Liiketoimintaesimerkit

Dataverkoston liiketoimintamallit perustuvat tiedon hyödyntämiseen ja käyttöön eri tavoin. Datan hyödyntäminen reilulla tavalla on osa vastuullista liiketoimintaa ja edellyttää yhteisiä pelisääntöjä. 

Datapääoman arvioinnin työkalu

Ota Datataloustyökalu käyttöön tueksi dataosaamisen, kumppanuuksien ja datan liiketoimintapotentiaalin arviointiin! Työkalu koostuu useammasta osiosta, ja voit niiden avulla saada kattavan kokonaiskuvan datatilanteestanne. Datataloustyökalulla voit:

  • tehdä kypsyysanalyysin. Saat kypsyysprofiilin sekä räätälöidyt kehityssuositukset.
  • tuoda datatuotteenne osat yhteen. Muodostat selkeän kuvan ja hallinnoit datatuotteitanne.
  • laskea datatuotteenne arvon ajassa ja rahassa.
  • kartoittaa ja vertailla kumppanuuksia. Hahmotat olemassa olevien sekä potentiaalisten kumppanuuksien tuomaa lisää.
  • kartoittaa millaista dataa teillä tuotetaan, kuka sitä käyttää ja hyödytkö siitä itse.

Rahoittajat: Euroopan unionin osarahoittama. Keski-Pohjanmaan liitto.

Työkalun käyttö on ilmaista ja siihen pääsee tästä

Data4Food2030 – Data-avaruus uudistaa viljaketjun yhteistyön
Videossa kuvattu liiketoimintamalli perustuu avoimeen data-avaruuteen, jossa viljaketjun toimijat voivat jakaa ja hyödyntää dataa yhteisesti sovittujen sääntöjen puitteissa. Malli tuo yhteen viljelijät, viljelijäryhmät, teollisuuden, logistiikan ja erilaiset palveluntarjoajat, jotka kaikki toimivat samassa ekosysteemissä reilun datatalouden periaatteiden mukaisesti.
Data-avaruus mahdollistaa koko viljaketjun optimoinnin: viljelysuunnittelusta puintiin, laatuarviointeihin, myyntierien muodostamiseen, hintaneuvotteluihin ja kuljetuslogistiikkaan. Yhteiset suunnitelmat ja jaettu data vahvistavat viljelijäryhmien neuvotteluvoimaa, nopeuttavat prosesseja ja parantavat markkinahintojen läpinäkyvyyttä.
Samalla teollisuus voi varmentaa tuotteidensa laatua ja vastuullisuutta luotettavan tiedon perusteella.
Liiketoimintamalli luo arvoa jokaiselle osapuolelle: viljelijät voivat hyödyntää dataansa yhteisvoimin, teollisuus saa varmistettua laatuketjun, logistiikka tehostuu ja palveluntarjoajat voivat kehittää uusia, dataan perustuvia ratkaisuja.
 
Lähde: Data4Food2030 https://data4food2030.eu/

PiE-eTrace-järjestelmä tarjoaa pientuottajille mahdollisuuden yhdistää vastuullisuustieto maatilan eri järjestelmistä tuotetietoon, mikä vahvistaa tuotteiden kilpailukykyä ja tukee vastuullisuusviestintää. Järjestelmä hyödyntää data-avaruutta, jonka avulla viljelysuunnittelujärjestelmistä voidaan siirtää tietoa tuotetiedon- ja varastonhallintajärjestelmiin.

 

Lue lisää

Drone-in-a-Box (DiaB) -prosessi on suunniteltu keräämään, käsittelemään ja luomaan maatalouden datatuote, esimerkiksi kasvien tai sadon kuntoa kuvaavia peltokarttoja. Datatuote siirtyy automaattisesti datanvälityspalvelun kauppapaikkaan, jossa se on ostettavissa. Datatalouskasvattamo – hankkeessa k.o. prosessia pilotoidaan hyödyntäen Open Drone Map pilvipalvelua ja sekä Tritomin datanvälityspalvelua.

Lue lisää täältä.

Alkuperäinen ongelma

Viljan laadusta ei ole ollut riittävää tietoa viljelijäverkostolla. Satoennusteita ei oltu tehty riittävästi. Hometoksiineihin liittyvä laatutieto ei (riittävästi) näkynyt sertifikaatisssa. Tästä syystä oli tapahtunut viljaerien hylkäyksiä ja palautuksia. Ja aina edes ostajan hyväksymistä viljaeristä ei oltu saatu riittävää hintaa.

Tavoite

Viljan laatudatan jatkuva analysointi (hometoksiineihin liittyen) ja tiedottaminen viljelijäverkostolle. Tämän laatutiedon yhdistäminen siiloihin/viljaeriin ja sertifikaattiin → paremman hinnan saaminen viljalastille.

Vaatimukset

Viljaerien yksilöinti koko tuotantoketjun ajan niin maatiloilla sekä myyntierien toimitusketjussa. Datansiirron oltava luottamuksellista (datanvälityspalvelu Tritomin kautta)

Rajoitteet

Kasvukaudet ja viljamarkkinatilanne. Tietotekniset rajoitteet datanvälityspalvelun integroinnin ja myös maatilojen ohjelmistojen toimittajien integroinnin osalta

1. Vaihe

Kartoitettiin viljelijöiden kanssa nykyisen toimintatavan todelliset datavirrat ja niiden korrelaatio todellisiin sadon määrä- ja laatutasoihin

2. Vaihe

Parannettiin datan laatua sekä kohdennettiin pelloilta datan keräämistä ja analyysejä niihin kohtiin viljantuotantoprosessia, joista hankkeen tavoitteen mukaiselle toiminnalle olisi eniten hyötyä.

3. Vaihe

Yhteistyömaatilojen välinen datanvaihtokokeilu. Viljelijät merkitsivät näytteenottopaikat hometoksiinimittauksille (yhteys: QGIS & Mergin Maps + Viljelynsuunnitteluohjelmisto + Siilokirjanpito). JAMKin työntekijät tekivät palvelutoimintana mittaukset, merkitsivät niiden tulokset lomakkeella QGIS Desktopin kautta. Tulokset synkronoitiin niin viljelijöiden appiin (Mergin Maps) kuin viljelynsuunnitteluohjelmistoon FMIS. Hometoksiinimittausten laatutieto synkronoitiin myös siilokirjanpitoon (yhteys: Viljakuivurin ohjelmisto). Sama informaatio lisättiin myös viljasertifikaattiin.

Tulos

Selkeä tieto viljaerien laadusta, parempi hinta viljalasteilla ja vähemmän (ei ollenkaan) palautuksia viljan ostajilta.

Flowchart hometoksiinimittauksista

Maatalous- ja ruokasektorissa pienet ja keskisuuret toimijat hyötyvät yhä enemmän datan tuomasta päätöksenteon tuesta, mutta heiltä puuttuvat usein resurssit omien datajärjestelmien rakentamiseen. Uudenlainen palvelumalli – eräänlainen “datan sillanrakentaja” – voisi paikata tämän aukon. Tällainen datapalveluntarjoaja kokoaa hajanaiset tietolähteet yhteen, hallinnoi suuria datavirtoja ja muuntaa raakadatan ymmärrettäviksi raporteiksi ja mittareiksi. Palvelu toimitetaan avaimet käteen -periaatteella (“tieto palveluna”, engl. Knowledge as a Service, KaaS), jolloin esim. tuottajaorganisaatiot saavat käyttöönsä saman tason data-analytiikan työkalut kuin suuryritykset – ilman omia raskaita investointeja.

Palveluntarjoaja hoitaa teknisen datankäsittelyn alusta loppuun: eri järjestelmistä kerätty data integroidaan pilvipohjaiseen tietovarastoon yhtenäisessä muodossa. Sen päälle rakennetaan tarpeen mukaan raportteja, dashboard-näkymiä ja sovelluksia, jotka jalostavat datasta tietoa päätöksenteon tueksi. Asiakas (esim. tuottajaorganisaatio tai osuuskunta) saa valmiin näkymän omaan toimintaansa: ajantasaista, vertailukelpoista tietoa, jonka pohjalta voi tehdä viisaampia päätöksiä ketterästi palveluna hankittuna


Lue lisää

Palveluntarjoaja tarjoaa viljelijöille palvelua, jossa yhdistetään video-teknologiaa, data-analytiikkaa ja tekoälyä sadon tuottavuuden parantamiseksi ja opimoimiseksi. Palvelussa hyödynnetään dataa eri viljelyvaiheista kylvöstä puintiin ja satoennusteen laatimiseksi. Datan kerääminen ja siirto tapahtuu mittauslaitteiden (sis. kännykän) ja työkoneiden avulla, ja analysoitu data jalostetaan palvelutarjoajan palvelimilla lisäarvoa tuottavaksii palveluiksi, kuten satoennustekartoiksi. Palveluntarjoaja integroi palvelunsa datanvälityspalvelun, esiim Tritom avulla. 

Lue lisää täältä.

Maatalouden datamarkkinat ovat kasvussa, ja datan arvo tunnistetaan yhä paremmin. Täsmäviljelyteknologiat, kuten pelloilla ja työkoneissa olevat anturit sekä droonit, keräävät runsaasti tietoa, joka auttaa viljelijöitä optimoimaan toimintaansa. Samaan aikaan data-analytiikkapalvelut yleistyvät, tukien viljelijöitä tiedolla johtamisessa. 

Yksittäisen maatilan data on tärkeää, mutta suurin arvo syntyy, kun dataa jaetaan ja hyödynnetään yhteisesti. 

Lue lisää täältä.

Datasäädös edellyttää palveluntarjoajia mahdollistamaan datan siirtäminen hyötykäyttöön. Esimerkissämme kasvintuhoojien varoitusjärjestelmäpalvelun tuottaminen edellyttää sääasemaverkoston ja maaperäantureiden mittaustieto­jen lähettämistä analyysipalvelulle ajantasaisena. Datasäädöksen turvin viljelijät voivat edellyttää:

  • Sääasemien palveluntarjoajalta omien sääasemiensa tuottaman säädatan välittämistä Kasvintuhoojien varoitusjärjestelmäpalvelun käyttöön.
  • Omien maaperäantureiden tuottaman datan välittämisestä Kasvintuhoojien varoitusjärjestelmäpalvelun käyttöön.

Viljelijä toteuttaa tarvittavat datan luvitukset ja sopii datan käyttöoikeuksista Kasvintuhoojien varoitusjärjestelmäpalvelun tarjoajan kanssa data-avaruuden datanvälityspalvelun avulla.

Lähde: Kasvatamme datavoimaa yhdessä! Opas maatalousyrittäjien yhteiseen datan hallintaan ja liiketoimintaan

Seuraavassa esimerkkejä mittauksista, joiden tuottamaa dataa hyödynnetään data-avaruuden palveluiden kehittämisessä.

Maatutka peltotyön suunnittelussa

Maatutkan avulla voidaan tehdä maanalaista kartoitusta maan pinnalta käsin. Maatutkalla saatuja tuloksia voidaan hyödyntää esimerkiksi maaperän tiivistymien tunnistamiseen ja sekä maakerrostumien selvityksessä. (Koskela 2025.) Maatutkilla saatua dataa voivat hyödyntää esimerkiksi kaivinkoneurakoitsijat, sähkösuunnittelijat sekä kaasuputkienasentajat.

Lue lisää ÄlyPilot-hankkeen tuloksista Linkki

Peltomittaukset multispektri- ja lämpökameran avulla

Droneihin voidaan tänä päivänä liittää monenlaisia uusia lisävarusteita. Näistä esimerkiksi multispektri- ja lämpökameroilla voidaan tuottaa uusia palveluja maataloudelle ja teollisuudelle. Nämä voivat olla kaikkea peltojen kasvillisuuden kartoituksesta tai kosteustasojen mallinnuksesta aina poikkeamien havaitsemista teollisuusalueella, esimerkiksi  tulipalojen havaitseminen tai henkilöiden havaitseminen. 

Lue lisää ÄlyPilot-hankkeen tuloksista Linkki