Szent István Egyetem Gazdaság- és Társadalomtudományi Kar Egyetemi Tudományos Diákköri Konferencia 2008. november 26. A mezőgazdaság operatív- és stratégiai döntéseinek támogatása hasonlóságelemzéssel Operative and strategic decisions support by using similarity analysis Készítők: Sápi András, Palatinus Miklós, Horváth Henrietta, Varga Viktor

Vázlat 1. szakasz: Bevezetés (Sápi András) Cél, célcsoport, hasznosság Termelési függvény anomáliák (pl.: Mennyibe kerül?) Módszertan Hogyan készül? (termelési függvények) Kitörési pontok: dobozolt adatbányászati szoftverek vs. online testre szabott hasonlóságelemzés 2. szakasz: Eredmények (Palatinus Miklós) Saját vizsgálatok eredményei szimulációk, gazdasági tanácsadás (adatvagyon gazdálkodás) Javaslatok

Gazdasági aspektusok Cél Célcsoport Hasznosság Minél nagyobb profit realizálás a pontosabb és használhatóbb elemzések segítségével Célcsoport Egyéni és társas gazdaságok menedzsmentje, szaktanácsadók, precíziós gazdálkodásban érintett cégek,… Kormányzati szervek: stratégiai és operatív tervezők Hasznosság Láthatóvá válik, mely régió(k), vagy üzemek használják fel erőforrásaikat hatékonyan, illetve rosszul a többi régióhoz, illetve üzemhez képest Meghatározható(k) az optimum pont(ok) attribútumonként termelési függvények alapján Sápi András

Operatív és stratégiai tervezés Operatív szinten kimutatható, mely régió használ fel a termelés volumenéhez képest túl sok, túl kevés erőforrást; meghatározható tábla- és parcella optimuma (precíziós gazdálkodás logikája alapján). Stratégiai szinten meghatározható, mely gazdaságok használták fel erőforrásaikat a legmegfelelőbben a regionális/üzemi versenytársaikhoz képest; lehetővé válik a pályázatokat kiíró kormányzati szervek számára a gazdaságilag ”optimális” allokációja a közpénzeknek. Ha a jelenségek és a problémák több, mint hasonlóak, valóban van különbség az operatív és stratégiai tervezés között? Sápi András

Termelési függvény kialakításához alkalmazott módszertanok Ökonometria /túl restriktív megközelítések/ Előnyök: látszólag egyszerűn magyarázható, Hátrányok: a ceteris paribus formák életidegenek pl. X(i) = FAO-szám*fizikai talaj féleség Hasonlóságelemzés /korlátozott polinomizálódás/ Előnyök: nem engedi a tetszőlegesen szélsőséges hatásmechanizmusok egyidejű leképezését, kevés adatsorral is tud dolgozni, tetszőlegesen sok beavatkozási pont (additív vs. multiplikatív modell, új jelenségek felfedezése (fenntarthatóság?) Hátrányok: túltanulás, ceteris paribus alakzat nem tetszőleges Döntési fa /parciális becslő függvények kialakítása/ Előnyök: különböző talajtípusokon a tápanyag optimuma más-és más lehet Hátrányok: kevés adatsorral nem tud dolgozni, túltanulásra hajlamos, a becslési értékek csak manuálisan állíthatók elő, kevés beavatkozási pont a doboz szoftverben Sápi András

Valós vs. fiktív adatbázis A valós adatbázis az AKI által gyűjtött adatokból származik, melyek átstruktúrálásra kerültek egy OLAP felületen. Az OLAP felület főbb paraméterei: 6 év 7 régió közel 100 mezőgazdasági jelenség 19 mérték egység 181105 rekord A fiktív adatbázis 194 sorból (objektumból) áll. Az input adatbázis megalkotásánál az operáció kutatás alábbi iránymutatásait vettük figyelembe: a valós adatok leíró statisztikáit az ökológiai alap összefüggéseket. Fő törekvés: a valóságot a lehető leginkább tükrözzék a fiktív adatok. A fentiek betartása mellett az eredményeknek értelmezhetőknek kell lenniük… Sápi András

Termelési függvény 1. hipotézis: A termelés tervezésének az alapja a termelési függvény. Mégsem áll szabadon (pénzért sem) rendelkezésre a gazdálkodóknak használható formátumban. Sápi András

Termelési függvény 2. hipotézis: Ha létezik is termelési függvény a szakirodalomban, relatíve gyenge teljesítményt nyújtanak az alkalmazott módszertanok a szerzők véleménye szerint is… Sápi András

Mesterséges intelligencia Saját vizsgálatok eredményei módszertani szinten (a második hipotézis bizonyítása) Opciók Lineáris függvény(*) Hatvány függvény(*) Másodfokú polinom(*) Döntési fa(**) Hasonlóság elemzés(**)   Operációkutatás Mesterséges intelligencia Korreláció 0.60 0.59 0.78 0.88 < (*) Forrás: Csáki Cs., 1980, Operációkutatás, 414. oldal (**) Forrás: Saját számítások Palatinus Miklós

Saját vizsgálatok eredményei régió szinten COCO Búza (1000ft/ha) Napraforgó (1000ft/ha) Őszi árpa (1000ft/ha) Vetés terület (1000ft/ha) Becslés Tény (1000ft/ha) Eltérés Dél-Alföld 4.38 4.39 3.16 16.30 0.00 Dél-Dunántúl 4.40 4.14 17.32 Közép-Dunántúl 17.27 16.46 -0.81 Közép-Magyarország 16.06 -1.21 Nyugat-Dunántúl 16.91 -0.37 Észak-Alföld 19.66 2.39 Észak-Magyarország 5.05 18.19   Négyzet összeg: 7.96 Forrás: saját elemzés Palatinus Miklós

Saját vizsgálatok eredményeinek bizonyítása régió szinten Régiónként beérkezett mezőgazdasági gépberuházási pályázatok darabszáma és a szántóföldi növénytermesztés volumenének (ha) arányai (2005): Észak-Magyarország 6.11 Dél-Dunántúl 4.64 Közép-Dunántúl 4.17 Nyugat-Dunántúl 6.38 Észak-Alföld 9.73 Dél-Alföld 11.18 Közép-Magyarország 2.44 Forrás: Dr. Szűcs István, A VIDÉKFEJLESZTÉS ELEMZÉSE AZ ÉSZAK-MAGYARORSZÁGI RÉGIÓBAN (2006) Palatinus Miklós

Termelési függvény készítés hasonlóságelemzéssel (COCO, mint rendszer-szintű megoldás) Forrás: saját elemzés Palatinus Miklós

Termelési függvény készítés döntési fa segítségével (WEKA, mint csoport-szintű gondolkodás) Forrás: saját elemzés Palatinus Miklós

Javaslatok Adatvagyon gazdálkodás ideális rendszerének kialakítása (alkotmány, képzés, OLAP) Termelési függvény készítésének automatizálása az ideális módszertannal, mely engedi a stratégiai és operatív döntést együtt kezelni Fenntarthatóság matematikája /A felhasznált források indokoltsága régió szinten/ Tervgazdálkodás Palatinus Miklós

Köszönjük megtisztelő figyelmüket! Kapcsolódó elemzések: http://miau.gau.hu/miau/122/tdk/

Melléklet 1

Melléklet 2