vetpressАграрная наукаAgrarian science0869-81552686-701XРедакция журнала "Аграрная наука"10.32634/0869-8155-2025-395-06-172-175vetpress-3709Research ArticleЦИФРОВИЗАЦИЯ АПКDIGITALIZATION OF THE AGRO-INDUSTRIAL COMPLEXИнтеллектуальные технологии анализа больших данных как драйвер устойчивого развития сельского хозяйстваIntelligent Big Data Analytics Technologies as a Driver for Sustainable Agricultural DevelopmentГалкинА. И.GalkinA. I.

Андрей Игоревич Галкин, кандидат экономических наук, доцент

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

Andrey Igorevich Galkin, Candidate of Economic Sciences, Associate Professor

49/2 Leningradsky Ave., Moscow, 125167

aigalkin@fa.ruФинансовый университет при Правительстве Российской ФедерацииРоссияFinancial University under the Government of the Russian FederationRussian Federation20252406202506172175Copyright © Галкин А.И., 20252025Галкин А.И.Galkin A.I.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/3709

Статья посвящена исследованию роли инновационных подходов к анализу больших данных в обеспечении устойчивого развития аграрного сектора. Рассматривается потенциал применения интеллектуальных методов обработки массивов информации для повышения эффективности управленческих решений и оптимизации производственных процессов в сельском хозяйстве. На основе статистического анализа и моделирования выявляются ключевые факторы, определяющие результативность внедрения технологий Big Data в агропромышленном комплексе. Делается вывод о необходимости комплексного использования предиктивной аналитики, машинного обучения и облачных вычислений для построения высокопродуктивных агроэкосистем, устойчивых к рыночным и климатическим рискам. Подчеркивается значимость дальнейшего развития методологической и инструментальной базы аналитики больших данных для обеспечения конкурентоспособности и экологической безопасности отечественного АПК.

The article is devoted to the study of the role of innovative approaches to big data analysis in ensuring the sustainable development of the agricultural sector. It examines the potential of intelligent data processing methods to enhance the efficiency of management decisions and optimize production processes in agriculture. Through statistical analysis and modeling, the study identifies key factors determining the effectiveness of Big Data technologies in the agro-industrial sector. The conclusion highlights the need for the integrated use of predictive analytics, machine learning, and cloud computing to build highly productive agroecosystems resilient to market and climate risks. The importance of further developing the methodological and instrumental foundations of big data analytics is emphasized to ensure the competitiveness and environmental sustainability of the domestic agro-industrial complex.

большие данныеинтеллектуальный анализмашинное обучениеустойчивое сельское хозяйствоцифровизация АПКагроэкосистемыпредиктивная аналитикаbig datadata miningmachine learningsustainable agriculturedigitalization of the agro-industrial sectoragroecosystemspredictive analyticsReferencesWolfert 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.2017.01.023Lioutas E.D., Charatsari C. Big Data in agriculture: Does the new oil lead to sustainability?. Geoforum. 2020; 109: 1–3. https://doi.org/10.1016/j.geoforum.2019.12.019Lioutas E.D., Charatsari C. Big Data in agriculture: Does the new oil lead to sustainability?. Geoforum. 2020; 109: 1–3. https://doi.org/10.1016/j.geoforum.2019.12.019Параскевов А.В. Способы и технические требования к процессу аналитики больших данных в сельском хозяйстве. Научный журнал КубГАУ. 2023; 187: 207–220. https://www.elibrary.ru/irvewrParaskevov A.V. Methods and technical requirements for the process of big data analytics in agriculture. Scientific Journal of.KubSAU. 2023; 187: 207–220 (in Russian). https://www.elibrary.ru/irvewrBalafoutis A.T. et al. Smart Farming Technologies — Description, Taxonomy and Economic Impact. Pedersen S., Lind K. (eds.). Precision Agriculture: Technology and Economic Perspectives. Cham: Springer. 2017; 21–77. https://doi.org/10.1007/978-3-319-68715-5_2Balafoutis A.T. et al. Smart Farming Technologies — Description, Taxonomy and Economic Impact. Pedersen S., Lind K. (eds.). Precision Agriculture: Technology and Economic Perspectives. Cham: Springer. 2017; 21–77. https://doi.org/10.1007/978-3-319-68715-5_2Невзоров А.С. Прикладные модели и алгоритмы интеллектуального анализа больших данных в сельском хозяйстве. Тренды развития сельского хозяйства и агрообразования в парадигме зеленой экономики. Материалы Международной научно-практической конференции. Сборник статей. М.: РГАУ — МСХА им. К.А. Тимирязева. 2023; 1: 24–28. https://www.elibrary.ru/gatiuyNevzorov A.S. Models and algorithms for data mining of big data in agriculture. Trends in.the Development of.Agriculture and Agricultural Education in.the Green Economy Paradigm. Proceedings of.the International Scientific and Practical Conference. Collection of.articles. Moscow: Russian State Agrarian University — Moscow Timiryazev Agricultural Academy. 2023; 1: 24–28 (in Russian). https://www.elibrary.ru/gatiuySarker I.H., Furhad M.H., Nowrozy R. AI-Driven Cybersecurity: An Overview, Security Intelligence Modeling and Research Directions. SN Computer Science. 2021; 2(3): 173. https://doi.org/10.1007/s42979-021-00557-0Sarker I.H., Furhad M.H., Nowrozy R. AI-Driven Cybersecurity: An Overview, Security Intelligence Modeling and Research Directions. SN Computer Science. 2021; 2(3): 173. https://doi.org/10.1007/s42979-021-00557-0Scherer M.U. Regulating Artificial Intelligence Systems: Risks, Challenges, Competencies, and Strategies. Harvard Journal . of.Law & Technology. 2015; 29(2): 353–400. http://doi.org/10.2139/ssrn.2609777Scherer M.U. Regulating Artificial Intelligence Systems: Risks, Challenges, Competencies, and Strategies. Harvard Journal . of.Law & Technology. 2015; 29(2): 353–400. http://doi.org/10.2139/ssrn.2609777Rotz S. et al. The Politics of Digital Agricultural Technologies: A Preliminary Review. Sociologia Ruralis. 2019; 59(2): 203–229. https://doi.org/10.1111/soru.12233Rotz S. et al. The Politics of Digital Agricultural Technologies: A Preliminary Review. Sociologia Ruralis. 2019; 59(2): 203–229. https://doi.org/10.1111/soru.12233

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