До останнього часу Інформаційна революція проявляла себе передусім у хвилі інновацій, що накрила собою майже виключно технічну сторону інформаційних технологій. Радикальних змін зазнали інструменти для збору та зберігання даних і управління ними, а також методи їх обробки й аналізу.

Так звані дігіталізація та Big Data крокують нога в ногу: "розумне обладнання" за допомогою різноманітних сенсорів здатне генерувати величезні масиви даних на всіх етапах ланцюжка виробництва чи надання послуг, незалежно від галузі. Безліч організацій і підприємств мають можливість самостійно агрегувати, а іноді й обробляти дані, хоча для переважної більшості з них робота з даними не є профільною діяльністю. Проте на запитання, як використовувати доступні дані, як перетворити їх на корисну інформацію та які переваги може безпосередньо отримати організація, багато компаній досі не змогли знайти відповідь.

Склався парадокс: є загальне розуміння або відчуття важливості інформаційних технологій та ролі даних, проте, з іншого боку, воно часто супроводжується роздратуванням через відсутність конкретних результатів або навіть нерозумінням, яких саме результатів варто очікувати.

Дігіталізація та Big Data крокують нога в ногу: "розумне обладнання" за допомогою різноманітних сенсорів здатне генерувати величезні масиви даних на всіх етапах ланцюжка виробництва чи надання послуг, незалежно від галузі

Одними з найперших знайшли для себе відповіді на ці запитання фахівці з маркетингу. Сучасні інформаційні технології та аналіз великих масивів даних дозволяють рекламодавцям більш точно класифікувати потенційних покупців, тим самим з більшою імовірністю передбачаючи їхні смакові переваги. Результатом цього є те, що називається targeted advertisement (цільова реклама), та, відповідно, значно вища ефективність реклами.

Але поки не всі сектори економіки змогли знайти для себе таке ж дієве застосування інформаційних технологій.

Прикладом може слугувати агросектор. Практично жодна конференція, присвячена агробізнесу чи сільському господарству, не проходить без обговорення дігіталізації та інновацій в агро. Але складається враження, що пересічні аграрії опинилися в ситуації, коли "ноги за головою не встигають". Намагаючись не відставати від сучасного тренду, не всі компанії до кінця розуміють, навіщо потрібні інноваційні технології. Ось лише деякі завдання, які можна було б виконувати, та очевидні переваги, які можна було б отримати від дігіталізації та big data в агро*.

1. Використання даних характеристики ґрунтів, таких як глибина верхнього шару ґрунту, рівень насиченості мінералами та органікою, та обробка таких даних із застосуванням сучасних методів статистичного аналізу дозволяють більш точно прогнозувати врожайність та, відповідно, робити кращий вибір культури під посів. Можливість з більш-менш високою вірогідністю оцінити майбутню врожайність надає безліч переваг, насамперед сприяє максимізації прибутку та фінансовому плануванню на наступний сезон.

2. Використовуючи дані стосовно рівня вологи у ґрунтах, можна кількісно оцінити переваги від побудови іригаційних систем та ефективно управляти цими системами в майбутньому. Тема іригації стає дедалі актуальнішою, особливо в південних та східних областях України.

3. Сучасні алгоритми машинного навчання (такі як штучні нейронні мережі) дозволяють проводити якісний аналіз візуальних даних. Одна з можливостей застосування в сільському господарстві – прогнозування, чи радше виявлення на ранніх етапах, розвитку хвороб рослин та поширення шкідників за допомогою аналізу вибірки фотознімків паростків/листя рослин.

  • Складається враження, що пересічні аграрії опинилися в ситуації, коли "ноги за головою не встигають". Намагаючись не відставати від сучасного тренду, не всі компанії до кінця розуміють, навіщо потрібні інноваційні технології
  • Звичайно, це лише деякі приклади можливих способів використання інформаційних технологій та big data в агро, що вже застосовуються. Важливо, щоб підприємець, у цьому випадку аграрій, мав більш-менш чітке уявлення про те, на які запитання які саме дані можуть дати відповідь, а на які – ні.

Можливості аналізу даних, зібраних лише за один період часу (наприклад, за один сезон), є суттєво обмеженими. Вони виконують у першу чергу описову функцію. Але для того, щоб застосовувати методи індуктивного аналізу, як-от прогнозування, дані мають розглядатися в ретроспективі ­­– мати часовий вимір. Це означає, що рішення для підприємства «йти в data» має бути стратегічним, із розумінням того, що значні вигоди від цього можна буде отримати лише з часом, після того як буде агрегована достатня кількість інформації. З іншого боку, це є одним із ключових викликів для компаній - передусім численних стартапів, які пропонують big data послуги аграріям. Їм варто сфокусуватися не стільки на пропозиції унікальних і надскладних у технологічному плані послуг, скільки на роз’ясненні та донесені до споживачів цінності своїх «продуктів». І найголовніше – надавати професійний консультаційний супровід протягом усього часу партнерства.

*Див. Coble et al. (2018): Big Data in Agriculture: A Challenge for the Future, In: Applied Economic Perspectives and Policy, vol. 40, Nr. 1, pp. 79-96