ბოლო წლებში გაიზარდა წერილობითი სტატიები მონაცემთა ბაზის ზრდის შესახებ. ტონ ვან დეიკი LetsGrow-თან ერთად ბევრს საუბრობს ამის შესახებ მწარმოებლებთან მთელი მსოფლიოდან. ჩვეულებრივი კომენტარი, რომელსაც ის იღებს, არის: „მაგრამ მე ამას ვაკეთებდი, არა? როგორ დამეხმარება მონაცემებზე ორიენტირებული ზრდა?” და რა თქმა უნდა, მათ აქვთ აზრი. მონაცემების საფუძველზე უკვე მიიღება უამრავი გადაწყვეტილება. მიუხედავად ამისა, ბევრ კომპანიაში გაუმჯობესების უამრავი შესაძლებლობა არსებობს. ამ ბლოგში ტონ ვან დეიკი წერს მონაცემთა ბაზის ზრდის შესაძლებლობებსა და გამოწვევებზე.
მონაცემთა ორიენტირებული ზრდა (DDG) გაჩნდა 1970-იან წლებში კლიმატის კომპიუტერების გამოჩენასთან ერთად, კერძოდ, გადაწყვეტილებების საფუძველზე ხარისხის ინფორმაციაზე და გაზომვებზე. დღესაც ასეა. წლების განმავლობაში შეიქმნა ძალიან კარგი სისტემები, რომლებიც საშუალებას გაძლევთ, როგორც მწარმოებელს, მოსავლის კონსულტანტთან ერთად, დააყენოთ ზუსტად ის, რისი მიღწევაც გსურთ ტემპერატურის, RH, CO2, საზომი ყუთები მრავალ სიმაღლეზე, მცენარის ტემპერატურასთან დაკავშირებული გაზომვების საფუძველზე. PAR და ა.შ. თქვენ დაკარგავთ კვალს, თუ ფრთხილად არ იქნებით!
ჩვენ რეგულარულად ვიღებთ ბევრ კითხვას ამის შესახებ. თუ ბევრ გაზომვას იღებთ, იზრდებით თუ არა მონაცემების საფუძველზე და რეალურად იღებთ საუკეთესო გადაწყვეტილებებს? ამ გადაწყვეტილებებს ფაქტებზე ან გრძნობებზე დაყრდნობით იღებთ? და უნდა გაანალიზოთ თქვენი მონაცემები წელიწადში ერთხელ, თუ ოპტიმალური იქნება მათი ანალიზი ყოველთვიურად, ყოველ კვირას ან თუნდაც რეალურ დროში? თქვენ, ადამიანი, ჯერ კიდევ გჭირდებათ სათბურში თუ უბრალოდ უყურებთ მონაცემებს თქვენი კომპიუტერის ეკრანიდან? და თუ სათბურში რამე არასწორედ მოხდება, არეგულირებთ თუ არა თქვენს პარამეტრებს, ან შესაძლებელია თუ არა იმის წინასწარ განსაზღვრა, თუ რა მოხდება, რათა თავიდან აიცილოთ ეს? ბევრ ამ კითხვაზე პასუხი მაინც ის არის, რომ ის უბრალოდ მოიცავს თქვენს საღ აზრს და გრძნობებს.
იზრდება მონაცემების საფუძველზე
აქ მდგომარეობს დიდი განსხვავება მონაცემებზე დაფუძნებულ ზრდასა და მონაცემებზე დაფუძნებულ ზრდას შორის. ეს არის ორი ცალკეული პოზიცია.
მე რეგულარულად ვესაუბრები ბიზნესის მფლობელებს, რომლებიც ამტკიცებენ, რომ კარგი მწარმოებლები დადიან სათბურში და არ სხედან კომპიუტერის ეკრანს მიღმა. მართალია, არ არის სასურველი, რომ მევენახეები მუდმივად იყვნენ უკან კომპიუტერის ცვლის პარამეტრებს. ეს ნიშნავს, რომ თქვენ იმუშავებთ რეაქტიულად და რეალურად ჩამორჩებით. თქვენი კულტივაცია მაშინ ეფუძნება მონაცემებს. თუმცა, თუ თქვენ ვიზუალიზაციას, გაანალიზებას და ყველა არსებულ მონაცემს კარგად გამოიყენებთ, კომპიუტერის ეკრანის მიღმა მწარმოებელს შეუძლია უფრო მკვეთრი დასკვნების გაკეთება. მაშინ თქვენ ნამდვილად შეძლებთ მონაცემების მართვას. თუმცა მნიშვნელოვანია, რომ ფიზიოლოგიური და ფიზიკური ცოდნა იყოს სტანდარტების შესაბამისი, რათა მონაცემთა სწორად ინტერპრეტაცია მოხდეს. ეს მნიშვნელოვანია არა მხოლოდ თავად მევენახესთვის, არამედ მოსავლის კონსულტანტისთვის და სხვა კოლეგებისთვისაც.
მცენარეთა გაძლიერება
ამ ცოდნის კარგი ინსტრუმენტია მცენარეთა გაძლიერების ფიზიოლოგია. ამის შესახებ დაიწერა წიგნი, კერძოდ: "მცენარეთა გაძლიერება, ძირითადი პრინციპები", რომელიც გამოქვეყნებულია LetsGrow.com-ის მიერ. წიგნი ძალიან ნათლად აღწერს მცენარეთა ფიზიოლოგიურ და ფიზიკურ პროცესებს სათბურში და ქმნის კომუნიკაციის საერთო გზას. ამის მაგალითია მსჯელობა მოსავლის გენერაციულ ან ვეგეტატიურ კონტროლზე. Plant Empowerment-ში ჩვენ ვსაუბრობთ თანაფარდობის ტემპერატურის გამოსხივებაზე (RTR). როდესაც თქვენ გაქვთ კარგი კონტროლი RTR-ზე, არსებობს მცენარეთა ოპტიმალური ბალანსი. მსჯელობა მოსავლის გენერაციულ ან ვეგეტატიურ კონტროლზე მაშინ ზედმეტია. RTR არის გამოსათვლელი რიცხვი, რომელიც შეგიძლიათ გამოიყენოთ კულტივირების ოპტიმალური სტრატეგიის შესამუშავებლად. ამ ფიზიოლოგიის პრინციპის გამოყენება უზრუნველყოფს მონაცემების პროაქტიულად გამკლავებას. ამ მაგალითებიდან მეტი აღწერილია ჩვენს თეთრ ფურცლებში. (https://www.letsgrow.com/en/whitepapers/)
წიგნი მცენარეთა გაძლიერება ასევე გახდა სტანდარტული საკითხავი მასალა მებაღეობასთან დაკავშირებული სკოლებისა და უნივერსიტეტებისთვის ჰოლანდიაში და მის ფარგლებს გარეთ. ჩვენ, რა თქმა უნდა, ძალიან ვამაყობთ ამით!
მონაცემებზე ორიენტირებული ზრდა
მონაცემებზე ორიენტირებული ზრდისას მწარმოებელი სულ უფრო დახვეწილი ხდება უკვე არსებული მონაცემების სტრატეგიულ გამოყენებაში. LetsGrow.com-ში ჩვენ ყოველთვის ვიყენებთ Gartner-ის ჩარტს ამისათვის.
თუ თქვენ აგროვებთ, ინახავთ, ვიზუალიზაციას უკეთებთ და აანალიზებთ მონაცემებს კარგად და ცალსახად, ამან შეიძლება გამოიწვიოს საინტერესო შეხედულებები. ჩვენი რჩევაა ყოველთვის დაიწყოთ თქვენი მონაცემების სათანადო რეგისტრაციით. ჯერ არ იყენებთ მოსავლის პარამეტრებს ან არ იღებთ სტრუქტურულ ფოტოებს სათბურში დაკიდებული კამერებით? შემდეგ დაიწყეთ ამის გაკეთება. ფოტოების მონაცემებთან გაერთიანება ოქროს კომბინაციაა ანალიზისთვის. გარდა ამისა, ასევე მნიშვნელოვანია, რომ თქვენ, როგორც მწარმოებელმა, ჩახედოთ ხელმისაწვდომი ახსნა-განმარტებით და პროგნოზირებულ მოდელებს. იმის ცოდნა, თუ რა მოხდება, საჭის მართვა ჯერ კიდევ შესაძლებელია, სანამ ეს მოხდება. სათბურის ოპტიმალური მდგომარეობისკენ დიდი ნაბიჯების გადადგმა შეგიძლიათ მცირე ჩარევებით, ხშირად ზედმეტი ინვესტიციების გარეშე. სწორედ ამას ვუწოდებ მონაცემთა ძალას! მევენახეები, რომლებიც მასზე წავლენ, მომავალში გამარჯვებულები იქნებიან. და თუ დახმარება გჭირდებათ, უბრალოდ დამირეკეთ.
დამატებითი ინფორმაციისათვის:
LetsGrow.com
info@letsgrow.com
www.letsgrow.com