عصر کلان‌داده‌ها عصری است که در آن حجم زیادی از داده‌ها، سرمایه محسوب می‌شوند. بسیاری از کشورهای توسعه‌یافته، از کلان‌داده‌ها به‌عنوان یک دارایی استراتژیک ملّی و یکی از منابع مهم حکمرانی یاد می‌کنند. افراد زیادی، ازجمله برگزارکنندگان «کنفرانس جهانی آب برای غذا» در اکتبر 2019، به میزبانی مؤسسۀ Daugherty Water for Food در دانشگاه نبراسکا در ایالت متحده، با همکاری بنیاد خیریۀ بیل و ملیندا گیتس، و شانزدهمین نشست سالانۀ مجمع حکمرانی اینترنت (IGF2021)، که تحت عنوان «اینترنت یکپارچه» در ۶ تا ۱۰ دسامبر در کاتوویتس لهستان برگزار گردید؛ ضمن تأکید بر اهمیت بسیج کلان‌داده‌ها به‌منظور بهبود امنیت جهانی آب و غذا، یادآور اهمیت تجزیه‌وتحلیل کلان‌داده‌ها در مدیریت محیط‌زیست شدند. به‌علاوه، شرکت ماشین‌های بین‌المللی کسب‌وکار، تحقیقات خود را در زمینۀ کاربرد کلان‌داده‌ها در مدیریت حوزه‌های آب‌خیز با اخذ داده‌های عظیمی از شرایط آبی و اقلیمی حوزه‌ها به‌وسیلۀ حسگرهای مختلف را آغاز کرده است. به‌طور کل مدت زیادی است که اثرات تغییر اقلیم مورد توجه واقع شده و این اثرات همچنان درحال پیشروی است، به گفتۀ دانشمندان مؤسسۀ مطالعات فضایی گودارد ناسا (GISS)، طی قرن گذشته سطح آب دریاها حدود 10-25 سانتی‌متر افزایش یافته است؛ صفحات یخی شمال هر دهه حدود 13درصد کاهش یافته و میانگین دمای زمین نیز افزایش یافته است. این گزارش نشان‌دهندۀ یک بحران عظیمِ دربرگیرندۀ 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 به‌وسیلۀ پروژه‌های Big Data و تجزیه‌وتحلیل آن، برنامه‌ریزی دقیقی در دستور کار خود قرار دهند تا بتوانند از افزایش بی‌رویۀ پیامدهای ناشی از تغییرات اقلیمی در زمانی مناسب جلوگیری کنند. برای مثال، سریلانکا برای جلوگیری از خشکسالی و کاهش سیل، نقشه‌برداری از منابع آبی مانند رودخانه‌های اصلی خود را از مدت‌ها پیش شروع کرده است. ایجاد یک بانک کلان‌داده از وقایع تاریخی و به‌اشتراک‌گذاری آن بین محققان، جهت کمّی‌سازی 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 دادۀ منحصربه‌فرد و 5/1میلیون کاربر را در سال 2013 داشته است.
اهمیت کلان‌داده‌ها برای اجرای استراتژی سبز
اگر رؤیای صنعت ۴.۰ محقق شود، بیشتر فرایندهای یک کسب‌وکار باید دیجیتالی شوند. با ظهور فناوری‌های جدید، کسب‌وکارها با چالش‌هایی دربرابر این فناوری‌ها مواجه هستند، ازجمله اینکه برای ایجاد و حفظ پیشتازی در این رقابت، شرکت‌ها باید دانش عملی خود را درمورد فناوری‌های دیجیتال و موارد استفادۀ مرتبط گسترش دهند و استراتژی‌های تولید دیجیتالی خود را توسعه و تعمیق بخشند.
امروزه، تعهد به محیط‌زیست به‌عنوان 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 زیست‌محیطی خواهد کرد. به گفتۀ برخی از محققان (جی آل هاس،2017)[۱]، مشارکت زیست‌محیطی 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 محیط‌زیست انجام دهند. در موقعیت دوم، درحالی‌که شرکت اثرات زیست‌محیطی خود را کاهش می‌دهد، رابطۀ بین تجارت و طبیعت را فراتر از انطباق تحمیلی مدیریت می‌کند.
فرانچسکو کالزا و همکاران، (2020)، با استناد یکی از طبقه‌بندی‌های مرتبط ارائه‌شده توسط هارت (1997)[۲]، معتقد است که تمرکز بر اجرای استراتژیک سبز را می‌توان به‌صورت تدریجی ازطریق مراحل مختلف استراتژی زیست‌محیطی 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 زیست‌محیطی 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 محیط‌زیست 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 می‌رساند 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 زیست‌محیطی، نظارت بر محصول است: این استراتژی نه تنها بر کاهش آلودگی ناشی از تولید، بلکه بر تمام اثرات زیست‌محیطی مرتبط با چرخۀ عمر کامل یک محصول تمرکز دارد.
طبق نظر هارت (1997)، با اتخاذ استراتژی فناوری پاک، شرکت‌ها در فناوری‌های فردا سرمایه‌گذاری می‌کنند تا در آیندۀ با محدودیت منابع، همچنان در حالت رقابتی باقی بمانند. این استراتژی، متکی به تمایل شرکت برای تحقق بخشیدن به بهبود عمدۀ عملکرد زیست‌محیطی ازطریق فناوری و عملیات نوآورانۀ جدید است.
علوم کلان‌داده و تجزیه‌وتحلیل که محرّک مهمی برای ایجاد انگیزه در مدل‌های تجاری جدید تلقی می‌شوند، می‌توانند به شرکت‌ها در هدایت ایده‌ها و نوآوری‌های جدید در حوزۀ محیط‌زیست کمک کنند. رشد کمّیت و تنوع داده‌ها منجر به تولید مجموعۀ 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 داده شده‌اند. دسته‌بندی مشکلات کسب‌وکارها و طبقه‌بندی ماهیت و نوع کلان‌داده‌ها به درک نوع راه‌حل Big Data موردنیاز برای حل معادله کمک می‌کند. به‌طور خاص، پتانسیل هر تیپولوژی کلان‌داده به استراتژی سبز خاصی که شرکت می‌خواهد به دست آورد و منافع زیست‌محیطی ناشی از چنین استراتژی‌هایی بستگی دارد.
کلان‌داده‌ها برای اجرای استراتژی سبز (فرانچسکو کالزا و همکاران، 2020)
در تعقیب اهداف کنترل آلودگی، شرکت‌ها نیاز به اندازه‌گیری و ارائۀ اطلاعات به ذی‌نفعان درمورد 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 تولیدشده توسط ماشین، ساده‌ترین اطلاعات داخلی موردنیاز به جهت نشان دادن دست‌آورد 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، برای 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 زیست‌محیطی مرتبط با چرخۀ عمر کامل یک محصول، نیازمند داده‌هایی است که با مرزهای شرکت‌ها همپوشانی داشته باشد. به‌طور خاص، تحقیق درمورد مزایای زیست‌محیطی در طول فرآیند باید کل زنجیرۀ تأمین را دربرگیرد که داده‌های تراکنش نیز برای اجرای مؤثر این نوع استراتژی موردنیاز است. به‌منظور دستیابی به بهینه‌سازی زنجیرۀ تأمین، داده‌های RFID (موجودی بلادرنگ، سیگنال‌های تکمیل خودکار، دریافت و ذخیرۀ خودکار داده‌ها[۳])، نظارت بر مسیرهای تحویل، داده‌های ترافیک، می‌توانند به‌منظور کاهش آسیب‌های زیست‌محیطی در طول فرآیند تولید استفاده شوند. ازجمله برنامه‌هایی که فناوری RFID به‌منظور کاهش ردپای کربن با روش‌های مختلف پشتیبانی می‌کند، بهبود بازیافت ازطریق مدیریت زباله، کاهش انتشار وسایل نقلیه ازطریق استفادۀ بهتر، بهبود مدیریت منابع طبیعی، ردیابی حیوانات برای نظارت بر تأثیرات تغییرات آب‌وهوایی، کاهش تجهیزات ضمن مدیریت بهتر دارایی و … است.
علاوه‌براین، زمانی که یک شرکت می‌خواهد استراتژی نظارت بر محصول را به‌منظور شناسایی منافع بالقوۀ زیست‌محیطی برای کاربران نهایی، اتخاذ کند، می‌توانند با استفاده از رسانه‌های اجتماعی داده‌های مشتریان را جمع‌آوری کنند. در حوزۀ محیطی، جمع‌آوری داده‌های مشتریان ازطریق 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 درمورد شرکت و محصولات یا خدمات سبز آن‌ها، به‌ویژه پس از عرضۀ محصول یا نسخۀ جدید، چه می‌گویند. درنهایت، زمانی که شرکت‌ها می‌خواهند یک استراتژی فناوری پاک را پیاده‌سازی کنند، به داده‌های پیچیده‌تری مانند بینش‌های به‌دست‌آمده از اینترنت اشیا نیاز دارند.
اینترنت اشیا (IOT) توسط تعدادی اشیاءِ متصل به اینترنت که شامل رایانه‌های شخصی، تلفن‌های هوشمند، تبلت‌ها، حسگرهای دارای WiFi، ابزارهای پوشیدنی و لوازم خانگی می‌شود، شکل می‌گیرد. داده‌های اینترنت اشیا اطلاعات را از منابع مختلف، مانند ماشین، حسگرها، مشتریانی که از این دستگاه‌ها و محصولات به‌هم‌پیوسته استفاده می‌کنند، جمع‌آوری می‌کند. اکثر برنامه‌های کاربردی اینترنت اشیا تنها بر نظارت بر رویدادهای گسسته متمرکز نیست، بلکه بر استخراج اطلاعات جمع‌آوری شده توسط اشیاءِ اینترنت اشیا نیز تمرکز دارند. داده‌های تولیدشده از دستگاه‌های اینترنت اشیا می‌تواند در یافتن روندهای پژوهشی بالقوه و بررسی تأثیر رویدادها یا تصمیمات خاص مورد استفاده قرار گیرد.
یک مورد استفادۀ زیست‌محیطی از اینترنت اشیا، در شبکه‌های هوشمند است. مورد دیگر از کاربردهای آن که تأثیر مثبت زیادی بر محیط‌زیست دارد، در بخش کشاورزی است. آبیاری خودکار با استفاده از حسگرهای تعبیه‌شده در دستگاه‌ها، می‌تواند به‌عنوان روشی بهینه در شرایط خشکسالی‌های اخیر باشد که آبیاری را با توجه به شرایط خاک تنظیم می‌کند.
علاوه‌براین، حسگرهای تعبیه‌شده روی پهپادها، علاوه‌بر ارائۀ داده‌هایی از وضعیت خاک به‌منظور تکمیل اطلاعات حسگر خاک، به کشاورزان کمک می‌کند تا از کودها، آفت‌کش‌ها، و سایر محصولات حفاظت از گیاه، استفادۀ بهینه کنند. 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[۴] دارد. علاوه‌براین، 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 ارائۀ تجربیات قانع‌کننده که به‌طور فزاینده‌ای مورد تقاضای مشتریان است، ضروری است. برای مثال، شرکت‌ها به‌منظور توسعۀ فناوری پاک ازطریق این کلان‌داده‌های پیچیده، اغلب به یک شریک دیگر مراجعه می‌کنند تا معماری لازم را به‌منظور بهره‌برداری از پتانسیل‌های اطلاعاتی، توسعه دهند. بنابراین، در یک صنعت، اینترنت اشیا، همچنین باعث ایجاد مشارکت‌های جدید می‌شود و این مشارکت‌ها خود باعث تحول سازنده می‌شوند(فرانچسکو کالزا و همکاران، 2020). بخش بعدی این یادداشت به اهمیت استفاده از کلان‌دادها در سازمان‌های مدیریت منابع طبیعی خواهد پرداخت.
ادامه دارد…
بخش دوم نوشته را از اینجا بخوانید.
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.
