Московский экономический журнал 9/2021

image_pdfimage_print

Научная статья

Original article

УДК 631.1

doi: 10.24411/2413-046Х-2021-10524

ЦИФРОВАЯ ТРАНСФОРМАЦИЯ АГРОПРОМЫШЛЕННОГО КОМПЛЕКСА: ИНФРАСТРУКТУРА ДАННЫХ

DIGITAL TRANSFORMATION OF THE AGRO-INDUSTRIAL COMPLEX: DATA INFRASTRUCTURE

Хубулова Вероника Васильевна, кандидат экономических наук, доцент кафедры финансов и бухгалтерского учета Пятигорского института (филиала) ФГАОУ ВО «Северо-Кавказский федеральный университет», кандидат экономических наук / Доцент кафедры гуманитарных и социально-экономических дисциплин Филиала ГБОУ ВО «Ставропольский государственный педагогический институт» в г. Железноводске.

Khubulova V.V., wave71@yandex.ru

Белкина Елена Николаевна, доктор экономических наук, доцент, заведующий кафедрой государственного и муниципального управления ФГБОУ ВО «Кубанский государственный аграрный университет им. И.Т. Трубилина», г. Краснодар

Belkina E.N., enbelkina@list.ru

Аннотация. В современных рамках цифровой трансформации агропромышленный комплекс является как важной отраслью для внедрения цифровых технологий, так и поставщиком данных по средствам создания добавленной стоимости, разработке и предоставление новых услуг и товаров с использованием данных для исследований, разработок и финансирования для эффективной реализации сельскохозяйственных процессов.

Возможность использования цифровых технологий в сельском хозяйстве зависит не только от доступа к базовой инфраструктуре подключения (широкополосная связь, телекоммуникационные услуги и т.д.), но качественных и количественных характеристик. В совокупности эта инфраструктура данных обеспечивает серию циклов обратной связи, которые могут информировать заинтересованные стороны на всех уровнях агропродовольственной цепочки создания стоимости для получения знаний для принятия решений, повышения эффективности существующего производства и лучшего управления цепочками создания стоимости. 

Abstract. In the modern framework of digital transformation, the agro-industrial complex is both an important industry for the introduction of digital technologies, and a data provider for the creation of added value, the development and provision of new services and goods using data for research, development and financing for the effective implementation of agricultural processes.

The possibility of using digital technologies in agriculture depends not only on access to the basic connection infrastructure (broadband, telecommunications services, etc.), but also on qualitative and quantitative characteristics. Together, this data infrastructure provides a series of feedback loops that can inform stakeholders at all levels of the agri-food value chain to gain knowledge for decision-making, improve the efficiency of existing production and better manage value chains. 

Ключевые слова: агропромышленный комплекс, сельское хозяйство, цифровая трансформация, инфраструктура данных, искусственный интеллект, большие данные, дроны и т.д.

Keywords: agro-industrial complex, agriculture, digital transformation, data infrastructure, artificial intelligence, big data, drones, etc. 

Агропромышленный комплекс имеет долгую историю внедрения инноваций и новых технологий для повышения производительности, управления рисками и повышения экологической, социальной и экономической устойчивости. В современных реалиях, в эпоху цифровой трансформации в глобальные агропромышленные системы внедряются цифровые решения. Цифровые технологии позволяют управлять сельскохозяйственными системами, результативностью и эффективному использованию ресурсов.

Согласно определению Совета по стратегиям цифрового развития ОЭСР под цифровыми технологиями следует понимать – информационно-коммуникационные технологии (далее – ИКТ), включая Интернет, мобильные технологии и устройства, а также аналитику данных, используемую для улучшения генерации, сбора, обмена, агрегирования, комбинирования, анализа, доступа, возможности поиска и представления цифрового контента, в том числе для разработки сервисов и приложений.

Это определение охватывает существующие информационно-коммуникационные технологии (ИКТ), многие из которых использовались в сельском хозяйстве с момента их появления – например, спутниковые данные Landsat использовались для создания карт почвенного покрова и земельного покрова, для глобального мониторинга сельскохозяйственного производства и для GPS с 1972 года. Технологии «на месте» и дистанционного зондирования значительно повысили пространственное и временное разрешение физических измерений и позволили проводить автоматизированные измерения многих аспектов сельскохозяйственного производства, которые ранее можно было измерить только ограниченным образом, например в дискретные моменты времени человеком-наблюдателем, проводящим полевой визит. Достижения в области массового сбора, хранения, связи и обработки данных сделали возможным быструю передачу огромных объемов данных, что было невозможно даже десять лет назад, и значительно расширили возможности обработки больших наборов данных и автоматизации аналитических процессов с помощью машинное обучение.

Цифровизация сельского хозяйства и ферм происходит в широком спектре: от низкотехнологичных решений с использованием мобильных устройств и платформ для предоставления услуг по принятию управленческих решений до высокотехнологичных «смарт ферм» с использованием интегрированных систем, включающих полевые датчики и Интернет вещей; аналитика больших данных для принятия решений; и дроны, робототехника и искусственный интеллект (AI) для автоматизации процессов. Основная причина, по которой фермеры используют цифровые технологии, заключается в том, что эти технологии снижают затраты или отвечают новым потребностям изменяющейся экономической среды.

Цифровая трансформация сельского хозяйства потенциально поддерживает:

  • повышение продуктивности и устойчивости сельского хозяйства;
  • управление рисками, в том числе для адаптации или смягчения последствий изменения климата;
  • упрощение доступ к рынкам и управлению бизнесом;
  • автоматизация административных процессов.

Цифровые инновации также могут косвенно влиять на устойчивую производительность фермерских хозяйств. Например, анализ больших данных расширяет возможности ученых по созданию растений, устойчивых к засухе или определенным вредителям, уменьшая их потребность в воде или использовании химических веществ, а также повышая устойчивость фермерского производства к таким экзогенным явлениям.

Существуют также внешние факторы, такие как повышенный спрос потребителей на информацию об агропродовольственных продуктах и необходимость внедрения технологий на фермах, чтобы участвовать или оставаться конкурентоспособными во все более оцифрованных глобальных цепочках создания стоимости.

Ниже обособлены примеры внедрения цифровых технологий, способствующие цифровой интеграции в сельском хозяйстве и пищевой промышленности.

Интернет вещей. Технологии позволяют корреляции структурированных и неструктурированных данных, чтобы получить представление о производстве продуктов питания. Такие платформы, как IBM Watson, применяют машинное обучение к данным датчиков или дронов, преобразовывая системы управления в реальные системы.

Внедрение искусственного интеллекта. В настоящее время чат-боты с поддержкой искусственного интеллекта (виртуальные помощники) активно внедряются в сельскохозяйственную отрасль исходя из опыта использования их таких отраслях, как: розничная торговля, туризм, страхование и т.д.

Сельское хозяйство, основанное на данных: Анализируя и сопоставляя информацию о погоде, типах семян, качестве почвы, тенденциях рынка и ценах, фермеры могут принимать эффективные решения.

Использование цифровых данных в сельском хозяйстве впервые было введено в качестве источника роста производительности за счет точного земледелия. Сначала точное сельское хозяйство в основном включало использование систем наведения, мониторинг урожайности, применение переменной скорости, передачу компьютеризированной информации на большие расстояния (телематика) и управление данными. Было разработано множество несвязанных систем для сбора данных о деятельности и результатах на фермах, таких как изменение урожайности и характеристики производственных активов.

Одна из ключевых причин, по которой данные до сих пор не использовались в полной мере, заключается в том, что фермерам часто не хватало инструментов и навыков для полного использования данных и их использования для принятия решений. Невозможность связать данные между системами, каждая из которых сосредоточена на определенной задаче, помешала как понять взаимосвязь между определенными методами управления, так и внутри системы фермы, по крайней мере, в отсутствие дорогостоящего ручного синтеза данных. Одна точка данных не имеет большого смысла без контекста, критериев, тенденций или причинно-следственных связей. Хотя эти данные могут быть индивидуально информативными, полученные выводы могут быть значительно умножены, если объединить данные разных типов и из разных источников.

Несколько технологических инноваций в последнее время значительно расширили возможности по сбору, агрегированию, обработке и анализу сельскохозяйственных данных: технологии массового сбора, хранения, передачи и обработки данных. Эти инновации позволяют оцифровать и датифицировать сельское хозяйство:

Оцифровка: преобразование аналоговых данных и процессов в машиночитаемый формат. Многие виды сельскохозяйственных данных ранее хранились в бумажных системах хранения. Таким образом, оцифровка направлена на преобразование существующих данные в цифровой формат, что позволяет использовать и передавать данные новыми способами.

Обработка данных: это преобразование действий в количественные цифровые данные, позволяющие отслеживать и прогнозировать их в режиме реального времени. Обработка данных использует ранее не записанные процессы и действия и создает данные, которые можно отслеживать, отслеживать, анализировать и оптимизировать.

Обработка данных и оцифровка в совокупности не только быстро расширили объем сельскохозяйственных данных, записанных в цифровом формате, но также расширили охват данными многих аспектов сельскохозяйственного производства и связанных с ними переменных, представляющих интерес, в том числе для государственной политики (например, сброс отходов, питательных веществ с ферм), по которым ранее данные не были доступны.

Эти большие потоки данных и возможность их объединения называются «большими данными» (Big data). Доступ и обработка этих больших объемов, обеспечиваемые за счет увеличения вычислительной мощности, в свою очередь, позволяют выводить взаимосвязи, устанавливать зависимости и выполнять прогнозы результатов и поведения, информируя о принятии решений в режиме реального времени.

В сочетании с прогрессом в области связи и возможностей обработки эти данные постепенно используются для создания знаний и предоставления консультаций о производственных процессах и даже для автоматизации некоторых видов деятельности на ферме. Это позволяет разрабатывать практические решения на уровне фермерских хозяйств (рисунок 2.1): фермеры могут извлечь выгоду из знаний, созданных с течением времени на их собственной ферме, а также другими, либо коллегами, либо научно-исследовательскими институтами (рисунок 1).

Тем не менее, превращение данных в полезную информацию, как правило, требует моделей и алгоритмов, а также знаний о таких факторах, как качество данных и допуск ошибок для каждого источника данных. Они обеспечивают основу для новых форм знаний, новых услуг и инструментов, способных привести к значительным изменениям в сельскохозяйственной практике, а также в цепочках создания добавленной стоимости в сельском хозяйстве и пищевой промышленности. Это сочетание точного земледелия с цифровизацией привело к появлению таких ярлыков, как «сельское хозяйство 4.0» или «интеллектуальное цифровое сельское хозяйство».

Объединению данных также способствуют облачные вычисления, которые позволяют гибко получать доступ к вычислительным ресурсам по требованию с минимальными усилиями по управлению. Облачные вычисления предоставляют возможности для хранения и агрегирования данных в местах, отличных от тех, где они создаются или используются, что поддерживает анализ больших данных.

Отражая динамичный характер многих факторов, имеющих отношение к решениям по управлению земельными ресурсами, существует большой спрос на актуальную информацию. Одним из особенно полезных аспектов новых инструментов анализа данных является то, что они часто разрабатываются таким образом, чтобы быть динамичными и обновляемыми. Эти функции уменьшают необходимость постоянных инвестиций в новое оборудование или программное обеспечение и лучше соответствуют потребностям пользователей. Поэтому инструменты, которые могут обеспечить быстрое обновление информации, лучше соответствуют спросу на информацию и, как таковые, вероятно, будут использоваться чаще как сейчас, так и в будущем.

Способность создавать ценность в продовольственной системе или разрабатывать более эффективную политику с использованием цифровых технологий зависит не только от инфраструктуры подключения (жесткая инфраструктура), но также от нормативно-правовой среды и институциональных механизмов (мягкая инфраструктура), которые в совокупности регулируют доступ к цифровым технологиям и связанным с ними данным и их использование в сельскохозяйственном секторе. Эти два элемента вместе формируют создание эффективных систем цифровизации в сельском хозяйстве, часто называемых «инфраструктурой данных» или «экосистемой данных». В данном контексте под инфраструктурой данных следует понимать систему, позволяющую управлять сбором, доступом и передачей данных, а также хранить и анализировать данные о фермах для получения знаний и рекомендаций (практических решений), и обратной связи с заинтересованными сторонами в сельскохозяйственном секторе, включая фермеров, а также лиц, определяющих политику.

На рисунке 2 представлена инфраструктура данных, которая может быть применена в агропромышленном комплексе, выделяя поток данных на различных этапах и описывая, как данные собираются, объединяются и анализируются. Инфраструктура данных характеризуется как цепочка или цикл потоков данных и информации. На рисунке показаны ключевые потоки, связанные с системами сельскохозяйственного производства; потоки информации для политики изображены на краю диаграммы как один из нескольких различных контуров обратной связи с данными. Одной из особенностей инфраструктуры данных является возможность создания контуров обратной связи, которые работают при полном отсутствии вмешательства человека, посредством межмашинных потоков и автоматизации.

Ключевые категориями инфраструктуры данных агропромышленного комплекса являются сбор данных, анализ данных, хранение данных, управление данными, а также передачи и обмена данными. Категория передачи и обмена данными направлена на облегчения других видов транзакций, таких как передача права собственности или стоимости, связь (между людьми или цифровыми устройствами) и услуги, доставляемые в цифровом виде.

Инициатив по внедрению инфраструктуры данных в сельском хозяйстве, должны включать следующую комбинацию технологических решений:

  • увеличение объема доступных открытых данных;
  • разработка новых веб-приложений или порталов для просмотра агроэкологических данных или взаимодействия с ними;
  • инвестирование в инфраструктуру, которая автоматически генерирует агроэкологические данные (например, новые подключенные метеостанции);
  • разработка интерфейсов прикладных программ, обеспечивающих повышенную совместимость и новые способы использования агроэкологических данных;
  • публикация данных с использованием облачных документов (например, электронных таблиц Google).

Цифровизация агропромышленного комплекса предполагает модификацию широкого спектра элементов: от низкотехнологичных решений с использованием мобильных устройств и платформ для предоставления услуг до высокотехнологичных «цифровых ферм». Однако, современные тенденции интеграции демонстрируют высокие показатели в динамике внедрения данных в сельское хозяйство. Таким образом, последние достижения в технологиях для улучшения доступа к сельскохозяйственным данным и обмена ими, а также достижения в учреждениях по обмену данными, способствуют созданию добавленной стоимости, разработке и предоставлению новых услуг и товаров с использованием данных для исследований, разработок и финансирования для эффективной реализации сельскохозяйственных процессов.

Список источников

  1. Slepakov S.S., Novoselova N.N., Khubulova V.V. Revival and renewal of political economy // В сборнике: The Future of the Global Financial System: Downfall or Harmony. Сер. “Lecture Notes in Networks and Systems” Cham, Switzerland, 2019. С. 443-450.
  2. Казаков М.Ю., Митрофанова И.В. Разработка стратегии пространственного развития аграрно-индустриального региона: модернизация подходов // Региональная экономика. Юг России. 2020. Т. 8. № 1. С. 88-100.
  3. Курдюмов А.В., Королев А.В. Внедрение цифровых технологий в сельском хозяйстве // Московский экономический журнал. 2020. № 12. С. 37.
  4. Текеев М.А.Э., Алиев Д.Р. Стимулирование инвестиционной деятельности в агропромышленном комплексе // Московский экономический журнал. 2020. № 12. С. 38.
  5. Хубулова В.В., Новосёлова Н.Н., Карпенко К.В., Ревякин А.С. Перспективы развития предприятий на основе цифровой трансформации: пятая эра проектного управления // Вестник Института дружбы народов Кавказа (Теория экономики и управления народным хозяйством). Экономические науки. 2020. № 4 (56).
  6. Петренко И.М., Агибалова В.Г. Теоретические аспекты и практика устойчивого развития сельских территорий Краснодарского края // Общество: политика, экономика, право. – 2016. – №6. – С. 47-49.
  7. Агибалова В.Г. Анализ государственной поддержки сельских территорий Краснодарского края // KANT. – 2018. – №2. – С. 217-222.
  8. Белкина Е.Н., Агибалова В.Г. Инструменты устойчивого социально-экономического развития сельских территорий в постиндустриальной экономике: монография. Ставрополь: 2018, «Фабула». – 160 с.

References

  1. Slepakov S.S., Novoselova N.N., Khubulova V.V. Revival and renewal of political economy // V sbornike: The Future of the Global Financial System: Downfall or Harmony. Ser. “Lecture Notes in Networks and Systems” Cham, Switzerland, 2019. S. 443-450.
  2. Kazakov M.Yu., Mitrofanova I.V. Razrabotka strategii prostranstvennogo razvitiya agrarno-industrial`nogo regiona: modernizaciya podxodov // Regional`naya e`konomika. Yug Rossii. 2020. T. 8. № 1. S. 88-100.
  3. Kurdyumov A.V., Korolev A.V. Vnedrenie cifrovy`x texnologij v sel`skom xozyajstve // Moskovskij e`konomicheskij zhurnal. 2020. № 12. S. 37.
  4. Tekeev M.A.E`., Aliev D.R. Stimulirovanie investicionnoj deyatel`nosti v agropromy`shlennom komplekse // Moskovskij e`konomicheskij zhurnal. 2020. № 12. S. 38.
  5. Xubulova V.V., Novosyolova N.N., Karpenko K.V., Revyakin A.S. Perspektivy` razvitiya predpriyatij na osnove cifrovoj transformacii: pyataya e`ra proektnogo upravleniya // Vestnik Instituta druzhby` narodov Kavkaza (Teoriya e`konomiki i upravleniya narodny`m xozyajstvom). E`konomicheskie nauki. 2020. № 4 (56).
  6. Petrenko I.M., Agibalova V.G. Teoreticheskie aspekty` i praktika ustojchivogo razvitiya sel`skix territorij Krasnodarskogo kraya // Obshhestvo: politika, e`konomika, pravo. – 2016. – №6. – S. 47-49.
  7. Agibalova V.G. Analiz gosudarstvennoj podderzhki sel`skix territorij Krasnodarskogo kraya // KANT. – 2018. – №2. – S. 217-222.
  8. Belkina E.N., Agibalova V.G. Instrumenty` ustojchivogo social`no-e`konomicheskogo razvitiya sel`skix territorij v postindustrial`noj e`konomike: monografiya. Stavropol`: 2018, «Fabula». – 160 s.

Для цитирования: Хубулова В.В., Белкина Е.Н. Цифровая трансформация агропромышленного комплекса: инфраструктура данных // Московский экономический журнал. 2021. № 9. URL: https://qje.su/selskohozyajstvennye-nauki/moskovskij-ekonomicheskij-zhurnal-9-2021-11/

© Хубулова В.В., Белкина Е.Н., 2021. Московский экономический журнал, 2021, № 9.