vetpressАграрная наукаAgrarian science0869-81552686-701XРедакция журнала "Аграрная наука"10.32634/0869-8155-2025-394-05-175-178vetpress-3638Research ArticleЦИФРОВИЗАЦИЯ АПКDIGITALIZATION OF THE AGRO-INDUSTRIAL COMPLEXИнновационные технологии на базе больших данных для трансформации сельского хозяйства: возможности и вызовы цифровизации агропромышленного комплексаInnovative technologies based on Big Data for the transformation of agriculture: opportunities and challenges of digitalization in the agroindustrial complexЕреминС. Г.EreminS. G.

Сергей Геннадьевич Еремин, кандидат юридических наук, доцент

Ленинградский пр-т, 49/2, Москва, 125167

Sergey Gennadievich Eremin, Candidate of Legal Sciences, Associate Professor

49/2 Leningradsky Ave., Moscow, 125167

SGEremin@fa.ruФинансовый университет при Правительстве Российской ФедерацииРоссияFinancial University under the Government of the Russian FederationRussian Federation20251605202505175178Copyright © Еремин С.Г., 20252025Еремин С.Г.Eremin S.G.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.vetpress.ru/jour/article/view/3638

Статья посвящена анализу перспектив применения технологий больших данных (big data) для цифровой трансформации агропромышленного комплекса. Рассмотрены ключевые направления внедрения инноваций на базе big data в сельском хозяйстве, включая точное земледелие, умные фермы, мониторинг посевов и управление техникой. Проведен концептуальный анализ научной литературы, выявивший растущий интерес исследователей к данной тематике на фоне разночтений в терминологии и методологии. Обоснована актуальность разработки комплексных подходов к изучению и практическому использованию потенциала big data в агросекторе. Эмпирическую базу составили результаты анкетирования 350 руководителей сельхозпредприятий из 12 регионов России и анализа массивов данных 30 умных ферм за 2019–2023 гг. Применение методов статистического анализа, машинного обучения и процессного моделирования позволило выявить ключевые тренды, барьеры и точки роста цифровизации на базе big data в исследуемой отрасли. Установлено, что около 80% респондентов отмечают позитивное влияние внедрения решений на базе big data на экономические показатели, при этом уровень цифровой зрелости остается невысоким. Предложена концептуальная модель поэтапного перехода агропредприятий к платформенным бизнес-моделям и культуре, управляемой данными. Результаты имеют теоретическую и практическую ценность для развития методологии цифровой трансформации сельского хозяйства и разработки отраслевых стратегий на базе инновационных подходов data-driven.

The article is devoted to the analysis of the prospects for applying Big Data technologies for the digital transformation of the agro-industrial complex. Key directions for introducing innovations based on Big Data in agriculture are examined, including precision farming, smart farms, crop monitoring, and equipment management. a conceptual analysis of scientific literature was conducted, revealing a growing interest among researchers in this topic amid discrepancies in terminology and methodology. The relevance of developing comprehensive approaches to studying and practically utilizing the potential of Big Data in the agricultural sector is justified. The empirical base includes the results of a survey of 350 agricultural enterprise managers from 12 regions of Russia and the analysis of data sets from 30 smart farms during the years 2019–2023. The use of statistical analysis methods, machine learning, and process modeling has helped identify key trends, barriers, and growth points for digitalization based on Big Data in the studied industry. It was established that about 80% of respondents note a positive impact from implementing Big Data solutions on economic indicators, although the level of digital maturity remains low. a conceptual model for the phased transition of agricultural enterprises to platform-based business models and data-driven culture is proposed. The results have theoretical and practical value for developing the methodology for the digital transformation of agriculture and for crafting industry strategies based on innovative data-driven approaches.

большие данныецифровизациясельское хозяйствоинновацииумные фермыточное земледелиебизнес-моделиBig Datadigitalizationagricultureinnovationsmart farmsprecision farmingbusiness modelsReferencesWolfert S., Ge L., Verdouw C., Bogaardt M.-J. Big Data in Smart Farming — a review. Agricultural Systems. 2017; 153: 69–80. https://doi.org/10.1016/j.agsy.2017.01.023Wolfert S., Ge L., Verdouw C., Bogaardt M.-J. Big Data in Smart Farming — a review. Agricultural Systems. 2017; 153: 69–80. https://doi.org/10.1016/j.agsy.2017.01.023Klerkx L., Jakku E., Labarthe P. a review of social science on digital agriculture, smart farming and agriculture 4.0: New contributions and a future research agenda. NJAS: Wageningen Journal of Life Sciences. 2019; 90–91(1): 100315. https://doi.org/10.1016/j.njas.2019.100315Klerkx L., Jakku E., Labarthe P. a review of social science on digital agriculture, smart farming and agriculture 4.0: New contributions and a future research agenda. NJAS: Wageningen Journal of Life Sciences. 2019; 90–91(1): 100315. https://doi.org/10.1016/j.njas.2019.100315Lioutas E.D., Charatsari C., La Rocca G., De Rosa M. Key questions on the use of big data in farming: An activity theory approach. NJAS: Wageningen Journal of Life Sciences. 2019; 90–91(1): 100297. https://doi.org/10.1016/j.njas.2019.04.003Lioutas E.D., Charatsari C., La Rocca G., De Rosa M. Key questions on the use of big data in farming: An activity theory approach. NJAS: Wageningen Journal of Life Sciences. 2019; 90–91(1): 100297. https://doi.org/10.1016/j.njas.2019.04.003Kamilaris A., Kartakoullis A., Prenafeta-Boldú F.X. a review on the practice of big data analysis in agriculture. Computers and Electronics in Agriculture. 2017; 143: 23–37. https://doi.org/10.1016/j.compag.2017.09.037Kamilaris A., Kartakoullis A., Prenafeta-Boldú F.X. a review on the practice of big data analysis in agriculture. Computers and Electronics in Agriculture. 2017; 143: 23–37. https://doi.org/10.1016/j.compag.2017.09.037Coble K.H., Mishra A.K., Ferrell S., Griffin T. Big Data in Agriculture: a Challenge for the Future. Applied Economic Perspectives and Policy. 2018; 40(1): 79–96. https://doi.org/10.1093/aepp/ppx056Coble K.H., Mishra A.K., Ferrell S., Griffin T. Big Data in Agriculture: a Challenge for the Future. Applied Economic Perspectives and Policy. 2018; 40(1): 79–96. https://doi.org/10.1093/aepp/ppx056Pivoto D., Waquil P.D., Talamini E., Finocchio C.P.S., Dalla Corte V.F., de Vargas Mores G. Scientific development of smart farming technologies and their application in Brazil. Information Processing in Agriculture. 2018; 5(1): 21–32. https://doi.org/10.1016/j.inpa.2017.12.002Pivoto D., Waquil P.D., Talamini E., Finocchio C.P.S., Dalla Corte V.F., de Vargas Mores G. Scientific development of smart farming technologies and their application in Brazil. Information Processing in Agriculture. 2018; 5(1): 21–32. https://doi.org/10.1016/j.inpa.2017.12.002Bronson K., Knezevic I. Big Data in food and agriculture. Big Data & Society. 2016; 3(1): 205395171664817. https://doi.org/10.1177/2053951716648174Bronson K., Knezevic I. Big Data in food and agriculture. Big Data & Society. 2016; 3(1): 205395171664817. https://doi.org/10.1177/2053951716648174

The authors declare that there are no conflicts of interest present.