده های بزرگ به کشاورزان این امکان را می دهد که با به کاربردن چه نوع سموم دفع آفات ، چه موقع و چه میزان ، این امر را بهتر مدیریت کنند.

لیپ فراگ، شرکت در زمینه فناوری، برای سال 2020 وعده پیشرفت قابل ملاحظه ای در مسیر کشاورزی هوشمند از طریق برنامه های مختلفی که توسط دولت و شرکای آن هدایت می شودرا داده است. به طوریکه شامل پیشرفت در زمینه های کشاورزی دقیق ، جی پی اس برای داده های آب و هوایی و خاک ، جمع آوری داده ها و هوش مصنوعی و یک سیستم ملی شناسایی دام است.

باید به این نکته اشاره کرد، در این زمینه دولت ها به دلیل داشتن حجم بالای  اطلاعات ، نقش مهم و اساسی دارند، به طوریکه می توان به دولت کنیا اشاره کرد که این کار را از طریق آژانس های دولتی مانند هیئت لبنی کنیا ، نیو کی‌سی‌سی، سازمان تحقیقات کشاورزی و دامی کنیا ، هیئت غلات و تولید محصولات ملی و سایر، انجام و اطلاعات میلیون ها کشاورز را در پایگاه های داده خود ثبت کرده است. در عین حال که برای بهینه سازی این داده ها و مشارکت های دولتی و خصوصی ، رشد سرمایه گذاری و تحقیق ، باید با ظرفیت کشاورزان، و زنجیره ارزش به طور همزمان بهره برد.

ابتکارات بخش خصوصی

نهاد به نام اکومن کنیا، با حدود 300 نمایندگی کشاورزی در سراسر کشور(کنیا) در یک فرایند جمع آوری سهام همکاری می کند. این شرکت از طریق یک برنامه و سیستم فروش (POS) که در دسترس مشتریان است ، میزان سطح سهام ، میزان فروش ، میزان تقاضای برند و ورودی های که مردود شده یا نقص داشته است را بررسی می کند. این اطلاعات سپس برای مرجع اعتباری برای راه اندازی مجدد و توسعه آنها ارسال می شود.

همچنین شرکت های تکنو برین و کوارتیکس گلوبال برای بهینه سازی داده های بزرگ جهت شناسایی مبدا، قابلیت ردیابی محصول و توزیع محصولات دامپزشکی با یکدیگر همکاری می کنند. بازیکنان این بخش که در حال حاضر از این سرویس استفاده می کنند شامل شرکت های بیدکو و سیدی افریکا هستند.

همچنین دفتر غذا وسیاست آفریقای جنوبی و شرکت امیران کنیا، در حال توسعه گسترده ای از داده ها برای ارائه خدمات و کالاهای مورد تقاضا حتی قبل از نیاز مشتری هستند. اما با وجودی که نمونه های بی شماری در مورد پذیرش و بهره بردن داده های بزرگ در کشاورزی وجود دارد. با این حال به نظر می رسد همکاری دولت ، آژانس های توسعه ، مؤسسات تحقیقاتی و شرکت های خصوصی برای جلوگیری از اقدامات تکراری در جمع آوری داده ها و تجزیه و تحلیل مورد نیاز باشد.