По всем вопросам звоните:

+7 495 274-22-22

УДК: 631.1:005.52, ВАК 5.2.3.3 (3.1) DOI:10.33920/sel-11-2311-04

Использование цифровых технологий в разведывательном анализе данных в сельском хозяйстве

Удалов А. А. канд. экон. наук, доцент кафедры анализа хозяйственной деятельности и прогнозирования, ФГБОУ ВО «Ростовский государственный экономический университет “РИНХ”», г. Ростов-на-Дону, ул. Большая Садовая, д. 69, E-mail: Udalov717@yandex.ru, 8 863 261 3892

Разведывательный анализ данных (Exploratory Data Analysis — EDA) играет ключевую роль в сельском хозяйстве, позволяя осмысленно исследовать информацию и выявлять существенные закономерности, необычные явления и взаимосвязи между различными аспектами сельскохозяйственной деятельности. Разведывательный анализ данных способствует выявлению новых возможностей для оптимизации процессов, повышения урожайности, сокращения издержек и снижения негативного воздействия на окружающую среду в сельском хозяйстве. Кроме того, он способствует интеграции различных областей знаний, таких как метеорология, агрономия и экология, для более эффективного управления сельскохозяйственными ресурсами. Данная статья посвящена разбору методов и применения разведывательного анализа данных в контексте сельского хозяйства. Мы рассмотрим основные этапы этого анализа, ключевые направления и преимущества внедрения цифровых технологий для улучшения производства и устойчивости в сельском хозяйстве.

Литература:

1. Брюс П., Брюс Э. Разведочный анализ данных // Практическая статистика для специалистов Data Science. СПб.: БХВ-Петербург, 2018; 304 с.

2. Гладилин П.Е., Боченина К.О., Технологии машинного обучения. СПб: Университет ИТМО, 2020; 75 с.

3. Грас Д. Data Science. Наука о данных с нуля: пер. с англ. 2-е изд., перераб. и доп. СПб.: БХВ-Петербург, 2021; 416 с.

4. Зрелость аналитических данных. Сообщество бизнес-аналитиков в России [Электронный ресурс]. URL: https://analytics.infozone.pro/ (дата обращения: 11.10.2023).

5. Калягина Л.В., Разумов П.Е. Категория «Данные»: понятие, сущность, подходы к анализу. Вестник КрасГАУ. 2014; 4 [Электронный ресурс]. URL: https:// cyberleninka.ru/article/n/kategoriya-dannye-ponyatie-suschnost-podhody-k-analizu (дата обращения: 12.10.2023).

6. Парушина Н.В., Лытнева Н.А. Анализ данных для управления сельскохозяйственным производством. Вестник ОрелГАУ. 2017; 6 (69): 148–157.

7. Трухачев, В.И. Оценка устойчивости развития сельскохозяйственных организаций / В.И. Трухачев, М.К. Джикия. Экономика сельского хозяйства России. 2022; 11: 19–25. DOI 10.32651/2211-19. EDN LNSRAW.

8. Удалов, А.А. Внедрение и развитие цифровых технологий в АПК / А.А. Удалов, З.В. Удалова. Актуальные проблемы науки и практики: Гатчинские чтения — 2019 : Сборник научных трудов по материалам VI Международной научно-практической конференции, Гатчина, 17–18 мая 2019 г. Т. 1. Гатчина: Государственный институт экономики, финансов, права и технологий, 2019: 562–566. EDN CHOXTG.

9. Удалов А.А. Методика бизнес-анализа деятельности организаций АПК. Бухучет в сельском хозяйстве. 2019; 4: 57–64. EDN AMDKZJ.

10. Удалов, А.А. Развитие интеграционных процессов в условиях цифровой трансформации экономики сельского хозяйства / А.А. Удалов, З.В. Удалова. Инновации в сельском хозяйстве. 2018; 4 (29): 392–399. EDN YQVPCH.

11. Удалова З.В. Методологические основы формирования учетно-аналитического обеспечения управления сельскохозяйственными организациями. Аудит и финансовый анализ. 2010; 5: 332–341. EDN MVIJAJ.

12. Хоружий, Л.И. Аналитические инструменты управления устойчивым развитием в молочном скотоводстве / Л.И. Хоружий, Н.Ю. Трясцина, М.К. Джикия, Н.А. Трясцин. Бухучет в сельском хозяйстве. 2023; 9: 550–559. DOI 10.33920/sel-11-2309-04. EDN QWFVEQ.

13. Хоружий, Л.И. Организация агробизнеса. Цифровая трансформация / Л.И. Хоружий, О.Г. Каратаева, А.В. Шитикова [и др.]. Москва: Ай Пи Ар Медиа, 2022; 189 с. ISBN 978-5-4497-2009-2. EDN YMVPHI.

14. What is exploratory data analysis? Данные сайта IBM.com. URL: https://www.ibm.com/topics/exploratory-data-analysis#:~:text=Exploratory %20data %20 analysis %20(EDA) %20is,often %20employing %20data %20visualization %20 methods (дата обращения: 05.10.2023).

1. Bruce P., Bruce E. Exploratory data analysis // Practical statistics for Data Science specialists. St. Petersburg: BHV-Petersburg, 2018; 304 p.

2. Gladilin P.E., Bochenina K.O., Machine learning technologies. St. Petersburg: ITMO University, 2020; 75 p.

3. Grus D. Data Science. Data Science from scratch: trans. from English 2nd ed., reprint. and additional St. Petersburg: BHV-Petersburg, 2021; 416 p.

4. Maturity of analytical data. Community of business analysts in Russia [Electronic resource]. URL: https://analytics.infozone.pro / (date of request: 11.10.2023).

5. Kalyagina L.V., Razumov P.E. Category “Data”: concept, essence, approaches to analysis. Bulletin of KrasGAU. 2014; 4 [Electronic resource]. URL: https://cyberleninka.ru/ article/n/kategoriya-dannye-ponyatie-suschnost-podhody-k-analizu (date of application: 12.10.2023).

6. Parushina N.V., Lytneva N.A. Data analysis for agricultural production management. Bulletin of the OrelGAU. 2017; 6 (69): 148–157.

7. Trukhachev, V.I. Assessment of the sustainability of the development of agricultural organizations / V.I. Trukhachev, M.K. Dzhikiya. The economics of agriculture in Russia. 2022; 11: 19–25. DOI 10.32651/2211-19. EDN LNSRAW.

8. Udalov, A.A. Introduction and development of digital technologies in agriculture / A.A. Udalov, Z.V. Udalova. Actual problems of science and practice: Gatchina Readings — 2019: Collection of scientific papers based on the materials of the VI International Scientific and Practical Conference, Gatchina, May 17-18, 2019, Vol. 1. Gatchina: State Institute of Economics, Finance, Law and Technology, 2019: 562-566. EDN CHOXTG.

9. Udalov A.A. Methodology of business analysis of the activities of agricultural organizations. Accounting in agriculture. 2019; 4: 57–64. EDN AMDKZJ.

10. Udalov, A.A. Development of integration processes in the conditions of digital transformation of the agricultural economy / A.A. Udalov, Z.V. Udalova. Innovations in agriculture. 2018; 4 (29): 392–399. EDN YQVPCH.

11. Udalova Z.V. Methodological foundations of the formation of accounting and analytical support for the management of agricultural organizations. Audit and financial analysis. 2010; 5: 332–341. EDN MVIJAJ.

12. Khoruzhiy, L.I. Analytical tools for managing sustainable development in dairy cattle breeding / L.I. Khoruzhiy, N.Y. Tryashtsina, M.K. Dzhikiya, N.A. Tryashtsin. Accounting in agriculture. 2023; 9: 550–559. DOI 10.33920/sel-11-2309-04. EDN QWFVEQ.

13. Khoruzhiy, L.I. Organization of agribusiness. Digital transformation / L.I. Khoruzhiy, O.G. Karataeva, A.V. Shitikova [et al.]. Moscow: Ai Pi Ar Media, 2022; 189 p. ISBN 9785-4497-2009-2. EDN YMVPHI.

14. What is exploratory data analysis? Site data IBM.com . URL: https://www.ibm.com/ topics/exploratory-data-analysis#:~:text=Exploratory %20data %20analysis %20 (EDA) %20is,often %20employing %20data %20visualization %20methods (accessed: 05.10.2023).

Анализ данных становится неотъемлемой частью современного сельского хозяйства, предоставляя ценные инструменты для оптимизации управления ресурсами, улучшения производства и повышения устойчивости отрасли. Актуальность использования разведывательного анализа данных в сельском хозяйстве подчеркивает его роль в оптимизации распределения ресурсов, прогнозировании урожаев, управлении скотом и оценке рынка. Кроме того, следует отметить возможности разведывательного анализа данных для реализации устойчивых сельскохозяйственных практик и мониторинга ресурсов, что позволяет сельхозпроизводителям адаптироваться к изменяющимся климатическим условиям и экологическим вызовам. Анализ данных в сельском хозяйстве не только способствует более точным решениям, но и способствует более устойчивой и эффективной сельскохозяйственной деятельности, что имеет важное значение в современном мире.

Цель исследования: оценка и демонстрация потенциала разведывательного анализа данных в сельском хозяйстве с целью оптимизации управления ресурсами, повышения урожайности, улучшения качества продукции и продвижения устойчивых практик в данной отрасли. Исследование нацелено на выявление конкретных применений разведывательного анализа данных, которые могут быть полезны для сельскохозяйственных предприятий и фермеров, и на исследование преимуществ и вызовов, связанных с использованием данной методологии в сельском хозяйстве. Кроме того, исследование стремится к формулированию рекомендаций по оптимизации сельскохозяйственных процессов и повышению устойчивости данной отрасли на основе результатов разведывательного анализа данных.

Задачи исследования: обсуждение важности разведывательного анализа данных для оптимизации сельскохозяйственных процессов, увеличения производительности и устойчивости отрасли; подробное рассмотрение конкретных задач, которые разведывательный анализ данных может решать в сельском хозяйстве, таких как оптимизация ресурсов, прогнозирование урожаев, управление болезнями и вредителями, а также снижение воздействия на окружающую среду; обзор современных инструментов и методов, которые могут быть использованы для проведения разведывательного анализа данных в сельском хозяйстве; обсуждение вызовов и перспектив разведывательного анализа данных в сельском хозяйстве, включая вопросы конфиденциальности данных и интеграции новых технологий.

Для Цитирования:
Удалов А. А., Использование цифровых технологий в разведывательном анализе данных в сельском хозяйстве. Бухучет в сельском хозяйстве. 2023;11.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: