fbpx

Adatgyűjtés, adatfeldolgozás és adatvizualizáció a mezőgazdaságban

Írta: Szerkesztőség - 2018 október 19.

Napjainkban sokat és sok helyről halljuk: adat, big bata, adatvizualizáció, SQL adatbázis, sávszélesség és ehhez hasonló, szokatlan, néha nehezen értelmezhető kifejezéseket. Azt gondolhatnánk, ezeket csak a számítástechnikával foglalkozó nagyvállalatok vagy esetleg kisebb, de mindenképpen valamiféle informatikához köthető dologgal foglalkozó cégek használják. A valóságban azonban az adatok folyamatosan keletkeznek még akkor is, ha azt nem vesszük észre.

Adatgyűjtés és méréstechnológiák: „az adat az új olaj”

Az adat jelentősége egyre jobban nő, és még távol vagyunk a jelenlegi, adatokkal kapcsolatos lehetőségeink kihasználásától. Ennek megfelelően az adat, az adatvagyonnal való tudatos gazdálkodás a vállalati stratégiák, innováció egyik legfontosabb témájává válhat a mezőgazdasággal foglakozó vállalatok számára is.

Milyen eszközeink állnak rendelkezésre a hatékony adatgyűjtéshez?

A technikai fejlődésnek köszönhetően a 21. században rendelkezünk olyan szenzorokkal, valamint mérőeszközökkel, amelyekkel könnyen és hatékonyan, nem utolsó sorban gyorsan tudunk hajszálpontos méréseket végezni. A szenzorok elterjedése a mezőgazdaságban kisebb mértékű ugyan a nehéziparhoz képest, de az utóbbi években megjelentek olyan fejlesztővállalatok, amelyek megoldások széles körét biztosítják a gazdálkodók számára. A fejlesztések felgyorsulását több külső tényező is befolyásolta: ilyen például a munkaerőhiány, az precíziós gazdálkodás, precíziós telephelyek elterjedése, valamint néhány úttörő gazdálkodó, akik a fejlesztőcégekkel együtt speciálisan a gazdálkodók igényére szabva készítenek szenzorokat. Ezek a fejlett mérőeszközök képesek folyamatosan állatjólléti információkat biztosítani közvetlenül a jószág életteréből.

Milyen adatok keletkezhetnek a mezőgazdaságban?

Példaként vegyünk egy képzelt gazdálkodót, akinek fő tevekénysége az állattartás, a gazda saját maga állítja elő az állatállomány ellátásához szükséges takarmányt is. A birtok megfelelően gépesített, 1000 hektáron gazdálkodnak, az állatállomány 4000 tejelő szarvasmarhából áll. Dolgozói létszáma 65 fő.

Milyen adatokat kaphat esetünkben ez a gazda?

A kérdés itt válik nagyon érdekessé! Természetesen érdekli a napi tejhozam, mivel ez az egyik fő bevételi forrása. Emellett érdekli még az állatok általános állapota, mennyi a beteg állat, mennyi sikeres ellés volt, mekkora a takarmányfelvétel, stb.

Vannak azonban olyan tényezők, amelyekről hajlamosak vagyunk megfeledkezni, illetve nem tulajdonítunk nekik üzletet szempontból jelentőséget, vagy a gazdálkodó megítélése alapján nem releváns információ.

Melyek ezek az információk?

Ezek az adatok, mérési eredmények nagy többségükben a fő tevékenységet támogató folyamatok működése közben keletkeznek. Ilyen adatok például a munkaerővel kapcsolatos információk, olyan paraméterek, melyeket ritkán vagy egyáltalán nem mér a gazda, de alapvetően befolyásolhatja a termelést. Az istállóban, fejőházban gyűjtött adatok, kiegészítve a vállalkozás más területeinek adataival (például munkaerő-nyilvántartás, üzemanyag-fogyasztás, stb.), már olyan pontos vezetői információt adhatnak a gazdának, amelyek segítségével pontosan láthat előre.

Gondoljunk, csak arra milyen nagyszerű lenne, ha a dolgozók teljesítménye egységes lenne, és ez nem befolyásolná a termelést. Azonban a mezőgazdaságnak igen nagy az emberierőforrás-igénye, a dolgozók készségei és képességei is igen széles skálán mozognak, és bizony, ha egy-egy műszakban kevésbé képzett szakemberek dolgoznak, az már hatással lehet a napi termelésre, mind mennyiségben, mind minőségben. Maradva a tehenészeti példánál: egy pasztörizálást felügyelő szenzor telepítése és mérési adatainak napi kiértékelése segíthet a gazdálkodónak kiküszöbölni az emberi tényező által okozható kárt azzal, hogy a telepvezetőnek „piros” vagy „zöld” jelzést küld a folyamat után annak eredményéről.

Az adatvizualizáció megjelenése a mezőgazdaságban

A 2000-es évek elején megjelent új technológiák segítségével a gazdálkodók napjainkban már drónok, műholdképek és modern GPS-követőrendszerek segítségével gazdálkodnak birtokaikon. Az informatika fejlődése közel hét évtizede zajlik a világban töretlenül, és az itt keletkező tudás minden 3. évben megduplázódik. Ma már nincs szükségünk szobányi méretű gépekre a számítások elvégzésére. A legújabb okostelefonok erősebbek, mint egy átlagos laptop. A technológia tehát fénysebességre kapcsolt gyorsasággal fejlődik.

Hogyan lehet a leghatékonyabban feldolgozni a keletkező rengeteg adatot?

Most vegyünk egy mély levegőt egy kis „szakmázáshoz!” Az 1960-as években a gazdasági életben megjelent a számítástechnika, és az adatokat eleinte fájlrendszerekben tárolták, a fájlokban tárolt adatok szekvenciálisan voltak elérhetők. A legelterjedtebb tároló a mágneses szalag volt. Az adatok elérésében a közvetlen hozzáférésű tárolóeszközök elterjedése hozott jelentős változást. Ezen az eszközök használatának elterjedése tette lehetővé a szoftverfejlesztők számára a relációs adatbázisok elvének és gyakorlatának kidolgozását.

Az 1970-évek nagy találmányai a relációs adatbázis és a relációs adatbázisok kezelésére az SQL nyelvek, a riportprogram-generátorok és további adatmenedzsment-eszközök. Az üzleti életben a számítástechnika egyre nagyobb elterjedését a relációs adatmodell tette lehetővé. Azonban az adatbázisok létrehozása és fenntartása meglehetősen költséges és időigényes, azaz lassú volt. Hamarosan kidolgozták entity-relationship modellt, és megjelentek az adattárházak (data warehouses).

A relációs adatbázisok használata az 1990-es évek elejére vált teljes körűen elfogadottá. Napjainkban a strukturált adatok feldolgozásának leghatékonyabb eszközei a skálázható hardvereket és a virtualizációs technikákat használó relációs adatbázisokon alapuló enterprise content management rendszerek és adattárházak. Azonban a tárolókapacitások növekedésével megjelentek a BLOB-ok (binary large objects) és ezek egyre nagyobb térnyerésével az objektum orientált adatbázis kezelő rendszerek (ODBMS) is.

Az üzleti intelligencia mint lehetséges megoldás

Az üzleti intelligencia gyűjtőfogalom magába foglalja azokat az alkalmazásokat, legjobb gyakorlatokat, eszközöket – beleértve az infrastruktúrát is –, amelyek lehetővé teszik, hogy megszerezhessünk és felhasználhassunk olyan információkat, amelyek fontosak ahhoz, hogy az üzleti döntéseket és így az üzleti teljesítményt javítsuk.

Alkalmazásával optimalizálhatjuk a belső üzleti folyamatokat, növelhetjük a működés hatékonyságát, új bevételi forrásokhoz juthatunk, és előnyre tehetünk szert a piaci versenyben. Trendeket ismerhetünk fel, és azonosíthatunk olyan üzleti problémákat, amelyekkel foglalkoznunk kell. Hatalmas, gyakran rosszul strukturált adattömeget kezelhetünk, ezzel új üzleti lehetőségeket tárhatunk fel, majd megtehetjük a szükséges lépéseket. Az üzleti intelligencia mind a múltbeli, mind a jelenlegi működés elemzésére alkalmas, a modern technológiák egyre pontosabb előrejelzéseket tesznek lehetővé. Üzleti döntések széles skáláját támogatja a stratégia kialakításától a napi működés támogatásáig. Utóbbira példa egyebek mellett a termékek pozicionálása és árazása, előbbire pedig új üzleti területek azonosítása. Az üzleti intelligencia lehetőségeit akkor használhatjuk ki a legjobban, ha a döntéshez szükséges adatokat minden lehetséges forrásból, a vállalaton belülről és kívülről is beszerezzük, és feldolgozzuk. Ezeknek a „sokszínű” adatoknak az integrálása és feldolgozása adja az „intelligenciát”.

Tegyük fel, hogy a példában szereplő gazda okosmegoldásokban gondolkodik, és az istállókban nemcsak a takarmány felvételét nézi, hanem méri a hőmérsékletet, páratartalmat, zaj- és még egy sor környezeti más paramétert, amik mérése eddig nem volt prioritás.

Az önkiszolgáló üzleti intelligencia megoldásaival a felhasználók maguk tervezik meg, és készítik el a jelentéseket, az elemzéseket megfelelő, támogatott eszközkészlet segítségével. Ez egyre elterjedtebb, mert a jelentések kialakításához nincs szükség informatikai szakember segítségére; a különösebb informatikai tudással nem rendelkező felhasználók maguk is összeállíthatnak egy akár teljesen önműködően frissülő és interaktív riportot, elemzést. Az önkiszolgáló üzleti intelligencia saját eszközkészlettel rendelkezik, sokféle alkalmazás elérhető.

A mezőgazdaságban keletkező adatok ezzel együtt a mérhető paraméterek számát ma még csak sejteni lehet, de annyi bizonyos, a fejlődés töretlen, és az adatok jelentősége, a vállalatok által létrehozott adatvagyon értéke fokozott felértékelődése várható.

Összefoglalva: minél több adatot mérünk, tárolunk, annál több információ áll rendelkezésünkre a múltbéli tevékenységünkről. Ezt összevetve az elért eredményekkel, nagyobb biztonsággal hozhatunk megalapozott döntéseket a jövőbeli tevékenységünkre vonatkozóan.

Kövesdi József
OKOSFARM
Senit Kft.