استخدام البيانات الضخمة في القطاع الزراعي تجربة شركة (جون دير)

ترجمة: أثير  الحارثي

تدقيق: شروق السنان

 نبذة

كانت شركة التصنيع الزراعي جون دييري شركة رائدة دائماً، حيث قام صاحب الشركة ومؤسسها شخصيا بتصميم وبناء وبيع أحد أولى المحاريث التجارية من الحديد الصلب، والتي بدورها سهلت بشكل واضح حياة المستوطنين المنتقلين إلى الغرب الأوسط خلال منتصف القرن التاسع عشر، والذي جعل من هذه الشركة أسطورة أمريكية. ولأن الشركة في أغلب الأحيان من رواد الابتكار فليس من المستغرب أنهم تبنوا البيانات الضخمة بحماس للمساعدة في إدارة أعمال الشركة افتراضيا تماما كما فعلت على أرض الواقع. 

ما هي المشكلة التي تساعد البيانات الضخمة في حلها؟ 

 أعداد سكان العالم في تزايد سريع، مما يعني أنه سيكون هناك دائما طلب متزايد على الغذاء. ومع استمرار  عدم تقبل العامة لفكرة الأغذية المعدلة، فإن زيادة كفاءة إنتاج المحاصيل القياسية أمر أساسي لتلبية هذا الطلب المتزايد. أطلق جون ديري العديد من الخدمات التي تدعم البيانات الضخمة والتي تسمح للمزارعين بالاستفادة من المراقبة اللحظية الجماعية للبيانات التي تم جمعها من آلاف المستخدمين لتحقيق هذه الغاية. هذه البيانات تمكن المزارعين من اتخاذ قرارات مدروسة مثل معرفة أي من المحاصيل سيتم زراعتها وكم من الأسمدة سيتم الحاجة إليها. 

 كيف تم استخدام البيانات الضخمة عمليا ً؟

 Myjohndeere.com هي بوابة إلكترونية تسمح للمزارعين بالوصول إلى البيانات التي يتم جمعها من أجهزة الاستشعار المتصلة بآلاتهم الخاصة أثناء عملهم في الحقول، بالإضافة إلى البيانات المجمعة من المستخدمين الآخرين في جميع أنحاء العالم. كما أنها مرتبطة بقواعد بيانات خارجية، بما في ذلك بيانات حالة الطقس والبيانات المالية. 

هذه الخدمات تتيح للمزارعين اتخاذ قرارات مدروسة بشكل أفضل بشأن كيفية استخدام معداتهم، وكيف يحصلون على أفضل النتائج والعوائد على استثماراتهم من هذه الخدمات المقدمة لهم. على سبيل المثال، يمكن رصد استهلاك الوقود من مختلف الحصادات وربطها مع مستويات إنتاجيتها. من خلال تحليل البيانات من آلاف المزارع، والعمل على محاصيل متنوعة في مختلف الظروف، من الممكن ضبط العمليات للوصول لأعلى مستويات الإنتاج المثلى. يساعد النظام أيضا على تقليل وقت التعطل عن العمل باستخدام البيانات المجمعة من المستخدمين من خلال التنبؤ  بالوقت والمكان المحتمل لتعطل المعدات. كما يمكن مشاركة هذه البيانات مع المهندسين الذين على أهبة الاستعداد لتوريد قطع الغيار الجديدة وتوفير خدمة الصيانة عند الحاجة إليها – وذلك لتقليل الوقت الضائع الناجم عن الآلات الباهظة الثمن التي تتعطل. 

ومن الخدمات الأخرى التي أطلقتها الشركة في عام 2011 هي خدمة فارمسايت والتي تسمح للمزارعين باتخاذ قرارات استباقية بشأن المحاصيل التي يزرعونها، استنادا إلى المعلومات التي يتم جمعها في حقولهم الخاصة وحقول المستخدمين الآخرين، حيث يتم تعيين توجيهات ووصفات فردية مخصصة لحقل معين أو أجزاء من الحقول، كما يتم برمجة الآليات عن بعد لتعديل سلوك معين وفقاً لأفضل الممارسات المقترحة استناداً على التحليلات. 

تتلخص رؤية الشركة في المستقبل في أن يتم إدارة المزارع الكبيرة يوماً ما بواسطة فريق صغير من من البشر الذين يعملون جنبا إلى جنب مع أسطول من الروبوتات، المتصلة مع بعضها البعض. 

ما هي النتائج؟ 

وبالإضافة إلى زيادة أرباح المزارعين وخلق أغذية أرخص وأكثر وفرة للعالم، هناك مكاسب بيئية محتملة أيضا. يمكن أن تسبب المبيدات الحشرية والأسمدة تلوث الهواء والمجاري المائية ، لذلك فإن الحصول على مزيد من المعلومات حول المستويات الدقيقة اللازمة للإنتاج الأمثل يعني أنه لن يتم استخدام  هذه المبيدات الحشرية أكثر من اللازم.

 إن احتمال حدوث تغيير إيجابي هائل في عالم يواجه زيادة كبيرة في أعداد السكان ونقص في إنتاج الغذاء وخاصة في الدول الناشئة ، هو أمر يمكن أن يفيد الجميع على هذا الكوكب.

 ما هي البيانات المستخدمة؟

 البيانات المستخدمة بشكل أساسي هي البيانات الداخلية، والتي يتم الحصول عليها في المقام الأول من الحساسات على آلات جون ديري والمسابير في التربة، والتي يتم تجميعها بعد ذلك وإتاحتها لمستخدمي myjohndeere.com. كما يتم توفير بعض البيانات الخارجية، بما في ذلك بيانات الطقس والبيانات المالية. 

ما هي التفاصيل التقنية؟ 

تستخدم شركة جون دير نظام SAP HANA “نظام إدارة قواعد بيانات علائقية في الذاكرة” — لمعالجة هذه البيانات الضخمة، فيتم تحميل مئات الملايين من بيانات شركة جون ديري في نظام HANA وذلك ليتسنى للمهندسين والمحللين الاستفادة من البيانات باستخدام التحليلات والنماذج الرياضية. 

ما هي التحديات التي تم التغلب عليها؟ 

مع كل هذه البيانات التي يتم إنشاؤها ومشاركتها ، هناك جدل متزايد حول من يملكها بالفعل. تتيح منصة MyJohnDeere للمزارعين مشاركة البيانات مع بعضهم البعض (أو اختيار عدم مشاركتها ، إذا رغبوا في ذلك) وكذلك مع طرف ثالث وهم  مطوري التطبيقات من الجهات الخارجية ، الذين يمكنهم استخدام واجهة برمجة التطبيقات او مايعرف بـ (APIs) لربط  المعدات من قبل الشركات المصنعة الأخرى، أو لتقديم خدمات تحليل البيانات الخاصة بهم. ولكن هذا لم يمنع العديد من المزارعين من التساؤل عن السبب في ضرورة دفع تكاليف بياناتهم الخاصة، والسؤال عن السبب في أن جون ديري والشركات الأخرى التي تقدم خدمات مماثلة لا ينبغي أن تدفع لهم – وفقا لمديرة اتحاد مكتب المزارع الأمريكي ماري كاي تاتشر. 

وتجرى حاليا محادثات بين الاتحاد والشركات بما فيها جون دير ومونسانتو ودوبونت حول كيفية معالجة هذه المخاوف. بالإضافة إلى قضايا الخصوصية، حيث يوجد مخاوف من أن وجود الكثير من المعلومات يمكن أن يسمح للمتداولين في الأسواق المالية بالتلاعب بالأسعار.

 هناك أيضا مسألة انخفاض فرص العمل في مجال الزراعة كنتيجة مباشرة للتشغيل الآلي والبيانات الضخمة. لقد بدأنا بتفويض المزيد والمزيد من المسؤوليات للروبوتات – ليس لأن المزارع كسول (كما سيعرف أي شخص يعيش في منطقة زراعية ، فهي بالتأكيد ليست كذلك!) ولكن لأن الروبوتات يمكن أن تفعل ذلك بشكل أفضل في كثير من الأحيان. من المؤكد أن رؤية جون ديري لمساحات شاسعة من الأراضي الزراعية التي يديرها رجل يجلس في محطة كمبيوتر مع فريق صغير من المساعدين ستؤدي إلى فرص عمل أقل للبشر الذين يعملون في الأرض ، ولكن هذا هو الاتجاه على الأقل في القرن الماضي ، بغض النظر. وهو الاتجاه الذي بدأ قبل وقت طويل من ظهور البيانات الضخمة.

ما يستفاد من التجربة

 هناك أسطورة شائعة حول البيانات الضخمة أنها تقنيات لا يستطيع القيام بها سوى شركات وادي السيليكون. ومع ذلك ، تظهر هذه الحالة لتثبت أنه ممكن لأي منشأة الاستفادة من البيانات ، وحتى الشركات  التقليدية تتحول اليوم إلى البيانات الضخمة. 

بدأ العديد من الشركات التقليدية الاستفادة من البيانات الضخمة مثل شركات النقل بالشاحنات، والتي تستخدم البيانات في تخطيط طرق ومسارات سير أكثر كفاءة، والشركات العقارية والتي تستخدم البيانات للتنبؤ بالطفرات والكساد في السوق، وشركات التأمين على السيارات باستخدام  هواتف عملائها لمراقبة كفاءة قيادتهم. 

باستطاعة أي شركة هذه الأيام أن تكون مثل جون ديري: شركة بيانات ضخمة

المصدر:

Big Data in Practice: How 45 Successful Companies Used Big Data Analytics to Deliver Extraordinary Results by Bernard Marr