ВЫВОДЫ ИЗ ПОЕЗДКИ В МИНСЕЛЬХОЗ: АГРООБРАЗОВАНИЕ И ФГИСЫ
 
1️⃣ Провел встречу с Директором Департамента научно-технической политики и образования.

Обсуждали новую программу обучения по направлению "Агрономия".
Как уже писал раньше, я предложил внести изменения в текущую программу по направлению, где я недавно защитился.

Внёс своё предложение по программе с фокусом на:
- больше часов практики и прикладных дисциплин;
- фокус не только на производство, но и на управление рентабельностью производства продукции;
- современные технологии методики и направления, реально применимые на практике;
- цифровизация: FMS-системы, спутниковые снимки различных спектров, автопилоты, дроны и картографирование полей + ФГИСы, конечно же.
Очень масштабный и сложный проект, но крайне интересный.
 
2️⃣ Провел встречи с Директором Департамента технологического развития, руководством АгроПромЦифры и Центра Агро Аналитики.  

Это операторы почти всех ФГИСов, которые будут объединять всё в одну систему - Единая Цифровая Платформа.  
 
Обсуждали:
 
📌 Упрощение отчетности для СХТП (чтобы не дублировалось всё по 15 раз в разных системах и на бумаге ещё). Цифровизация же ж!  
 
📌 Сведение данных всех систем в единый формат.
В итоге СХТП будут тоже иметь доступ к обезличенным данным всех ФГИСов.
 
P.S. Да, я предлагал определенные системы снести и построить заново, но в их случаях, на самом деле легче чинить и корректировать то, что было сделано другими...  
 
📌 Что именно важно видеть СХТП: какую аналитику, какие отчеты, какую детализацию.
 
Чтобы вы понимали:
В итоге мы сможем посмотреть, к примеру:
- какие гибриды/сорта дают какую урожайность в вашем районе/регионе;
- как заполняются элеваторы вокруг вас и какими культурами;
- как выглядят ваши показатели по урожайностью и качеству относительно других в районе/регионе.
И т.д.  
Массу данных можно увидеть и использовать в бизнесе.
 
P.S. И не стоит говорить, что кто-то вносит какие-то данные с ошибками/враньем. Отправляю всех к теории больших чисел, вероятностей и статистики.
В больших массивах данных отдельные ошибки нивелируют друг друга. А если ошибки одинаковы у всех, то это уже не ошибка, а закономерность.