ANALISI DELLE FILIERE PRODUTTIVE PER:

• Comprendere problematiche agronomiche e dinamiche del processo di produzione;
• Identificare problemi specifici individuati dagli intervistati;
• Identificare potenziali cause, diagnosi e soluzioni formulandoli sulla base delle conoscenze degli esperti del dominio;
• Obbiettivi strategici che si intendono perseguire.

ANALISI E COMPRENSIONE DEL DOMINIO DEI DATI, VERIFICANDO QUALI:

• Sorgenti dati e sensori sono effettivamente disponibili in filiera;
• Ipotesi e fenomeni esposti dagli esperti di dominio trovano realmente riscontrato nei dati;
• Fenomeni e situazioni non percepite a livello di dominio sono evidenziati dai dati;
• Azioni di trasformazione, pulizia e arricchimento dati servono per un completo sfruttamento delle informazioni.

• Il gruppo dei data scientist definisce i modelli di analisi che consentono di tradurre i dati selezionati nella conoscenza necessaria a rispondere ai problemi manifestati dalla filiera in fase di analisi.
• Individuazione delle tecniche di analisi più idonee alla risoluzione degli specifici problemi di dominio, mantenendo coerenza tra modellazione matematica/algoritmica e vincoli/specificità del dominio applicativo.
• Interazione di implementazione-verifica-miglioramento prima di fornire il risultato ottimale.

Progettare la piattaforma Big Data e di eseguire il deploy della stessa.

L'architettura comprenderà sistemi per:

• L'acquisizione di dati interni (da sensori interni alla filiera) ed esterni (da fonti terze) es. dati ISTAT, immagini satellitari fornite dall'ESA. In ogni caso, il sistema gestirà la tracciabilità e rintracciabilità dei dati acquisiti;
• Lo storage dei dati acquisiti che confluiranno inizialmente in un data lake provvisorio. Poi, verranno valutate le soluzioni migliori definitive anche in funzione degli strumenti analitici supportati;
• Il sistema fornirà diverse soluzioni per consentire l'analisi dei dati elaborati. Si valuteranno tecnologie diverse per analisi che sfruttino la componenti spaziali del dato.

Il sistema doterà gli utilizzatori di appositi strumenti per salvare e condividere le analisi effettuate.

Sviluppo di tutti i processi di acquisizione e trasformazione del dato, nonchè le algoritmiche atte a fornire le risposte ai problemi di business formulati. Scoprire le relazioni tra i dati fino ad ora mai esplorate, in grado di affinare, per esempio la:

• Diagnosi in tempo reale delle condizioni di campo, per stabilire eventuali interventi puntuali, in base alla valutazione predittiva delle possibili conseguenze;
• Previsione della quantità/qualità del prodotto raccolto in funzione delle condizioni di campo verificatesi;
• Individuazione dei fattori causali che hanno influito positivamente/negativamente sulla filiera.

Analisi delle metriche (indicatori da tenere sotto controllo) che si vogliono ottimizzare (es. bontà del prodotti, risparmio delle risorse,...) e dei fattori che possono incidere su di esse (es. condizioni meteo, indici di vegetazione, tecniche colturali, tecniche di conservazione,...), sviluppando gli specifici algoritmi in grado di mettere in correlazione i fenomeni.

• I risultati delle analisi svolte nella fase F4 saranno verificati dapprima sui dati storici raccolti sulla filiera e poi sui dati puntuali ed attuali raccolti sul campo e in stabilimento.
• Esecuzione di test di funzionamento mediante valutazione di determinati andamenti o risultati in differenti contesti produttivi, coinvolgendo più aziende agricole.