社区编辑申请
注册/登录
大数据如何为农业部门提供可持续发展优势
大数据
行业专家认为,现在是农业部门利用数据的力量并共同努力提高生产力、盈利能力、可持续性、食品安全和保障的时候了。作为Proagrica公司的原始架构师之一,Lindsay的重点仍然是加强Proagrica的能力,为整个供应链的各个行业领域提供广泛的以数据为中心的解决方案,为所有人释放价值。

数据在农业领域正在获得动力——正如它应有的那样。该行业仅在现场级别生成的数据比许多行业在其整个供应链中生成的数据还要多。对于其他市场,人们已经重新关注使用数据来提高效率并支持那些在家工作的人。然而,最大的长期挑战在于确保食品系统经受住气候变化的最严重影响,而最紧迫的是让消费者相信其绿色信誉。

无论哪种情况,可持续性考虑最终都会将数据创新置于我们行业的前沿。

鉴于全球变暖,该行业的众多参与者正在对面向未来的农业进行大量投资。AIMforClimate就是一个很好的例子,该倡议旨在推动不同市场对气候智能型食品的投资,迄今已筹集了超过40亿美元。

该计划表面上看起来很有希望,但环保组织ETC集团却将其称为将农民的最大利益置于技术支持之外。这不是田间问题(目前),但平衡绿色目标与气候变化的威胁并确保每个利益相关者,从农民到杂货商,长期受益将意味着掌握数据。

以数据而非金钱为主导的合作

尽管农业数据技术在投资方面胜过食品技术,但仍远未发挥其全部潜力。考虑到这一点,现在是从这些技术中获取更大价值的时候了;这意味着比使用它们来自动化管理流程(例如记录ERP系统)更进一步。

不过,该行业最终能够走多远归结为一个因素,即数据交换。

所有利益相关者都需要感觉到他们觉得他们通过共享数据获得了公平的回报。例如,种植者与顾问(通常是农艺师)分享田间数据可以深入了解他们应该在该土地上使用的投入——例如,种子、营养和化学品的哪些组合将在特定土壤类型上产生最大利润,具有特定的作物轮作历史、海拔高度,以及这种处方是否会使它们对日益动荡的天气相关现实更具弹性。

农艺师可以使用相同的数据为特定领域最相关的产品提供建议。此外,随着像LeadingHarvest这样的非营利组织在国际上扩大可持续性认证,农民将寻求咨询建议,以确保他们正在努力实现立法和消费者驱动的绿色标准。

“信任”问题

当然,整个行业的参与者都希望在面对气候变化时让他们的业务面向未来,并且大多数人都希望通过“绿化”他们的运营来做正确的事情,但事实仍然是绝大多数人仍然无法超越他们对数据共享的焦虑。许多人将这些信息视为宝贵的知识产权——尤其是那些利润较低的知识产权——因此他们更有可能关上围墙花园的大门,以防止这些数据被窥探。这是可以理解的。

问题在于,他们担心这可能给竞争对手以及他们的供应商和客户带来的透明度水平,这些供应商和客户可能寻求获得与他们相比与价格相关的商业优势。

但是把卡片放在胸前会限制农业的进步。这可能意味着基于来自供应链其他部分的洞察力的建议,例如运输成本增加导致的物流滞留,对于种植者来说可能为时已晚,无法围绕它们进行计划。这冒着浪费好食物的风险——这与可持续思维背道而驰。

更重要的是,随着天气模式变得越来越极端和不可预测,收集和共享数据的能力和意愿可能是是否有足够的保险赔付之间的区别。

吸引新型消费者

似乎几乎每个月都会出现一部新纪录片,揭露食品行业流氓行为者的不良做法,对整个行业造成严重影响。随着越来越多的购物者围绕可持续性、原产地和动物福利等问题质疑农业的资质,农业和动物卫生部门比以往任何时候都承受着更大的压力,需要证明它致力于改变。

答案不仅仅在于投资。通过更智能地使用数据进行协作,可以帮助企业评估他们在从种子到分叉的旅程中的不足之处。

然而,全行业的成功需要供应链的每个环节,包括投入品制造商、顾问、农民、加工商和杂货商,共享数据。因此,该行业需要一个值得信赖的推动者,该推动者可以收集、整理、翻译和传输授权和匿名数据,以及从众多不同参与者使用的一系列不同设备和平台传输数据,以应对当前和新出现的挑战。

现在是该行业利用数据的力量并共同努力提高生产力、盈利能力、可持续性、食品安全和保障的时候了。不仅仅是气候变化的挑战迫使这个问题,它也将是全球消费者情绪和变革需求的日益增长。

责任编辑:华轩 来源: 机房360
相关推荐

2022-05-26 15:04:46

大数据建筑能源管理

2022-05-19 15:36:57

大数据

2022-03-26 10:37:31

政务大数据数据质量大数据应用

2022-03-24 23:06:25

大数据技术应用

2022-05-24 15:29:48

人工智能大数据心理测量

2022-03-03 21:45:58

大数据大数据技术

2022-04-02 09:32:06

大数据数据智能企业

2022-03-21 14:30:41

云计算大数据网络安全

2022-06-17 18:32:54

开源大数据数据调度

2022-05-19 19:26:33

区块链大数据数据分析

2022-02-09 21:53:13

2022-05-12 14:44:38

数据中心IT云计算

2022-07-01 15:46:20

网络安全数字化智能制造

2022-06-10 07:45:09

CentOS国产操作系统

2022-03-08 13:14:32

数据湖大数据

2017-07-11 06:07:59

金融大数据互联网

2022-05-30 14:15:39

人工智能算法数据安全

2022-06-09 16:07:55

SAP双碳碳排放

2020-03-02 09:56:48

大数据农业技术

2022-06-20 09:01:20

半导体芯片

同话题下的热门内容

如何设计数据可视化平台七个好用常见的大数据分析模型“2022大数据十大关键词”发布:数据中台、数据分类分级等上榜Apache Doris刚刚 "毕业":这个SQL数据仓库有什么不一样?为什么大热的数据可视化行业,我不建议轻易入行?大数据项目可能出错的五种方式Python进行数据可视化,你会用什么库来做呢?2022大数据十大关键词,重磅发布!

编辑推荐

使用Pandas&NumPy进行数据清洗的6大常用方法2018年7款最佳免费数据分析工具pyspark访问hive数据实战【漫谈数据仓库】 如何优雅地设计数据分层人工智能、大数据与深度学习之间的关系和差异
我收藏的内容
点赞
收藏

51CTO技术栈公众号