Земельная Big data: компьютер знает правильные ответы, осталось найти правильные вопросы

Накануне предвыборной кампании  они фактически скупили все доступные массивы данных об интернет-пользователях и на основе компьютерного анализа не только смогли сформировать таргетрированную рекламу для определенных групп  в соцсетях, но и донести месседжи в наиболее адекватной для этих групп манере. Под массивом данных подразумевается все так называемые «цифровые следы» оставляемые пользователями — поисковые истории, лайки, геометки и тд.

Политики только осознают могущество Big data, однако корпоративный сектор уже давно использует этот инструмент.

В сентябре аграрный гигант Cargill заявил о разработке приложения Dairy Enteligen, которое будет анализировать данные big data с целью создания более комфортных условий и повышения продуктивности для своих коров. Первые тесты приложения в Италии показали прирост продуктивности молока на 11,7%. Преимущество big data заключается именно в том, что объем информации действительно Big и обработать их вручную невозможно одному человеку, зато масштабируясь, массив информации дает максимально четкую картину. Компании-скептики уже оказались в позиции «догоняющих» на рынке.

Что мы имеем на входе в big data в контексте сельского хозяйства? Длиннейший список подотраслей со своими спецификами и мелкими техническими деталями, плюс бесконечный список сторонних факторов (климат, почва, методы культивирования, методы сбора и тд.).

Из-за такой мультифакторности результаты на выходе всегда непредсказуемы, а-ля прослушивание пятой симфонии Баха для увеличения ежедневных надоев.

Для Украины, где аграрный комплекс на сегодня, является опорой экономики и приносит 12% ВВП, использование ag-tech технологий может стать драйвером для нового витка развития.

Давайте немного пофантазируем, и представим что кто-то разработал приложение для анализа Big data всей аграрной отрасли Украины. При запуске, приложение соберет информацию о текущем статус-кво:  неплохих, но колеблющихся от  региона к региону показателях урожайности, низком уровне переработки, высокой органической составляющей урожаев, угрожающем уровне деградации грунтов и еще тысячи других прямо, либо косвенно связанных с сельским хозяйством показателей.

Результатом анализа станет ряд рекомендаций, которые будут иметь либо долгосрочный, либо неотложный характер. Система компьютерного анализа не будет делать субъективные выводы либо политические поблажки при выдаче результата, это будет алгоритм объективного установления причинно-следственных связей.

Очевидно, что компьютер укажет на первопричины существующих проблем, выделив из них  как первостепенные те, которые имеют наиболее широкое негативное влияние на АПК. Исходя из этого, многие цепочки истоков проблем будут иметь следующий вид:

- мораторий на продажу сельхозземель -> отсутствие среднего класса на селе -> катастрофическое уменьшение сельского населения - > упадок развития сельских территорий;

- мораторий на продажу сельхозземель -> отсутствие стимула инвестировать в землю -> интенсивное использование удобрений -> истощение грунтов;

- мораторий на продажу сельхозземель -> отсутствие стимула инвестировать в многолетние насаждения -> низкий уровень развития садовничества;

- мораторий на продажу сельхозземель -> не восприятие земли как полноценного актива банками-> отсутствие дешевых кредитов на развитие фермерского бизнеса;

- мораторий на землю -> невозможность государства распоряжаться землей по рыночным ценам -> теневые схемы -> недопоступления в бюджет.

Приведенные цепочки — это упрощенный вариант результат анализа Big data и в реальности они могут содержать до десятков или сотен звеньев. Но скорее всего в большинстве из них одно звено в перечне негативных факторов будет неизменным. И не нужно быть компьютером, чтобы заметить, что лежит в корне большинства проблем.

Денис Башлык, директор департамента международного сотрудничества и рынка земель Госгеокадастра