Аналитика больших данных в агропромышленном комплексе Казахстана: эффективные технологии

Актуальность темы обусловлена значимостью цифровой трансформации в сельском хозяйстве. Применение технологий больших данных в агропромышленном комплексе республики способствует росту доходов, снижению затрат и повышению эффективности производственных процессов.

Цель - выявить проблемы аналитики значительного объема информации в функционировании аграрного сектора в контексте глобальных тенденций и вызовов. Агропромышленное производство страны сталкивается с нехваткой квалифицированных кадров, высокой стоимостью цифровых преобразований, устаревшими разработками. Появилась новая задача – подготовка специалистов по работе с массивами сведений осложняется отсутствием достаточного практического опыта у производителей и интеграторов инновационных моделей.

Методы – аналитический, сравнительного анализа, графический для визуализации материалов и обоснования выводов. Исследование включает анализ кейсов России, США, Украины, Израиля и Казахстана, демонстрирующих практическую адаптацию научных подходов.

Результаты - идентифицированы ограничения, лимитирующие интерпретацию потока цифровой документации в АПК, выделены барьеры, затрудняющие ее широкое распространение в отрасли. Дана экспертная оценка состояния и перспектив внедрения инструментов аналитики широкого спектра фактических материалов в сельское хозяйство ряда зарубежных государств с акцентом на возможности трансфера успешных практик в агропромышленный комплекс Республики Казахстан. Показано использование спутникового мониторинга, беспилотных летательных аппаратов (дронов), обеспечивающих высокоточное и оперативное получение данных о состоянии сельскохозяйственных угодий.

Выводы - определены приоритетные направления реализации этих нанотехнологий на краткосрочную перспективу (5 лет) и предложено условное структурирование этапов на среднесрочную и долгосрочную перспективу (10 лет) в виде 3 последовательных фаз.

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).