По всем вопросам звоните:

+7 495 274-22-22

УДК: 311.213, ВАК 5.2.3.11 DOI:10.33920/sel-11-2407-03

Роль и место больших данных в официальной статистике сельского хозяйства

Невзоров А. С. ассистент кафедры статистики и кибернетики, ФГБОУ ВО «РГАУ — МСХА имени К. А. Тимирязева», 127550, г. Москва, ул. Тимирязевская, д. 49, E-mail: a.nevzorov@rgau-msha.ru, ORCHID: 0009-0004-5968-300X
Бекетова О. Н. профессор кафедры политической экономии и мировой экономики, ФГБОУ ВО «РГАУ — МСХА имени К. А. Тимирязева», 127550, г. Москва, ул. Тимирязевская, д. 49, E-mail: beketova@rgau-msha.ru, ORCID: 0000-0003-4455-979X
Иванов А. М. студент кафедры информационных технологий и систем, ФГБОУ ВО «Российский государственный гуманитарный университет», 125047, ЦФО, г. Москва, Миусская площадь, д. 6, E-mail: ivanov_sasha2000@mail.ru, ORCHID: 0009-0000-4105-6869

Агропромышленный сектор, как и другие отрасли производства, все больше ориентируется на данные и их анализ. От селекции сельскохозяйственных культур до оценки пищевых предпочтений потребителей — данные собираются на каждом этапе сельскохозяйственной цепочки. Собранные и обработанные огромные объемы данных уже фундаментально изменили структуру и оперативность различных систем сельскохозяйственного производства и поставок. Современные цифровые технологии активно внедряются в сельское хозяйство, начиная с лабораторных условий и заканчивая полями открытого и защищенного грунта. Применение инструментов для машинного обучения, робототехники и технологий работы с большими данными значительно трансформирует и оптимизирует не только производственные процессы, но и методологические подходы для научных исследований. Результаты проведенного исследования позволили предложить, что использование источников больших данных в дополнение к проведению статистических наблюдений помогает снизить нагрузку на респондентов, что является важной задачей для национальных статистических служб.

Литература:

1. Международный семинар — Большие данные и официальная статистика: вызовы и возможности на пространстве Евразийского экономического союза [Электронный ресурс]. — Режим доступа: https://eec.eaeunion.org/upload/medialibrary/fed/Otchet.pdf

2. Организация Объединенных Наций Статистическая комиссия Доклад о работе пятьдесят четвертой сессии [Электронный ресурс]. — Режим доступа:https:// unstats.un.org/UNSDWebsite/statcom/session_54/documents/2023-37-FinalReport-R.pdf

3. Плеханов, Д.А. Большие данные и официальная статистика: обзор международной практики внедрения новых источников данных / Д.А. Плеханов // Вопросы статистики. — 2017. — №12. — С. 49-60. — EDN YQWNOD.

4. Положение о Федеральной службе государственной статистики [Электронный ресурс]. — Режим доступа: https://rosstat.gov.ru/storage/mediabank/ Post420_06092021.pdf

5. Рагимов, А.О. Статистический анализ данных в сельском хозяйстве [Электронный ресурс]: учеб.-практ. пособие / А.О. Рагимов, М.А. Мазиров; Владим. гос. ун-т им. А.Г. и Н.Г. Столетовых. — Владимир: Изд-во ВлГУ, 2022. — 454 с. — ISBN 9785-9984-1477-0.

6. Статистическая комиссия ООН. Основные принципы официальной статистики. [Электронный ресурс]. — Режим доступа: unstats.un.org/unsd/methods/statorg/ fp-russian.pdf.

7. Стратегическая сессия по направлению — «Развитие статистики» [Электронный ресурс]. — Режим доступа: http://government.ru/news/50490/.

8. Суринов А.Е. Большие данные в официальной статистике: взгляд на проблему. Вопросы статистики. 2023;30(2):5-22. https://doi.org/10.34023/23136383-2023-30-2-5-22.

9. Федеральный план статистических работ [Электронный ресурс]. — Режим доступа: https://rosstat.gov.ru/folder/462.

10. Kitchenham B. Procedures for Performing Systematic Reviews. Joint Technical Report. Keele University, Empirical Software Engineering National ICT Australia Ltd., 2004, 33 p.

11. Brase, T. Precision Agriculture; Delmar Publishers Inc.: Salem, OR, USA, 2015; p. 288.

12. CEMA-European Agricultural Machinery. Digital Farming: What Does It Really Mean? And What Is the Vision of Europe’s Farm Machinery Industry for Digital Farming? CEMA: Brussels, Belgium, 2017.

13. Coble, K.; Griffin, T.; Ahearn, M.; Ferrell, S.; McFadden, J.; Sonka, S.; Fulton, J. Advancing US Agricultural Competitiveness with Big Data and Agricultural Economic Market Information, Analysis, and Research; FARE: McLean, VA, USA, 2016.

14. Ellixson, A.; Griffin, T. Farm data: Ownership and protections. SSRN Electron. J. 2016.

15. Griffin, T.W.; Mark, T.B.; Ferrell, S.; Janzen, T.; Ibendahl, G.; Bennett, J.D.; Maurer, J.L.; Shanoyan, A. Big Data Considerations for Rural Property Professionals. J. ASFMRA 2016, 167–180.

16. Innovation in Agriculture and Food Systems in the Digital Age [Электронный ресурс]. — Режим доступа: https://www.wipo.int/edocs/pubdocs/en/wipo_pub_ gii_2017-chapter4.pdf

17. Lassoued, R.; Macall, D.M.; Smyth, S.J.; Phillips, P.W.B.; Hesseln, H. Expert Insights on the Impacts of, and Potential for, Agricultural Big Data. Sustainability 2021, 13, 2521. https://doi.org/10.3390/su13052521.

18. Norberg N., Sammar M., Tongur C. A study on scanner data in the Swedish Consumer Price Index. Paper presented at the Ottawa Group Meeting on Prices. Wellington, 10-12 May 2011. URL: http://www.scb.se/Statistik/PR/ PR0101/_dokument/KPI_ namnden/A%20STUDY%20 ON%20SCANNER%20DATA%20IN%20THE%20SWE DISH%20CPI.pdf.

19. Schrijver, R. Precision agriculture and the future of farming in Europe: Scientific Foresight Study. In IP/G/STOA/FWC/2013-1/Lot 7/SC5 European Union 2016; Scientific Foresight Unit (STOA): Brussels, Belgium, 2016.

20. Value of Big Data and Artificial Intelligence in Agriculture [Электронный ресурс]. — Режим доступа: https://cast-science.org/value-of-big-data-and-artificial-intelligence-in-agriculture/ (Дата обращения 29.06.2024).

1. International Seminar — Big Data and Official Statistics: Challenges and Opportunities in the Space of Eurasian Economic Analysis [Electronic resource]. — Access mode: https://eec.eaeunion.org/upload/medialibrary/fed/Otchet.pdf

2. United Nations Statistical Commission Report on the fifty-fourth session [Electronic resource]. — Access mode: https://unstats.un.org/UNSDWebsite/statcom/ session_54/documents/2023-37-FinalReport-R.pdf.

3. Plekhanov, D.A. Big Data and Official Statistics: A Review of the Practice of Implementing New Data Sources in International Trade / D.A. Plekhanov // Questions of Statistics. — 2017. — No. 12. — P. 49-60. — Edn Yqwnod.

4. Regulation on the Federal State Statistics Service [Electronic resource]. — Access mode: https://rosstat.gov.ru/storage/mediabank/Post420_06092021.pdf.

5. Ragimov, A.O. Statistical analysis of data in agriculture [Electronic resource]: textbook. and practical. manual / A.O. Ragimov, M.A. Mazirov; Vladimir. state University named after A. G. and N. G. Stoletovs. — Vladimir: Publishing house of VlSU, 2022. — 454 p. — ISBN 978-5-9984-1477-0.

6. UN Statistical Commission. Fundamental Principles of Official Statistics. [Electronic resource]. — Access mode: unstats.un.org/unsd/methods/statorg/ fp-russian.pdf.

7. Strategic session on the direction — «Development of statistics» [Electronic resource]. — Access mode: http://government.ru/news/50490.

8. Surinov A.E. Big data in official statistics: a look at the problem. Questions of statistics. 2023; 30 (2): 5-22. https://doi.org/10.34023/2313-6383-2023-30-2-5-22.

9. Federal plan of statistical work [Electronic resource]. — Access mode: https://rosstat.gov.ru/folder/462.

10. Kitchenham B. Procedures for Performing Systematic Reviews. Joint Technical Report. Keele University, Empirical Software Engineering National ICT Australia Ltd., 2004, 33 p.

11. Brase, T. Precision Agriculture; Delmar Publishers Inc.: Salem, OR, USA, 2015; p. 288.

12. CEMA-European Agricultural Machinery. Digital Farming: What Does It Really Mean? And What Is the Vision of Europe’s Farm Machinery Industry for Digital Farming? CEMA: Brussels, Belgium, 2017.

13. Coble, K.; Griffin, T.; Ahearn, M.; Ferrell, S.; McFadden, J.; Sonka, S.; Fulton, J. Advancing US Agricultural Competitiveness with Big Data and Agricultural Economic Market Information, Analysis, and Research; FARE: McLean, VA, USA, 2016.

14. Ellixson, A.; Griffin, T. Farm data: Ownership and protections. SSRN Electron. J. 2016.

15. Griffin, T.W.; Mark, T.B.; Ferrell, S.; Janzen, T.; Ibendahl, G.; Bennett, J.D.; Maurer, J.L.; Shanoyan, A. Big Data Considerations for Rural Property Professionals. J. ASFMRA 2016, 167–180.

16. Innovation in Agriculture and Food Systems in the Digital Age [Electronic resource]. — Access mode: https://www.wipo.int/edocs/pubdocs/en/wipo_pub_ gii_2017-chapter4.pdf

17. Lassoued, R.; Macall, D.M.; Smyth, S.J.; Phillips, P.W.B.; Hesseln, H. Expert Insights on the Impacts of, and Potential for, Agricultural Big Data. Sustainability 2021, 13, 2521. https://doi.org/10.3390/su13052521

18. Norberg N., Sammar M., Tongur C. A study on scanner data in the Swedish Consumer Price Index. Paper presented at the Ottawa Group Meeting on Prices. Wellington, 10-12 May 2011. URL: http://www.scb.se/Statistik/PR/PR0101/_dokument/KPI_ namnden/A %20STUDY%20 ON%20SCANNER %20DATA%20IN%20THE%20SWE DISH%20CPI.pdf.

19. Schrijver, R. Precision agriculture and the future of farming in Europe: Scientific Foresight Study. In IP/G/STOA/FWC/2013-1/Lot 7/SC5 European Union 2016; Scientific Foresight Unit (STOA): Brussels, Belgium, 2016.

20. Value of Big Data and Artificial Intelligence in Agriculture [Electronic resource]. — Access mode: https://cast-science.org/value-of-big-data-and-artificial-intelligence-in-agriculture/ (Date of access 29.06.2024).

Современные цифровые технологии активно внедряются в сельское хозяйство, начиная с лабораторных условий и заканчивая полями открытого и защищенного грунта. Применение инструментов для машинного обучения, робототехники и технологий работы с большими данными значительно трансформирует и оптимизирует не только производственные процессы, но и методологические подходы для научных исследований [17].

Благодаря повсеместной доступности технических средств для сбора данных, повышение вычислительных мощностей и глубокой осведомленности сельскохозяйственных производителей, применение современных методов обработки данных позволят не только повысить результативность отдельной фермы, но и решать глобальные задачи Российской Федерации по развитию статистики [7]. Реализация методов по обработке больших данных в различных сферах сельского хозяйства отражает переход от общего управления сельскохозяйственных ресурсов в сторону высокой оптимизированности и индивидуального управления в реальном времени.

Например, вместо того, чтобы одинаково обрабатывать всю территорию фермы, можно создать индивидуальные высокоэффективные стратегии управления для каждой отдельной зоны поля. Животные также могут контролироваться и управляться отдельно, а не как единое стадо. Цифровое сельское хозяйство стремится достичь более высоких показателей производительности, прибыльности и устойчивости. Оно использует данные и коммуникационные технологии для оптимизации системы. Для этого применяются различные инструменты, включая сквозные технологии, такие как вычислительные решения и аналитика, облачные сервисы, датчики, роботы и средства цифровой связи [16]. Каким образом данные инструменты можно применить и реализовать в официальной статистике, еще предстоит выяснить в последующих исследованиях.

Цель исследования: раскрыть роль и место больших данных в официальной сельскохозяйственной статистике. Для этого необходимо последовательно рассмотреть текущую готовность официальной статистики к внедрению методов обработки больших данных, обозначить организационную структуру государственной статистики в России и определить область для дальнейшего исследования в рамках разработки методологии по внедрению больших данных в официальную статистику.

Для Цитирования:
Невзоров А. С., Бекетова О. Н., Иванов А. М., Роль и место больших данных в официальной статистике сельского хозяйства. Бухучет в сельском хозяйстве. 2024;7.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: