Dataficatie en agrofood

Transcriptie

1 Dataficatie en agrofood

2

3 Hoe zorgen we voor nog meer innovatie en bedrijvigheid op het snijvlak van data science en agrofood?

4 Voorlopige uitkomsten verkenning De sector heeft te maken met sterk uiteenlopende data science maturity niveau s Er bestaat een kloof tussen de data science community en de agro(food) sector Data wordt onvoldoende gedeeld, partijen gericht op eigen bedrijf en weinig op de keten Bestaande showcases krijgen beperkt aandacht en bereiken daardoor slechts deel van de markt. Data wordt met name gebruikt voor procesoptimalisatie en minder voor radicale innovatie en experimenten Er is beperkt kapitaal beschikbaar voor experimenten Hoe kunnen we deze knelpunten wegnemen?

5 Indeling workshop Schrijf aub je oplossingsideeën op!!! 1. Introductie wie we zijn, data science en wat we gedaan hebben 2. Huidige stand van zaken schetsen 3. Knelpunten toelichten 4. Uitkomsten bij jullie toetsen 5. Oplossingsrichtingen voor actieplan verkennen

6 Jheronimus Academy of Data Science JADS is samenwerking van 4 partijen: JADS verenigt education, research & business JADS is gevestigd in Marienburg, Den Bosch Daan Kolkman is Senior Onderzoeker Sascha Bloemhoff is Director Partners & Entrepreneurship

7 Hoe creëren we waarde met data?

8 Massive Parallelisation Huge Data Volumes Data Distribution High-Speed Networks High-Performance Computing Data Mining and Analytics Data Retrieval Deze technieken bestaan al jaren, Waarom nu snelle groei data science? 1. Er is meer data beschikbaar 2. De opkomst van open source coding 3. Doorbraak in prijs computers

9 Uitdagingen in de agrofood mogelijkheden dataficatie Duurzaamheid Voedselveiligheid Gezondheid Klimaatverandering Sensoring / IoT Big data Data science Digitization Nieuwe bedrijvigheid?

10 Stand van zaken [10]

11 Lopende initiatieven Lely biedt melkveehouders de mogelijkheid om hun dieren via hun smartphone te monitoren Proverka verzamelt al jaren gegevens over de opbrengst van verschillende rassen wortels. De data biedt mogelijkheden voor verdere optimalisatie van de opbrengst. Topigs Norsvin zet camera s in om het gedrag van varkens in de stal in de gaten te houden. Food For Care biedt gepersonaliseerde maaltijden voor ziekenhuispatiënten. Questionmark verzamelt data over producten in Nederlandse supermarkten en berekent de voedingswaarde van deze producten.

12 Trends Pizza Hut experimenteerde in het Verenigd Koninkrijk met een digitale menukaart FarmBot is een open source precision farming installatie. Photonic Fence Niet alles hoeft digitaal; deze slimme analoge labels van ontwerper Naoki Hiroata verkleuren langzaam

13 Maturity: Waar sta je op het gebied van dataficatie? Basic Dataficatie oplossingen en initiatieven zijn beperkt. Er is weerstand tegen een data-gedreven manier van werken; er zijn geen standaarden en geen middelen beschikbaar om te investeren in dataficatie. Control De waarde van dataficatie wordt onderkent, maar er is weinig vertrouwen in de kwaliteit en beschikbaarheid van de data. Er bestaan compatibiliteitsproblemen en er zijn beperkte middelen beschikbaar om de situatie te verbeteren. Standard De waarde van dataficatie is duidelijk en data-verzameling is een grote mate geautomatiseerd. Er zijn datawarehouses met actuele gegevens en er bestaat een breed gedragen data-model. Men baseert beslissingen op de beschikbare gegevens. Standard Optimized Dataficatie wordt gezien als een succesfactor; alle relevante data is eenvoudig beschikbaar; de architectuur van data-warehouses is flexibel; dataficatie drijft optimalisatie. Innovative Optimized Dataficatie is optimaal en informatie wordt gezien als een strategische succesfactor; er heerst een cultuur waar analyse, meetbaarheid, experimenteren en toerekenbaarheid hoog in het vaandel staan; dataficatie drijft innovatie. Systemen zijn ingericht om snel en doelgericht te kunnen experimenteren.

14 Maturity level mapping agrofood Brabant Farmers Distributers Service providers Input providers Food processing Retail Wholesale Food services Consumers Basic Control Standard Optimized Innovative

15 Knelpunten 15

16 1. Uiteenlopende maturity niveau s

17 2. Kloof data science agro(food)

18 3. Data onvoldoende gedeeld

19 4. Showcases beperkt aandacht

20 5. Procesoptimalisatie vs innovatie

21 6. Beperkt kapitaal om te experimenteren

22 Voorlopige uitkomsten verkenning 1. De sector heeft te maken met sterk uiteenlopende data science maturity niveau s 2. Er bestaat een kloof tussen de data science community en de agro(food) sector 3. Data wordt onvoldoende gedeeld, partijen gericht op eigen bedrijf en weinig op de keten 4. Bestaande showcases krijgen beperkt aandacht en bereiken daardoor slechts deel van de markt. 5. Data wordt met name gebruikt voor procesoptimalisatie en minder voor radicale innovatie en experimenten 6. Er is beperkt kapitaal beschikbaar voor experimenten

23 Verkenning richtingen actieprogramma 1. Governance keten Laat data stromen, ondersteun initiatieven om te komen tot standaarden, voorkom silo s en vendor lock in Ondersteun initiatieven tot samenwerking en propageer open data: bijv. Boer en Bunder 2. De Boer heeft sleutelpositie in dataficatie en moet ondersteund worden Stimuleer ontwikkeling van eenvoudige, laagdrempelige systemen die bijdragen aan integraal farm management 3. Verbind AgriFood en Datascience/ICT Imago en PR: Propageer de sector bij DSc/ICT opleidingen en bedrijven. Stimuleer en exploiteer nieuwe samenwerkingsverbanden op HBO en Academisch niveau Faciliteer een innovatieve leer en experimenteer omgeving, een Datalab waar onderwijs/onderzoek/mkb kan experimenteren 4. Organiseer kapitaal en ondersteuning voor disruptieve data/ict gedreven (keten) concepten en experimenten

24 Hoe zorgen we voor nog meer innovatie en bedrijvigheid op het snijvlak van data science en agrofood?

25 Next steps?