پژوهشگاه فضای مجازی؛ عصر کلان دادهها عصری است که در آن حجم زیادی از دادهها، سرمایه محسوب میشوند. بسیاری از کشورهای توسعه یافته از کلان دادهها به عنوان یک دارایی استراتژیک ملی و یکی از منابع مهم حکمرانی یاد نمودهاند. افراد زیادی، ازجمله برگزارکنندگان "کنفرانس جهانی آب برای غذا" در اکتبر 2019، به میزبانی موسسه
Daugherty Water for Food در دانشگاه نبراسکا در ایالت متحده، با همکاری بنیاد خیریه بیل و ملیندا گیتس، و شانزدهمین نشست سالانه مجمع حکمرانی اینترنت (
IGF2021)، که تحت عنوان «اینترنت یکپارچه» در ۶ تا ۱۰ دسامبر در کاتوویتس لهستان برگزار گردید؛ ضمن تأکید بر اهمیت بسیج کلان دادهها بهمنظور بهبود امنیت جهانی آب و غذا، یادآور اهمیت تجزیهوتحلیل کلان دادهها در مدیریت محیط زیست شدند. بعلاوه، شرکت ماشینهای بینالمللی کسبوکار، تحقیقات خود را در زمینه کاربرد کلان دادهها در مدیریت حوزههای آبخیز با اخذ دادههای عظیمی از شرایط آبی و اقلیمی حوزهها بهوسیله حسگرهای مختلف را آغاز کرده است. به طور کل مدت زیادی است که اثرات تغییر اقلیم مورد توجه واقع شده و این اثرات همچنان در حال پیشروی است، به گفته دانشمندان موسسه مطالعات فضایی گودارد ناسا (
GISS)، طی قرن گذشته سطح آب دریاها حدود 10-25 سانتیمتر افزایش یافته، صفحات یخی شمال هر دهه حدود 13درصد کاهش یافته و میانگین دمای زمین نیز افزایش یافته است. این گزارش نشان دهنده یک بحران عظیم در برگیرنده جهان است که در پی آن شاهد خشکسالیهای عظیم، بحران آب، و بحران غذا، خواهیم بود. بدین منظور و به جهت جلوگیری از تبعات این وقایع، کشورها باید به وسیله پروژههای
Big Data و تجزیهوتحلیل آن، برنامهریزی دقیقی را در دستور کار خود قرار دهند تا بتوانند از افزایش بیرویه پیامدهای ناشی از تغییرات اقلیمی در زمانی مناسب جلوگیری بعمل آورند. به عنوان مثال سریلانکا، به جهت جلوگیری از خشکسالی و کاهش سیل، نقشه برداری از منابع آبی مانند رودخانههای اصلی خود را از مدت ها پیش شروع کرده است. ایجاد یک بانک کلان داده از وقایع تاریخی و به اشتراک گذاری آن بین محققان، جهت کمی سازی و تجزیهوتحلیل، گامی شایسته است که در این راستا ناسا حجم عظیمی از دادههای سنجش از دور را برای عموم قابل دسترس کرده است. یکی از بایگانیهای ناسا، تحت عنوان سیستم اطلاعات علوم زمین
ESDIS ،
5/7 پتابایت (
PB)،
7000 مجموعه داده منحصر به فرد و 5/1میلیون کاربر را در سال 2013 داشته است.
اهمیت کلان داده ها برای اجرای استراتژی سبز
اگر رؤیای صنعت ۴.۰ محقق شود، بیشتر فرایندهای یک کسب و کار باید دیجیتالی شوند. با ظهور فناوریهای جدید، کسبوکارها با چالشهایی در برابر این فناوریها مواجه هستند، از جمله اینکه برای ایجاد و حفظ پیشتازی در این رقابت، شرکتها باید دانش عملی خود را در مورد فناوریهای دیجیتال و موارد استفاده مرتبط گسترش داده و استراتژیهای تولید دیجیتالی خود را توسعه و تعمیق بخشند.
امروزه، تعهد به محیط زیست به عنوان یک موضوع نوظهور و یک متغیر حیاتی در رقابت اقتصادی مطرح میگردد که بسیاری از شرکتهای فناوری را مجبور به تغییر نگرش خود نسبت به مسائل زیست محیطی خواهد نمود. به گفته برخی از محققین [جی آل هاس،2017
[1]]، مشارکت زیست محیطی به مرور زمان به یک الزام تبدیل خواهد شد و رفتار نوظهور شرکتها در امتداد یک زنجیره، بین دو موقعیت، شدیداً گسترش مییابد: الف)
رفتار منفعلانه یا واکنشی، شرکتهایی که تصمیم میگیرند صرفاً تغییرات لازم را بهمنظور برآورده کردن الزامات نظارتی انجام دهند و ب)
رفتاری فعال، نمونهای از شرکتهایی است که تصمیم میگیرند بهطور داوطلبانه برنامهها و اقداماتی را برای کاهش تأثیر خود بر محیط زیست انجام دهند. در موقعیت دوم، درحالیکه شرکت اثرات زیست محیطی خود را کاهش میدهد، رابطه بین تجارت و طبیعت را فراتر از انطباق تحمیلی مدیریت میکند. فرانچسکو کالزا و همکاران، (2020)، با استناد یکی از طبقهبندیهای مرتبط ارائه شده توسط هارت (1997)
[2] ، معتقد است که تمرکز بر اجرای استراتژیک سبز را میتوان بهصورت تدریجی از طریق مراحل مختلف استراتژی زیست محیطی تشخیص داد که در ادامه به تشریح این مراحل میپردازد. اولین مرحله برای اکثر شرکتها تغییر از کنترل آلودگی به پیشگیری از آلودگی است. کنترل آلودگی به نیاز به پاکسازی زباله یا کاهش آسیب زیست محیطی پس از ایجاد آن اشاره دارد. شرکتهایی که این رفتار را اتخاذ میکنند به دنبال مدیریت یک آلاینده پس از انتشار آن و کاهش تأثیر آن بر محیط زیست هستند.
پیشگیری از آلودگی، بیشتر به هر عملی گفته میشود که آلودگی را در منبع آن کاهش، حذف، و یا از آن جلوگیری میکند و زبالهها را قبل از ایجاد آن به حداقل رسانده یا از بین میبرد. مشابه مدیریت جامع کیفیت، استراتژی پیشگیری از آلودگی نیز به تلاشهای مستمر برای کاهش ضایعات و مصرف انرژی بستگی دارد. سومین استراتژی زیست محیطی، نظارت بر محصول است: این استراتژی نه تنها بر کاهش آلودگی ناشی از تولید، بلکه بر تمام اثرات زیست محیطی مرتبط با چرخه عمر کامل یک محصول تمرکز دارد.
طبق نظر هارت (1997)، با اتخاذ استراتژی فناوری پاک، شرکتها در فناوریهای فردا سرمایهگذاری میکنند تا در آیندهی با محدودیت منابع، همچنان در حالت رقابتی باقی بمانند. این استراتژی، متکی به تمایل شرکت برای تحقق بخشیدن به بهبود عمده عملکرد زیست محیطی از طریق فناوری و عملیات نوآورانه جدید است.
علوم کلان داده و تجزیهوتحلیل، که محرک مهمی برای ایجاد انگیزه در مدلهای تجاری جدید تلقی میشوند، میتوانند به شرکتها در هدایت ایدهها و نوآوریهای جدید در حوزه محیط زیست کمک کنند. رشد کمیت و تنوع دادهها منجر به تولید مجموعه بزرگی از دادهها میشود که فراتر از آن چیزی است که توسط ابزارهای مدیریتی معمولی قابل مدیریت باشد. بهمنظور مدیریت این مجموعه از دادههای جدید و ارزشمند، متدهای جدید علوم داده و برنامههای کاربردی جدید در قالب تحلیل پیشگویانه توسعه دادهشدهاند. دستهبندی مشکلات کسبوکارها و طبقهبندی ماهیت و نوع کلان دادهها به درک نوع راهحل
Big Data موردنیاز برای حل معادله کمک میکند. به طور خاص، پتانسیل هر تیپولوژی کلان داده به استراتژی سبز خاصی که شرکت میخواهد به دست آورد و منافع زیست محیطی ناشی از چنین استراتژیهایی بستگی دارد.
کلان دادهها برای اجرای استراتژی سبز(فرانچسکو کالزا و همکاران، 2020)
در تعقیب اهداف کنترل آلودگی، شرکتها نیاز به اندازهگیری و ارائه اطلاعات به ذینفعان در مورد فرآیند تولید یا استفاده از محصول/خدمت دارند. در صنعت انرژی، شرکتها سیستمهای بزرگ، گرانقیمت، و پیچیدهای را برای تولید برق اجرا میکنند. هر شبکه شامل دستگاههای پیچیدهای است که بر ولتاژ، جریان، فرکانس، و سایر ویژگیهای مهم عملیاتی نظارت میکند. بنابراین، دادههای تولید شده توسط ماشین، سادهترین اطلاعات داخلی موردنیاز به جهت نشان دادن دستاورد یا انطباق صنایع با اهداف زیستمحیطی، مانند سطح انتشار گاز در طول عملیات یا بهرهوری انرژی دستگاه الکتریکی هستند. در تعقیب استراتژی پیشگیری از آلودگی، شرکتها به دادههای پیچیدهتری نیاز دارند که نهتنها امکان کنترل از پیش عملیات خود، بلکه نظارت مستمر بر فعالیتهای آن را نیز فراهم میآورد. بر این اساس، پیچیدگی و میزان دادههای موردنیاز افزایش مییابد.
دادهها همچنین میتوانند کارایی عملیات را بهبود بخشند، به عنوان مثال حسگرهای سازهای، دادههای مربوط به وضعیت تجهیزات، پارگی، و فرسودگی را در زمان واقعی ارائه میکنند. اجرای استراتژی نظارت بر محصول و کاهش اثرات زیست محیطی مرتبط با چرخه عمر کامل یک محصول، نیازمند دادههایی است که با مرزهای شرکتها همپوشانی داشته باشد. به طور خاص، تحقیق در مورد مزایای زیست محیطی در طول فرآیند باید کل زنجیره تأمین را در برگیرد که دادههای تراکنش نیز برای اجرای مؤثر این نوع استراتژی موردنیاز است. بهمنظور دستیابی به بهینهسازی زنجیره تأمین، دادههای
RFID (موجودی بلادرنگ، سیگنالهای تکمیل خودکار، دریافت و ذخیره خودکار دادهها
[3])، نظارت بر مسیرهای تحویل، دادههای ترافیک، میتوانند بهمنظور کاهش آسیبهای زیست محیطی در طول فرآیند تولید استفاده شوند. ازجمله برنامههایی که فناوری
RFID بهمنظور کاهش ردپای کربن با روشهای مختلف پشتیبانی میکند، بهبود بازیافت از طریق مدیریت زباله، کاهش انتشار وسایل نقلیه از طریق استفاده بهتر، بهبود مدیریت منابع طبیعی، ردیابی حیوانات برای نظارت بر تأثیرات تغییرات آب و هوایی، کاهش تجهیزات ضمن مدیریت بهتر دارایی؛ و ...، است.
علاوه بر این، زمانی که یک شرکت میخواهد استراتژی نظارت بر محصول را بهمنظور شناسایی منافع بالقوه زیستمحیطی برای کاربران نهایی، اتخاذ نماید، میتوانند با استفاده از رسانههای اجتماعی دادههای مشتریان را جمعآوری کنند. در حوزه محیطی، جمعآوری دادههای مشتریان از طریق رسانههای اجتماعی میتواند به شرکتها کمک کند تا محصولی متناسب با انتظارات و نیازهای مشتریان طراحی و توسعه دهند. بخشهای بازاریابی درواقع از فیدبکهای شبکههای اجتماعی برای انجام تجزیهوتحلیل احساسات استفاده میکنند تا مشخص کنند کاربران در مورد شرکت و محصولات یا خدمات سبز آنها، بهویژه پس از عرضه محصول یا نسخه جدید، چه میگویند. درنهایت، زمانی که شرکتها میخواهند یک استراتژی فناوری پاک را پیادهسازی کنند، به دادههای پیچیدهتری مانند بینشهای بهدستآمده از اینترنت اشیاء نیاز دارند.
اینترنت اشیا (
IOT) توسط تعدادی اشیاء متصل به اینترنت، که شامل رایانههای شخصی، تلفنهای هوشمند، تبلتها، حسگرهای دارای
WiFi، دستگاههای پوشیدنی و لوازمخانگی میشود، شکل میگیرد. دادههای اینترنت اشیاء اطلاعات را از منابع مختلف، مانند ماشین، حسگرها، مشتریانی که از این دستگاهها و محصولات بههمپیوسته استفاده میکنند، جمعآوری میکند. اکثر برنامههای کاربردی اینترنت اشیاء تنها تمرکز بر نظارت بر رویدادهای گسسته ندارند، بلکه بر استخراج اطلاعات جمعآوری شده توسط اشیاء اینترنت اشیاء نیز تمرکز دارند. دادههای تولید شده از دستگاههای اینترنت اشیاء میتواند در یافتن روندهای پژوهشی بالقوه و بررسی تأثیر رویدادها یا تصمیمات خاص مورد استفاده قرار گیرد.
یک مورد استفاده زیست محیطی از اینترنت اشیاء، در شبکههای هوشمند است. مورد دیگر از کاربردهای
IOT که تأثیر مثبت زیادی بر محیط زیست دارد، در بخش کشاورزی است. آبیاری خودکار با استفاده از حسگرهای تعبیه شده در دستگاهها، میتواند به عنوان روشی بهینه در شرایط خشکسالیهای اخیر باشد که آبیاری را با توجه به شرایط خاک تنظیم مینماید.
علاوه بر این، حسگرهای تعبیه شده روی پهپادها، علاوه بر ارائه دادههایی از وضعیت خاک بهمنظور تکمیل اطلاعات حسگر خاک، به کشاورزان کمک میکند تا از کودها،آفتکشها، و سایر محصولات حفاظت از گیاه، استفاده بهینه نمایند. البته که پیادهسازی فناوریهای
IOT بهمنظور تحقق استراتژی فناوری پاک، نیاز به توسعه و توانایی خاصی در مدیریت زیرساختهای مختلف و دادههای به هم پیوسته
[4] دارد. علاوه بر این، استفاده از
IOT در کسبوکارها نیاز به چندین دارایی فیزیکی مانند دستگاههای متصل به هم هوشمند؛ قابلیتهایی مانند ذخیرهسازی دادهها؛ و ابزارهای تحلیلی بهمنظور یکپارچهسازی مؤثر اطلاعات از منابع مختلف و تبدیل آن به منابع ارزشمندی که بتوانند استراتژی خود را بهبود بخشند، دارد. یکپارچهسازی اطلاعات میتواند با ایجاد زنجیرههای ارزشی که ضایعات را کاهش و شکافهای بین سازمانها را پر میکند، بینشهای جدیدی را باز کند. همچنین دادهها میتوانند بهمنظور ایجاد اتصال اکوسیستمی و ترویج همکاری ترکیب شوند، که هر دو مزیت، بهمنظور ارائه تجربیات قانع کننده که به طور فزایندهای مورد تقاضای مشتریان است، ضروری است. برای مثال، شرکتها بهمنظور توسعه فناوری پاک از طریق این کلان دادههای پیچیده، اغلب به یک شریک دیگر مراجعه میکنند تا معماری لازم را بهمنظور بهرهبرداری از پتانسیلهای اطلاعاتی، توسعه دهند. بنابراین، در یک صنعت، اینترنت اشیاء، همچنین باعث ایجاد مشارکتهای جدید میشود و این مشارکتها خود باعث تحول سازنده میشوند (فرانچسکو کالزا و همکاران، 2020).
بخش بعدی به اهمیت استفاده از کلان دادها در سازمانهای مدیریت منابع طبیعی میپردازد...
مهتاب صفری شاد (دکتری رشته منابع طبیعی)
تهیه شده در گروه کشاورزی و منابع طبیعی دیجیتال پژوهشگاه فضای مجازی
منابع
1- IGF2021
2-Bland, Lucie M., et al. "Using multiple lines of evidence to assess the risk of ecosystem collapse."
Proceedings of the Royal Society B: Biological Sciences 284.1863 (2017): 20170660.
3- Ferrer‐Paris, José Rafael, et al. "An ecosystem risk assessment of temperate and tropical forests of the Americas with an outlook on future conservation strategies."
Conservation Letters 12.2 (2019): e12623.
4- Francesco Calza, Adele Parmentola, Ilaria Tutore, 2020.Big data and natural environment. How does different data support different green strategies .Sustainable Futures?
https://doi.org/10.1016/j.sftr.2020.100029
5-Hass J.L., Environmental (Green) management typologies: an evaluation, operationalization and empirical development, Bus. Strategy Environ. 5 (2) (1996) 59–68.
6- Hart, S.L Beyond greening: strategies for a sustainable world, Harv. Bus. Rev. 75.
7- Kolk, A. Mauser, A.The evolution of environmental management: from stage models
to performance evaluation, Bus. Strategy Environ. 11 (1) (2002) 14–31
8- Runting, Rebecca K., et al. "Opportunities for big data in conservation and sustainability."
Nature communications 11.1 (2020): 1-4.
9- Zhang, Wenxia, Tianjun Zhou, and Lixia Zhang. "Wetting and greening Tibetan Plateau in early summer in recent decades."
Journal of Geophysical Research: Atmospheres 122.11 (2017): 5808-5822.
10 -Marsh, N. & Marsh, B. (2014). Big Data Concepts for Natural Resource Management, in Vietz, G; Rutherfurd, I.D, and Hughes, R. (editors), Proceedings
of the 7th Australian Stream Management Conference. Townsville, Queensland, Pages 156-161.