- Инсайты
- Сколько вы теряете из-за неоптимального севооборота?
Сколько вы теряете из-за неоптимального севооборота?
И сколько вы можете сэкономить или дополнительно заработать?
Автор – Сергей Романов, директор по работе с агросектором SAS Россия/СНГ
В прошлый раз мы обсуждали, как информационные технологии вообще и аналитика в частности помогают повысить операционную эффективность бизнеса. Самое время перейти к летней практике и рассмотреть такую распространенную и понятную задачу, как планирование севооборота. Что будет, если добавить в эту задачу щепоточку искусственного интеллекта и несколько граммов математических методов?
Для начала давайте посмотрим, где возникают утечки.
Вариант первый. Мы не учитываем всю информацию при долгосрочном планировании. У нас есть финансовый прогноз каждой культуры, в том числе вероятность изменения цены. У нас есть измеримая потребность в каждой культуре. У нас есть финансовые цели. Надо правильно подобрать последовательность культур таким образом, чтобы хозяйство каждый год приносило максимальную отдачу. Если мы не учитываем в этом влияние культур-предшественников, не учитываем рыночную ситуацию и ограничения ресурсов – хранилищ, техники, удобрений, то велика вероятность неправильно подобрать схемы севооборотов.
Второй вариант – экстренные коррективы в начале или в ходе сезона. Решения, принятые впопыхах. Как правило, это происходит из-за невозможности сравнить финансовые последствия разных вариантов. Вводим новую культуру, не проведя ни финансового анализа, ни анализа факторов влияния. Просто потому что предположили, что так будет хорошо. В результате сбивается последовательность культур и установленный для хозяйства севооборот, что в конечном счете ведет к недополучению прибыли и росту издержек.
И конечно, есть логистическая составляющая – одна из самых очевидных и важных. К примеру, поля с одной и той же культурой рассеяны по большой территории, и приходится постоянно перегонять технику с места на место. Просто за счет сева культур кластерами мы можем сократить перегоны техники, соответственно снизить издержки на топливо и обслуживание. Но важно заранее рассчитать, что будет целесообразнее, что даст больший экономический эффект – сэкономить на эксплуатации техники или заработать на маржинальности продукта.
И какой из этого вывод? Простой. Если применить аналитику даже к такой приземленной задаче, как планирование севооборота, можно не просто снизить объем издержек и недополученной прибыли, но и значительно повысить финансовые результаты хозяйства. Чтобы понять порядок потерь и возможный эффект от внедрения аналитики, достаточно сравнить два прогнозных показателя EBITDA – до оптимизации и после оптимизации. Аналитическая система в своих расчетах учтет всё: ограничения, факторы, прогнозы, конъюнктуру и т.п, и т.д, и др.
Автор
Сергей Романов, директор по работе с агросектором SAS Россия/СНГ
Рекомендуем прочитать
- Article Insights Page Accelerating innovation with smarter AI hardwareAI is now woven into strategic objectives, and the energy efficiency of AI hardware directly affects operational expenses, geographic decisions and ESG commitments. But AI hardware systems in their current form and at their current growth rate are not sustainable. Leaders must begin to recognize hardware choices not as a technical detail but as a key part of their strategy.
- Article Next generation anti-money laundering: robotics, semantic analysis and AIAdding AI and machine learning to your anti-money laundering program can combat rising compliance pressures, complexity and risks. Learn about the results innovative financial institutions around the globe are getting from next-generation AML.
- Article Ситуационная осведомленность определяет нашу реакциюМногие обстоятельства требуют ситуационной осведомленности, то есть осознания того, что происходит вокруг. Пандемия COVID-19 усилила эту потребность, поскольку лидеры во всех отраслях использовали аналитику и визуализацию, чтобы получать ситуационную осведомленность в реальном времени и быстро реагировать на важные решения.
- Article Доработка модели глубокого обучения для обнаружения объектовЭто четвертый пост в моей серии публикаций о проекте компьютерного зрения, над которым я работала, чтобы идентифицировать опухоли печени при КТ-сканировании.