Қазақстанның агроөнеркәсіптік кешеніндегі үлкен деректерді талдау: тиімді технологиялар

Тақырыптың өзектілігі ауыл шаруашылығындағы цифрлық трансформацияның маңыздылығына байланысты. Республиканың агроөнеркәсіптік кешенінде үлкен деректер технологияларын қолдану кірістердің өсуіне, шығындардың төмендеуіне және өндірістік процестердің тиімділігін арттыруға ықпал етеді.

Мақсаты - жаһандық үрдістер мен сын қатерлер контекстінде аграрлық сектордың жұмыс істеуіндегі ақпараттың едәуір көлемін талдаудың проблемаларын анықтау. Елдің агроөнеркәсіптік өндірісі білікті кадрлардың жетіспеушілігіне, цифрлық қайта құрулардың қымбаттығына, ескірген әзірлемелерге тап болады. Жаңа міндет пайда болды – мәліметтер массивтерімен жұмыс істеу бойынша мамандарды даярлау инновациялық модельдер өндірушілері мен интеграторларында жеткілікті практикалық тәжірибенің болмауымен қиындайды.

Әдістері – аналитикалық, салыстырмалы талдау, материалдарды визуализациялау және қорытындыларды негіздеу үшін графикалық. Зерттеу ғылыми тәсілдердің практикалық бейімделуін көрсететін Ресей, АҚШ, Украина, Израиль және Қазақстан жағдайларын талдауды қамтиды.

Нәтижелер - агроөнеркәсіптік кешендегі цифрлық құжаттама ағынын түсіндіруді шектейтін шектеулер анықталды, оның салада кеңінен таралуын қиындататын кедергілер анықталды. Қазақстан Республикасының агроөнеркәсіптік кешеніне табысты тәжірибелерді трансферттеу мүмкіндігіне баса назар аудара отырып бірқатар шет мемлекеттердің ауыл шаруашылығына нақты материалдардың кең спектрін талдау құралдарын енгізудің жай-күйі мен перспективаларына сараптамалық баға берілді. Ауыл шаруашылығы алқаптарының жай-күйі туралы деректерді жоғары дәлдікпен және жедел алуды қамтамасыз ететін спутниктік мониторингті, ұшқышсыз ұшу аппараттарын (дрондарды) пайдалану көрсетілген.

Қорытындылар - осы нанотехнологияларды қысқа мерзімді перспективада (5 жыл) іске асырудың басым бағыттары айқындалды және кезеңдерді орта мерзімді және ұзақ мерзімді перспективаға (10 жыл) қатарынан 3 фаза түрінде шартты құрылымдау ұсынылды.

1. Baseca, C.C., Sendra, S., Lloret, J., & Tomas, J. (2019). A Smart Decision System for Digital Farming. Agronomy, 9 (5), 216.doi:10.3390/agronomy9050216

2. John H., Tibbetts (2018) The Frontiers of Artificial Intelligence. Bioscience, 68(1), 5 –10.doi:10.1093/biosci/bix136

3. Bjerke, L. Innovation in agriculture: An analysis of Swedish agricultural and non-agricultural firms// L.Bjerke, S. Johansson // Food Policy.-2022.-Vol 109. - P. 1–14.

4. Moorthy, J., Lahiri, R., Biswas,N., Sanyal,D., Ranjan,J., Nanath,K., & Ghosh,P. (2015). BigData: Prospects and Challenges.Vikalpa, 40(1), 74–96. doi:10.1177/0256090915575450

5. Заяц О. А., Назарова Ю.Н., Стрижакова Е. А. [и др.] Big Data технологии в сельском хозйсстве // Фундаментальные исследования. 2022. № 7. S. 35–40. doi: 10.17513/fr.43280.

6. Ведомственный проект «Цифровое сельское хозяйство»: официальное издание. М.: ФГНБУ «Росинформтех», 2019. 48 с. URL: https://mcx.gov.ru/upload/iblock/900/ (дата обращения: 19.12.2024).

7. Технология, которое прокорямят человечество. URL: https://trends.rbc.ru/trends/industry/6221f6aa9a794 7184f151d22 (дата обращения: 19.12.2024).

8. «Ростсельмаш» и сознательные технологии впервые в России провели полевые испытания беспилотного комбайна. URL: https://agbz.ru/news/rostselmash--i-CognitiveTechnologies-vpervyie-v-rossii-proveli-polevyie-ispyitaniyabespilotnogo-kombayna/ (дата обращения: 19.12.2024).

9. Abdelkader A., Hafi da A. Predictive Analysis for Big Data: Extension of Classification and Regression Trees Algorithm // International Journal of Computer and Systems Engineering. 2019. Vol. 13, № 8. P. 450–454.

10. Guild, M. & Danaher, T. (2014). Big Data Comes to the Farm. Financial Sense. Retrieved from http: //www. financialsense.com/contributors/guild/big-data-farm.

11. Faulkner, A., & Cebul, K. (2014). Agriculture Gets Smart: The Rise of Data and Robotics, Clean tech Agriculture Report. Cleantech Group.

12. Kamilaris, A., Kartakoullis, A., & Prenafeta-Boldú, F.X. (2017). Are view on the practice of big data analysis in agriculture. Computers and Electronics in Agriculture,143 (December), 23–37.doi:10.1016/j.compag.2017.09.037

13. Sonka, S. (2015). Big Data: From hype to agricultural tool. Farm Policy Journal,12, 1–9.

14. Oussous, A., Benjelloun, F.Z., Lahcen, A.A., & Belfkih, S. (2018). Big Data technologies: Asurvey. Journal of King Saud University-Computer and Information Sciences, 30(4), 431–448.

15. Zilberman, D., Lipper, L., McCarthy, N., & Gordon, B. (2018). Innovation in Response to Climate Change. In Climate Smart Agriculture (pp.49–70).Springer.doi:10.1007/978-3-319-61194-5_4

16. Capalbo, S.M., Seavert,C., Antle, J.M., Way,J., & Houston, L. (2017). Understanding tradeoffs in the context off arm-scale impacts an application of decision support tools for assessing climate smart agriculture. In L.Lipper, N. McCarthy, D.Zilberman, G.Branca, & B.Blankespoor (Eds.), Climate Smart Agriculture: Building Resilience to Climate Change. Rome: FAO.

17. Jones,J.W., Antle,J., Basso,B., Boote,K., Conant,R., Foster,I., & Wheeler,T.et al. (2017).Towards a new generation of agricultural system data, models and knowledge products: State of agricultural systems science. Agricultural Systems,155,269–288.doi:10.1016/j.agsy.2016.09.021PMID:28701818

18. Lokers,R., Knapen,R., Janssen,S., vanRanden,Y., & Jansen,J. (2016). Analysis of Big Data technologies For use in agro-environmental science. Environmental Modelling & Software,84,494–504.doi:10.1016/j.envsoft.2016.07.017

19. Baranyi, J., Jóźwiak, A., Varga, L., Mézes, M., Beczner,J., & Farkas, J. (2013). Application Potentials of Network Science, Bio informatics and Systems Biology to Food Science. Hungarian Science, 174(9),1094-1102.

20. Bennett, J.M. (2015). Agricultural Big Data: Utilisation to discover the unknown and instigate practice change. Farm Policy Journal,12, 43–50.

21. Castillo, M.J., Boucher,S., &Carter,M. (2016). Index insurance: Using public data to benefit small-scale agriculture. The International Food and Agribusiness Management Review,19, 93–114.

22. Sawant, M., Urkude,R., & Jawale,S. (2016). Organized Dataand Information for Efficacious Agriculture Using PRIDE™Model.The International Food and Agribusiness Management Review, 19, 115–130.

23. Об инновационной деятельности предприятий в Республике Казахстан: стати стический бюллетень [Электронный ресурс]. - 2013-2023. - URL: https://www.stat.gov.kz/ru/in dustries/ social-statistics/ stat-edu-science-inno/ spreadsheets/ (дата обращения 25.09.2024).