Aan de slag met Big Data tijdens de Data4Food Challenge

Om de hele wereld in het jaar 2050 van voedsel te voorzien, zal er 70% meer voedsel moeten worden geproduceerd dan nu. Tijdens de Data4Food Challenge komen mensen met verschillende achtergronden samen om te bedenken hoe Big Data hierbij kan helpen. Ik ben er ook bij en vertel graag meer over de kansen.

Tijdens de Data4Food Challenge is mijn rol vooral die van data-analist en developer. Daarnaast houd ik me waarschijnlijk bezig met een stukje visualisatie van de data, maar hierover lees je meer in mijn volgende blog.

Kansen van Big Data

Volgens mij zijn er ontelbaar veel mogelijkheden hoe Big Data de mondiale voedselproductie kan verbeteren en verspilling tegen kan gaan. Zo heb je aan de ene kant de genetische modificatie van planten en dieren, waarbij Big Data kan bijdragen om een zo optimaal mogelijke plant of dier te maken. Aan de andere kant kunnen supermarkten Big Data inzetten om efficiënter met hun voorraad om te gaan en zo min mogelijk te verspillen.

Grotere datasets analyseren

Tegenwoordig worden nog veel onderzoeken met de hand uitgevoerd. Er worden relatief kleine datasets gebruikt om patronen te vinden. Of er wordt alleen gekeken naar slechts één dataset. Door sets te combineren en Big Data-technieken te gebruiken, kunnen zeer grote (ongestructureerde) datasets worden geanalyseerd. Zo kunnen we patronen beter herkennen en nauwkeurige voorspellingen doen.

Supermarkten kijken bijvoorbeeld naar aankoopgegevens om te voorspellen wat mensen de komende periode gaan kopen. Je zou hier nog andere datasets aan kunnen toevoegen. Denk aan weersvoorspellingen, sociale netwerken en evenementdata. Al deze data biedt kansen om het consumptiegedrag van consumenten nóg beter te voorspellen en minder voedsel te verspillen. Drie andere voorbeelden van hoe we big data kunnen inzetten:

1. Oogsten voorspellen

Door meteorologische data, oogstdata en consumptiedata van over de hele wereld te combineren, kunnen we voorspellen waar tekorten of overschotten ontstaan. Waar oogsten mislukken en juist slagen. Met deze info kunnen we landen adviseren wel of niet te planten.

2. Landbouwgrond efficiënt gebruiken

Dankzij informatie van alle gewassen en dieren, kan grond zo efficiënt mogelijk worden ingezet om zo veel mogelijk voedsel te produceren met de juiste voedingswaarden (al gaat dit misschien wel ten koste van de smaak...). Hierbij moeten we kijken naar wat nodig is om de gewassen / dieren te laten groeien, de ruimte die hiervoor nodig is én de voedingswaarden die ze opleveren. Dit in combinatie met gegevens over grond en klimaat.

3. Consumenten adviseren

Door het verzamelen en analyseren van het aankoop-, consumptie- en verspilgedrag van mensen (denk aan sensoren in koelkasten en prullenbakken) kunnen we adviseren om bepaalde producten wel of niet aan te schaffen, omdat ze het misschien toch gaan weggooien. Of dat ze bepaalde producten vandaag beter kunnen consumeren dan andere, omdat ze bijna over de datum gaan. Alle adviezen kunnen we volledig afstemmen, door te kijken naar het gedrag van de persoon én personen met een vergelijkbaar profiel.

Zin om aan de slag te gaan

Kortom: ik geloof dat Big Data zeer belangrijk is om de voedselproductie- en verdeling te verbeteren. Als we op de huidige manier van onderzoek doorgaan, zullen we nooit op tijd oplossingen vinden. Door Big Data te gebruiken, kunnen we het onderzoek versnellen en wél op tijd nieuwe (onverwachte) oplossingen vinden. Ik kijk uit om hiermee aan de slag te gaan tijdens de Data4Food Challenge.

Meer over de Data4Food Challenge

De Data4Food Challenge is een initiatief van Leiden Universiteit en het Ministerie van Buitenlandse Zaken. Het event vindt plaats van vrijdag 11 t/m zondag 13 september.  

Pim: “Big Data is zeer belangrijk om de voedselproductie te verbeteren. Als we op de huidige manier van onderzoek doorgaan, vinden we nooit op tijd oplossingen. ”