analysis and utilization of practical cases of big data applied for...

韓藥情報硏究會誌(Korean Herb. Med. Inf.) 2015;3(3):29-42. pISSN 2288-5161 / eISSN 2288-5293

29

Abstract

The purpose of this study is to suggest the meaning, application and utilization of big data for develop-ing in agroindustry through the analysis on the home and abroad cases about the utilization of big data in agroindustry. The practiced cases were investigated by searching on the portal sites using key-words such as agroindustry and big data. As a result, abroad cases of big data are the following as Monsanto's FieldScripts, JohnDeere‘s SeedStar Mobile, DuPont Pioneer’s Pioneer Field360 Select of USA, Phytech software of Israel, Silent herdsman’s Cattle Health Care Management System of Scotland, Integrated Management Control System of EU, Flower Trade System of Netherlands, Fujitsu's Cow Step Counts System, Smartagri System, and FARMS Case of Japan. In home cases are the following as Smart green house, Apple cultivation, Tomato farmers Internet of Things (loT), Strawberry culti-vation systems, and Integrated management system of direct transactions in the local food. The case of ubiquitous farm are under the development. Consequently, utilization of big data in agroindustry is to contribute significantly to activate the economy of local economy, as well as the effect of cost reduction for production of agricultural products.

농생명산업의 빅데이터 실용사례에 대한 분석과 활용 방안

박로운1, 김현2, 송미장1*

1. 전주대학교 대학원 생명자원융합과학과2. 전주대학교 대체건강관리학부

Analysis and Utilization of Practical Cases of Big Data Applied for Agroindustry

Bak Ro-un1, Kim Hyun2, Song Mi-jang1*

1. Dept. of Integrated Bio-Resource Science, General Graduate School of Jeonju University, Jeonju, Republic of Korea

2. School of Alternative Medicine and Health Science, Jeonju University, Jeonju, Republic of Korea

* Correspondence: 송미장(Song Mi-jang. Tel: +82-63-220-4672 E-mail: [email protected])· Received 2015-11-01, revised 2015-11-11, accepted 2015-11-12.

Keywords: Agroindustry, Big data, Practical cases

박로운 외. 농생명산업의 빅데이터 실용사례에 대한 분석과 활용 방안

30

서론

스마트 기기가 증가하고 정보통신기술이 발달하기 시작하면서 각종 Social Networking Service (SNS)가 활발하게 이용되며 빅데이터가 주목받기 시작했다.1) 빅데이터란 저장, 수집, 발굴, 검색, 분석이 어려운 거대한 규모의 데이터로 기존의 데이터베이스와는 다른 형태로 필요한 정보를 추출할 수 있는 기술이다. 빅데이터는 데이터 처리 기술이 발달되어 처리 속도가 빨라짐으로써 다양한 분야에서 용도에 맞게 활용되고 있다.2) 빅데이터는 정형데이터, 반정형데이터, 비정형데이터로 분류되는데 정형데이터란 고정된 필드에 저장된 데이터로 일정한 규칙을 가지고 있으며 그 예로 관계형 데이터베이스 및 스프레드시트 등이 있고 반정형데이터란 고정된 필드에 저장되어 있지 않으며 메타데이터나 스키마 등을 포함하는 데이터로 일반적으로 문자로 서술된 정보를 담고 있으며 비정형데이터는 고정된 필드에 저장되지 않은 데이터로 스마트 기기 이용자들이 특정 정보에 대해 서로 의견을 교환하며 나타나는 정보를 말한다.1) 빅데이터의 특징을 살펴보면 빠른 처리속도로 인한 데이터의 용량증가(Volume), 다양한 데이터의 형태(Variety), 실시간으로 생성되는 데이터의 속도(Velocity), 데이터 처리과정의 복잡성(Complexity)을 들 수 있다.3) 빅데이터는 다양한 산업 분야에서 활용되고 있으며 높은 효율성으로 인한 편익을 도모할 수 있다.정치 분야에서 미국의 대통령 선거에서 유권자의 데이터베이스 분석을 통해 선거전략을 수립함으로

써 비교적 저비용으로 효율적인 선거를 시행한 것, 사회 분야에서 유동인구 밀집도 분석을 기반으로 노선을 최적화하고 배차간격을 조정하여 효율적인 버스노선을 선정할 수 있었던 것, 경제 분야에서 아마존닷컴이 모든 구매자의 구매내역을 통해 추천 상품과 맞춤 광고 전략을 통해 구매자가 원하는 것을 예측하여 마케팅에 이용한 것을 예로 들 수 있다. 또한, 의료 분야에 빅데이터가 적용된다면 의료기관별 데이터를 통해 전염병과 질병을 예측하여 합리적인 의사결정이 가능해질 것으로 전망된다.1)

이러한 추세에 힘입어 미래유망산업인 농생명산업에서 축적된 대용량 데이터 기술을 이용한 사례가 점차 늘어나고 있다.4) 농생명산업은 식물, 동물, 미생물, 곤충, 해조류 등과 같은 농생명자원을 다양한 산업에 응용하고 있으며, 기후 변화와 식량문제, 빈곤으로 인한 기아 증가 및 환경문제 등을 해결할 수 있는 기술 산업이어서5), 최근 농촌인구가 감소하고 고령화되기 시작하면서 농업이 쇠퇴하고 있는 시점에 빅데이터가 새롭게 활용되고 있다6). 특히, 농촌의 문제를 해결하기 위해 정보통신(ICT) 기술과 접목한 첨단 기술이 새로운 해결책으로 떠오르고 있으며, 단순한 식량문제 해결이 아닌 서비스업이 결합된 6차 산업으로 전환되고 있다.7) 농생명산업의 세계 시장규모는 2012년에는 144억불이었으나 2017년에는 248억불로 성장추세를 보일 것으로 전망되고 있어5), 경제·금융 사이트인 마켓워치에서는(Market-Watch)는 다국적 농업기업들이 빅데이터를 활용하여 농업발전을 이끌어 나갈 것이라고 예측하였다3).국내에서도 농생명산업의 시장규모는 ’03∼’12년 동안 투자한 예산이 총 5,829억원으로 연 34%가

증가하였으며, 첨단 기술산업화를 위해 정부가 적극적으로 지원하고 있다.5) 이처럼 국내의 농생명산업은 많은 잠재력을 내포하고 있지만 외국의 빅데이터 활용도에 비해 국내의 활용도는 낮고 빅데이터 활용기술이 미약하며 관련 전문가도 부족한 실정이다.8) 농생명산업 분야에 빅데이터를 활용한다면 효율적인 관리로 인해 노동력이 절감되고 농촌경제도 활성화될 것이며 새롭게 진출하는 신생농가는 빅데이터를 통한 시스템 활용으로 농가경영에 대한 관심도가 높아질 것이고 그로 인해 농생명산업의 새로운 패러다임이 생겨날 것이다.3)

이 연구의 목적은 농생명산업과 관련하여 빅데이터를 활용한 국내 및 국외의 사례를 조사·분석하여 빅데이터를 효율적으로 활용할 수 있는 방안을 제시하고자 한다.


31

본론

이 연구에서는 빅데이터를 적용한 농생명산업에 대한 키워드를 선정하여, 검색하는 방법을 이용하였다. 국내 검색은 한글 키워드로 ‘빅데이터 농생명’을 사용하여, 네이버 및 다음의 포털사이트에서 검색하였고, 국외 검색은 영어 키워드로 ‘big data agroindustry’를 사용하여 구글을 통해 검색하였다. 검색 결과는 SWOT 분석을 통해 향후 활용 방안을 강구하였다.

1. 국외 농생명산업의 빅데이터 실용사례

1) 미국 몬산토의 필드스크립트(FieldScripts)

필드스크립트(FieldScripts)는 농업회사인 몬산토가 옥수수, 대두, 면화, 밀, 카놀라, 수수, 사탕수수 종자를 제공하며 좋은 품질의 종자 유전학과 첨단 형질 기술로 데이터를 분석해서 각 농가에게 최적의 해결책을 제공하는 시스템이다. 몬산토는 식물육종연구로 유전적 수확량을 극대화하여 옥수수의 가치를 높였고 이로 인해 농가는 안정적으로 옥수수를 재배할 수 있었다. 종자의 생산성을 높이기 위한 기법으로 유전체학(Genomics), 작물분석(crop analytics), 표지육종(marker-assisted breeding) 등의 첨단육종기법을 이용한다(Fig. 1).

Fig. 1. Monsanto's FieldScripts of USA (출처: http://www.monsanto.com)

또한 필드스크립트(FieldScripts)는 종자 유전학과 정밀한 장비를 사용하여 경작지에 적합한 품종과 파종량을 재배하도록 돕고 토질과 질병의 이력, 강수량 등의 데이터를 통해 농지의 재배를 원활하게 할 수 있도록 지원한다. 이 시스템의 도입효과는 지속가능한 농업이라는 점과 맞춤형 수확을 통해 생산량을 증대시킬 수 있다는 점이다. 반면에 시스템 사용자의 중요한 데이터들이 유출될 경우, 이를 이용하여 영향력이 있는 농업회사에서 경쟁력 있는 품종을 개발하게 되면 시장을 장악하여 혼란이 일어날 수 있는 우려가 있다.9)


32

2) 미국 존디어(JohnDeere)의 시드스타 모바일(SeedStar Mobile)

시드스타 모바일(SeedStar Mobile)은 모바일 장비를 사용하여 파종 작업을 실시간으로 전송하고 공유할 수 있도록 하고 트랙터 좌석에서 행 단위로 파종 수행 작업을 제공하여 풍부한 정보를 얻을 수 있도록 하는 시스템이다.10) 획득한 정보는 설정을 최적화하고 잠재적인 문제를 진단하며 필드를 정찰하고 농업 운영의 다른 영역에서 의사결정을 할 때 도움을 준다(Fig. 2).

Fig. 2. JohnDeere’s SeedStar Mobile of USA (출처: http://www.deere.com)

또한 화면의 대시보드는 실제 인구, 싱귤레이션(singulation), 파종 간격, 다운포스(downforce), 승차감, 게이지 바퀴의 폭, 다양한 것들에 맞추어 고객이 선택할 수 있다. 모바일 시스템은 문서를 시각화하고 실시간으로 파종 데이터에 접근할 수 있으며 작업의 정밀도와 정확도에서 가장 높은 수준으로 실행되고 있고 생산자가 사무실이나 현장에서 일하는 동안 와이파이 및 셀룰러데이터와 연결하여 MyJohnDeere의 운영센터로 데이터를 전달한다. 이 시스템의 도입효과로는 작업 수행 중 문제가 생겼을 경우 신속한 해결이 가능하다는 점과 작물의 생산성이 증가될 수 있다는 점이다.11)

3) 미국 듀퐁 파이오니어(DuPont Pioneer)의 Pioneer Field360 Select

Pioneer Field360 Select는 경작지별 데이터와 기상정보를 결합하여 실시간으로 농장을 관리할 수 있도록 하는 시스템으로10) 수십 년간의 토양, 기후 등의 축적된 데이터를 바탕으로 효율적인 농경관리를 하여 농가의 수익성이 향상되며 농지에 나가지 않고도 데이터 접속을 통해 관리가 가능하다는 장점이 있다(Fig. 3).또한 농가에게 거대한 양의 데이터를 제공하여 시행착오를 줄일 수 있을 것으로 예상된다. 하지만

이 사례 역시 몬산토의 필드스크립트(FieldScripts) 사례와 마찬가지로 시스템 사용자의 데이터들이 경쟁 지역의 생산자에게 알려질 경우 농가에 혼란을 줄 우려가 있다.12)


33

Fig. 3. DuPont Pioneer’s Pioneer Field360 Select of USA (출처: http://www.agriview.com)

4) 이스라엘 Phytech의 소프트웨어

이스라엘 Phytech의 작물·환경을 관리하는 센서와 소프트웨어는 식물의 컨디션을 측정한다. 클라우드 기반의 서버 및 웹 기반의 소프트웨어 응용프로그램에서 지원하는 혁신적인 고유 식물 센서를 기반으로 한 이 시스템은 시시각각으로 작물이 필요한 물, 영양, 빛의 정도를 알고 최적의 조건을 만들 수 있도록 한다(Fig. 4).또한 세계 어느 곳에서든 실시간으로 데이터를 공유하여 재배를 원활하게 하고 높은 생산량과 최상의

품질이 되도록 생산자의 결정을 돕고 관련정보와 노하우의 지식 공유를 통해 성장 과정의 투명성 및 시장성을 향상시킬 수 있도록 해준다. 세계 최고의 센서에 연결되어 토양 수분 및 마이크로 기후 센서에 의한 지원으로 지속적으로 심장박동을 모니터링하여 작물의 성장률과 상태를 보여주고 작물이 스트레스 받는 상황과 그 근본 원인을 경고해주어 문제점을 미리 예측할 수 있으며 식물에게 받은 정보와 지식으로 자신의 행동을 피드백하고 신속한 대응을 가능하게 한다.

Fig. 4. Phytech software of Israel (출처: http://www.phytech.com)


34

신규 사용자는 기본 사용자 정의로 재배를 위한 최적의 설정을 할 수 있으며 연구 및 지식센터, 컨설턴트, 공급 업체, 고객 등의 많은 관련 참여자가 그들의 작물 재배 경험을 제공하여 시스템을 최대한 활용할 수 있도록 하고 최상의 경험을 벤치마킹할 수 있다는 장점이 있다. 기본적인 이용 구성 장치로는 Dendrometer sensor, Soil moisture sensor, Water meter sensor, Phytechas weather station이 있다. Dendrometer sensor는 마이크론 범위의 미세한 변화를 모니터링하기 위한 고정밀센서이고 Soil moisture sensor는 토양에 함유된 용적 수분 함량을 모니터링 할 수 있는 센서이고 Water merter sensor는 측정된 식물의 드립라인을 설정하고 수신된 물의 양을 정확히 모니터링하는 센서이며 Phytechas weather station는 공기의 온도, 습도, 방사선, 바람의 속도 및 방향, 강수량의 데이터를 포함하고 있다. 식물의 컨디션을 최적상태는 녹색, 최저상태는 적색으로 그래프에 표시하여 식물상태를 모니터링

할 수 있으며 이러한 시스템을 환경에 민감하고 재배가 어려운 작물에 적용한다면 작물 생산이 보다 용이할 것으로 사료된다.13)

5) 스코틀랜드 Silent herdsman의 Cattle Health Care Management System

Cattle Health Care Management System은 소에 관한 실시간 정보를 이용하는 것으로 소의 질병을 조기에 발견하며 단일 칼라 기반의 센서를 통해 모니터링하며 발정을 알 수 있다(Fig. 5). 그래프는 소가 음식을 먹고 되새김질하는데 소요되는 평균시간을 표시하며 사용자는 건강 경고에 대한 감도조정을 할 수 있으며 스마트폰, 태블릿, 노트북이나 PC를 통해 데이터를 수신할 수 있고 소에게 가장 흔한 질병인 산과다증, 케톤증, 유선염, 대장균, 절뚝거림의 발명 연령은 질병의 징후에서 정확하고 확실하게 입증하였고 서비스 기반의 소프트웨어는 매년 옵션 기능을 추가한다.

Fig. 5. Silent herdsman’s Cattle Health Care Management System of Scotland(출처: http://silentherdsman.com)

소의 발정을 감지하고 모니터링 하는 것은 우유 생산과 인공수정이 줄어드는 것을 통해 연간 수입의 상당한 손실을 막는다. 이 시스템은 간단한 터치스크린으로 사용하기가 쉽고 인공지능 소프트웨어를


35

소의 목에 착용시키며 데이터처리를 위해 개발된 배터리의 수명이 길고 빠른 분리 장치를 사용하고 쉽게 소프트웨어를 업그레이드 할 수 있다. 또한 무선 센서 네트워크를 통해 연중무휴 실시간으로 사용할 수 있고 거친 환경에 적합한 진동형 하드웨어 솔루션을 사용하며 모바일 장치를 통해 원격 모니터링 할 수 있다. 기술 정보를 살펴보면 그래프에 데이터를 입력하고 액션버튼과 주석을 사용하여 암소에 관한 정보를 추가 기록할 수 있고 농장 직원 및 수의사의 치료, 질병의 관찰, 활동력의 증감 등을 기록할 수 있다. 또한 이 데이터가 인간의 개입이 없이 자동으로 소에서 수집 될 수 있도록 하고 착유 과정이 지연되지 않도록 하며 획득된 데이터베이스는 관리 컴퓨터와 소의 목에 부착된 칼라의 무선연결을 통해 모니터링 할 수 있다. 소에 부착된 칼라는 센서, 스트랩(strap), 버클(buckle), 무게로 구성되어있다. 각 소의 고유 ID번호가 동일한 방식으로 부착되어 칼라의 외부에 표시되며 자동으로 기록된 칼라는 설치 후 1시간 이내에 농장 컴퓨터에 자신의 ID가 등록된다. 이 시스템을 도입하여 얻을 수 있는 효과는 인공 수정 프로그램의 성공을 극대화할 수 있다는 점과 소의 건강 문제의 조기 징후를 수신 받아 질병을 예방할 수 있고 지속적으로 전체 무리를 모니터링하고 경험이 적은 농업인도 제공받은 정보로 원활한 작업을 수행할 수 있어서 발정 및 건강 데이터를 수신하고 관리하여 보다 쉬운 결정을 할 수 있다.14)

6) 일본 후지쯔의 클라우드 기반 서비스인 우보(牛步)시스템

일본 후지쯔의 클라우드 기반 서비스인 우보(牛步)시스템은 소의 발목에 장착된 만보계를 이용하여 소의 발정을 예측할 수 있다(Fig. 6).

Fig. 6. Fujitsu's Cow Step Counts System of Japan (출처: http://www.fujitsu.com/kr)

사람이 소의 발정을 발견하는 것이 약 58%인 반면 후지쯔의 ‘우보시스템’은 100%에 가까운 결과를 보인다. 후지쯔의 우보시스템은 일본에서 약 93% 시장 점유율을 차지하고 있으며 일본 내 1,050개 이상이 사용되고 있다. 또한 일본 다수의 목장에서는 평균 420일이던 분만간격을 365일 이내로 줄이고 수태율을 높여서 사료비용, 종부료, 관리비용을 절감하고 있다. 소가 발정을 하거나 질병에 걸렸을 때 평상시보다 걸음 수가 증가하거나 다른 형태를 띄는 것을 측정하여 조기에 예측할 수 있으며 24시간 관찰이 가능하기 때문에 발정관찰의 어려움을 해소하고 체계적으로 번식을 관리함으로써 목장을 효과적으로 운영할 수 있고 PC나 스마트폰 등을 통하여 데이터를 확인할 수 있다.이용 구성 장치로는 만보계(송신기), 수신기, PC 및 스마트폰, 인터넷이 있는데 만보계(송신기)를

통해 소의 걸음 수를 측정하고 수신기로 소의 걸음 수 데이터를 수신하여 PC 및 스마트폰으로 어디서


36

든 발정과 번식의 정보를 확인하는 것이 가능하다.클라우드 센터에서는 목장의 수신기에서 수집되어진 데이터가 1시간 단위로 데이터센터로 전송되며

인터넷을 통해 PC나 스마트폰으로 제공된다. 이 시스템의 도입 효과로는 어려운 작업 환경을 개선할 수 있고 수정 성공률이 높아져 정액 비용과 수정사 비용이 절감되고 암소의 평균 번식주기인 14개월을 12개월로 단축할 수 있어 2개월분의 생산비용이 절감된다.이렇듯 계획적으로 생산을 하기 때문에 안정적인 운영이 되어 젊은 사람들이 축산업에 진출하는데

기여하고 있다. 또한 암수 구분 분만을 위한 수정시점을 예측할 수 있어서 착유가 가능한 암소를 원하는 낙농가와 육질 등급이 낮은 수소를 선호하는 축산농가에서도 소득을 높일 수 있다. 이러한 시스템이 소 뿐만 아니라 돼지나 양과 같은 다른 농가에서 키우는 가축 등에도 활용된다면 가축의 질병으로 인한 손실비용을 크게 절감할 수 있을 것이다.15)

7) 일본의 인공위성을 이용한 벼 재배

일본 니가타현 고시지마을의 에치고 산토 농협은 인공위성을 이용해 벼를 재배하였는데 미국항공우주국(NASA)의 우주선을 예약해 650km 상공에서 찍으며 니가타현 고시지 마을의 논 1천㏊ 정도를 한번 찍는데 드는 비용은 350만엔이다. 이 시스템의 도입효과로는 인공위성이 찍은 쌀에 함량 되어있는 단백질의 농도를 알 수 있고 추수 적기를 알려준다는 점이다. 하지만 쌀을 고품질로 재배하려는 전략이지만 설치비용의 상승으로 인해 농민소득이 크게 증가하지는 않았다는 단점이 있다.그 밖에도 화훼의 실물을 이미지로 대체한 전자상의 이미지 경매를 통해 신속한 입찰이 가능한 네덜

란드의 화훼교역 시스템, 일본의 농업 관련 정보로 식물생산을 용이하게 하는 Smartagri 시스템, 축적된 데이터를 GIS의 정보와 연계한 FARMS 사례, 농업경영체 지원 정보, 농지 위치 식별 체계, 가축의 식별 및 등록, 행정관리 및 현장검증 통합가축 및 관련 데이터의 효율적인 집행을 위한 EU의 통합 관리 통제 시스템(IACS)등이 있다.10)

2. 국내 농생명산업의 빅데이터 실용사례

1) 스마트 그린하우스 시스템

이 시스템은 온실의 온·습도, 양액 등의 환경요인을 PC 또는 모바일을 통해 원격제어가 가능하며 정보통신 기술을 활용하여 온실의 최적 환경으로 관리할 수 있다(Fig. 7).실시간으로 생장환경 모니터링과 분석이 가능하며 측천장의 환기, 난방 조절을 할 수 있고 모터제어

가 가능하다. 또한 복합적인 환경에 대한 데이터베이스를 활용하여 컨설팅에 연계한다. 또한 PC 또는 스마트폰을 통해 온실의 자동개폐, 스프링클러, 양액공급 등을 할 수 있으며 수준은 미비하지만 높아지는 생산성과 노동비 절감 등의 효과를 기대하고 있다. 도입효과를 살펴보면 경남의 파프리카 농장에서는 10%의 수확량이 증가하였고 전남의 시설원예에 도입한 결과 소득이 1.5배 성장한 것을 볼 수 있었다.16) 이러한 자동화 시스템으로 간편하게 관리할 수 있기 때문에 귀농을 하는 젊은 세대의 신생농가에게 긍정적인 영향을 줄 것이라고 예상하며 기술 수준이 올라갈수록 효율성이 높아질 것으로 사료된다.


37

Fig. 7. Smart green house (출처: http://www.mafra.go.kr)

2) 종합정보망 원스톱 정보 서비스

농식품의 현명한 소비 및 식생활, 먹거리 등의 원산지 정보 등을 제공하는 서비스로 국민들에게 다양한 정보를 제공하는 식품종합정보망 원스톱 정보 서비스가 있으며 이러한 서비스는 소비자의 욕구를 세밀하게 파악하여 구매만족도를 높이고 있으며 간편하게 식품종합정보를 확인할 수 있다(Fig. 8).

Fig. 8. One-stop service of food information network (출처: http://www.mafra.go.kr)


38

3) 국립농업생명공학센터의 National Agricultural Biotechnology Information Center(NABIC)

농촌진흥청에서 국립농업생명공학센터를 통하여 농림, 축산, 식품, 미생물 등의 데이터를 제공·분석할 수 있는 시스템을 갖추었으며 나빅누리집을 통해 대국민 서비스를 하고 있다. 또한 빅데이터 분석에 필요한 프로그램 43종과 유전체에 관한 정보 분석 서비스도 제공하고 있다.그 외의 사례로는 고흥군의 u-IT 기반의 친환경 특산물 이력관리 시스템, 유전체 빅데이터에 기여하

고 육종·종자산업을 활성화하는 민간업체 씨더스(Seeders) 사례, 농업식물·가축·미생물 등의 빅데이터 구축과 신규 시스템을 개발하고 6차 산업을 위한 비즈니스 모델을 제공하는 인실리코젠(Insilicogen)의 농생명 빅데이터 활용 종합 서비스 사례17,18), 영주지역의 사과 생산량·병해충 정보·해충·가격 등의 관련 정보를 사용한 사과재배 사례, 전남 화순지역의 복합환경제어 시스템을 도입해 온실 안팎의 실시간 환경데이터로 정밀한 생산관리가 용이한 토마토농가 사례, 재배가 어려운 딸기 농사를 각종 센서를 통해 실시간으로 모니터링하고 원격지원과 모바일로 간편하게 생육할 수 있도록 하는 loT(사물인터넷) 딸기재배 시스템, 생산판매에 효과적인 로컬 푸드 직거래 통합관리 시스템 등이 있다.또한 ICT(정보통신기술) 기반의 유비쿼터스 농장(Ubiquitous Farm)이 연구·개발 중에 있으며 강릉

시의 과학산업단지에 인삼 재배지를 스마트팜으로 적용한 후 천연물 스마트팜 단지와 천연물 농산업 클러스터 사업을 확대할 계획에 있다.

3. 국외 농생명산업의 빅데이터 SWOT 분석

국외 농생명산업에 활용된 빅데이터의 사례를 토대로 SWOT 분석을 실시한 결과, 강점요인으로는 맞춤형 수확을 통한 작물의 생산량이 증대하고 실시간 데이터를 공유하여 신속하게 문제해결을 할 수 있으며 조기예측으로 인한 손실비용의 절감을 가져올 수 있다는 것이다. 약점 요인으로는 기계의 오작동으로 인한 손실이 있다는 것이다. 또한 농가의 소득에 비해 높은 설치비용으로 효율성이 떨어질 우려가 있다.

Table 1. SWOT analysis of abroad cases about the utilization of big dataStrength Weakness- Enhancement of crop production through custom

harvesting- Rapid resolution of problem by sharing of

real-time data- Retrenchment of the financial loss by early

prediction

- The financial loss caused by machine malfunction- High cost of installation compared to predictive

income

Opportunity Threat- Improvement of a technological level by

development of IT technology- The growth of companies owned related

technologies- Recognition of the big data as key resource

created huge economic value

- Concern of market confusion by the data leakage- Risk of uncertain prediction by the failure of

analysis


39

기회요인으로는 IT기술의 발달로 기술 수준이 향상하고 있다는 점이며, 농생명산업에 관련된 빅데이터 기술을 갖춘 기업들이 성장하고 있는 추세이다. 이처럼 빅데이터를 거대한 가치를 창출할 수 있는 핵심 자원으로 인식한다는 점에서 큰 잠재력이 있다는 점을 들 수 있다. 위협요인으로는 데이터의 유출로 인해 경쟁업체의 시장독점으로 인한 혼란의 우려가 있으며 데이터의 분석 실패로 인한 불확실한 예측의 위험성을 들 수 있다(Table 1).

4. 국내 농생명산업의 빅데이터 SWOT 분석 및 향후 추진 전략

국내 농생명산업에 활용된 빅데이터의 사례를 토대로 SWOT 분석을 실시한 결과, 강점요인으로는 농생명산업 관련 데이터를 실시간으로 분석하고 미래를 예측할 수 있으며 위험요소를 대비함으로써 비용절감의 효과를 가져올 수 있다는 것이다. 또한 스마트팜 등의 ICT기술이 축적되고 이로 인한 농생명산업의 지역 활성화이다. 약점 요인으로는 빅데이터를 활용한 처리기술이 세계 기술 수준에 미치지 못하며8) 아직까지 국내 농생명산업에 빅데이터 활용도가 낮고 주로 데이터의 수집과 분석이 실시되며 농가에 실시간으로 적용되지 않고 개별농가들이 폐쇄적으로 운영되는 형태를 보인다는 것이다.3) 또한 농생명산업과 관련한 빅데이터 관련 전문가가 부족한 실정이다(Table 2).

Table 2. SWOT analysis of home cases about the utilization of big dataStrength Weakness- Real-time analysis and future prediction using

data- Effect of cost savings defense of risk- Activation of the local economy- Accumulation of ICT technologies in the

agroindustry

- Deficit of processing technology of big data- Only collection and analysis of data without

real-time application- Insufficient of experts of big data in the

agroindustryOpportunity Threat- Increase of data by supply of smart devices

(smart phones, tablet PC)- Convertion primary industry into sextic industry- Positive support of government

- Difficulty of data sharing with related organizations

- The lack of model cases

기회요인으로는 스마트기기의 보급으로 인해 데이터가 빠른 속도로 증가하고 있다는 점이며 1차산업에서 6차산업 중심으로 전환되며 농생명산업에서 빅데이터를 도입하려는 시도가 많아지고 있다는 점이다.19) 이러한 시점에 정부의 농생명산업분야 연구·개발의 적극적인 지원을 하기 때문에 성장가능성이 높다는 점을 들 수 있다. 위협요인으로는 농생명산업의 관련기관별 데이터 공유가 어려운 실정이며 데이터를 통합되어 있지 않고 빅데이터 처리의 롤모델 기관이 미흡한 점을 들 수 있다.이와 같은 국내 농생명산업의 빅데이터 활용의 SWOT 분석 결과를 토대로 향후 추진 전략을 세워보

면 다음과 같다(Table 3).S-O 전략으로는 정부의 적극적인 지원으로 인한 ICT 기술 연구·개발을 하는 것이며, S-T 전략으로

는 정부의 지원에 따른 농생명산업 관련 빅데이터 전문가를 양성하고 축적된 ICT 기술을 공유하는 것이다. W-O 전략은 국내 환경에 적합한 빅데이터 시스템을 개발하고 농생명산업 빅데이터 처리기술


40

을 강화하는 것이다. 또한 농생명산업을 전문적으로 양성할 수 있는 기관을 설치하는 것이다. W-T 전략은 국내 환경에 도입하기 적합한 빅데이터 처리의 국외 롤모델을 조사하고 개발하는 것이다.

Table 3. The strategy of future planFuture strategy ContentsS-O strategy - Research and development of ICT technology by the government's positive supportS-T strategy - Training education of experts of bid data in the agroindustry

- Sharing of accumulated ICT technology

W-O strategy- Development of the big data systems for Korea environment- Enhancement of processing technology for big data- Installation of experts training institutes in the agroindusrty

W-T strategy - Investigation of model cases for processing of big data in Korea agroindusrty

결론

국내외 농생명산업의 빅데이터 활용사례를 살펴본 결과, 수년간 축적된 데이터를 기반으로 다양한 시스템을 통해 필요한 정보를 추출하여 활용함으로써 농생명산업의 활성화에 기여하고 있었다.국내외 사례를 비교해보면, 국외의 경우 문제점 예측에 따른 신속한 대비, 효율성 및 생산성 증대,

농가 수익의 향상, 노동력 절감 등이 있었지만 기계의 오작동으로 인한 손실 및 사용자의 정보를 활용하는 경우 경쟁업체에 데이터가 유출될 가능성에 대한 위험이 있었고, 국내 사례의 경우 국외와 마찬가지로 농가소득의 증가 및 농촌지역의 활성화 등이 있었지만 국외 사례에 비해 시설의 규모 및 농작물의 맞춤식 데이터가 형성되기 위해 필요한 표준 데이터의 활용과 표준화가 미약한 실정이었다. 현재 국내 농가의 인구구조는 주로 노년층이 차지하고 있어 노동력이 부족하며 농산물 가격의 급격한 하락으로 인한 소득 문제와 판로 개척 과정에서 많은 어려움을 겪고 있다.이를 해결하기 위한 빅데이터 활용방안으로는,첫째, 간편한 기계 조작법을 개발하는 것이다. ICT가 접목된 시스템의 이용 시 노년층이 겪을 시스템

습득에 대한 어려움을 해소하고 실용성을 높이기 위해서는 기술력은 도입하되 간편한 조작법을 개발하여 노동력 절감효과를 가져올 수 있도록 해야 한다.둘째, 기상관련 데이터, 작물관련 데이터, 작물구매 데이터, 토양 데이터 등과 같은 작물종합분석망을

구축하여 작물선택이 용이하도록 하는 것이다. 예를 들어 제일모직의 사례는20) 장기예보를 하여 다음 계절의 상품 디자인, 기능, 수량 등을 예측한 것과 같이 작물선택에 기상관련 빅데이터를 활용하고 작물의 특성, 작물의 구매내역, 토양의 빅데이터 등을 함께 분석하여 상황에 적합한 작물선택으로 작물 가격에 따른 소득문제를 해소하고 생산성을 높이는 방안이다. 이를 통해 농업에서 큰 부가가치를 창출할 수 있을 것이다.셋째, 실시간 판매 공동 데이터망을 통한 판로 인프라를 구축하는 것이다. 많은 농업인은 재배 과정뿐

만 아니라 농산물을 유통할 판로를 찾지 못하고 있는데 빅데이터를 활용한 실시간 판매 데이터망으로 시장동향을 파악하고 신시장을 개척함으로써 유통망이 확대될 수 있다. 이처럼 다양한 국내의 환경문제를 고려한 빅데이터를 활용한 농생명산업시스템이 도입되어야 하며 데이터의 수집과 취합이 가장 우선시 되어야한다. 그 예로 전라북도 김제시에 조성되고 있는 국립 민간육종단지인 시드 밸리(Seed


41

Valley)는 민간기업과 정부, 대학 등이 벼, 감자, 옥수수, 고추, 배추 등 20여 개 작물의 종자를 개발해 세계시장에 수출하기 위한 첨단 육종 연구시설로서 개발된 종자를 축적하고 이를 통합한 큰 데이터 뱅크가 형성된다면 다국적 종자기업인 몬산토와 견줄만한 기업으로 거듭날 것이다. 최근 귀농·귀촌을 희망하는 도시민들이 늘고 있는데 농림축산식품부에 따르면 베이비붐 세대의 은퇴와 전원생활로 인한 가치 추구로 인하여 2012년 27,008가구에서 2013년 32,424가구로 1.2배 증가하였고 대부분 고학력자인 40대 이하 젊은 층의 농촌 유입으로 빅데이터 시스템을 활용하기 위한 인적자원이 지속적으로 확보되고 있으며 농업·농촌의 발전 및 후계인력 유지에 기여할 것이라고 밝혔다.21)

가까운 미래예측이 가능한 농생명산업에서의 빅데이터 활용은 시행착오를 최소화하고 관련 데이터를 바탕으로 비교적 정확한 의사결정을 할 수 있으며 다양한 분야에 활용될 것이다. 또한 1차 산업으로 인식되었던 농생명산업이 6차 산업으로 전환되며 점차 확장 되는 추세에 맞추어 산업 분야별로 축적된 데이터베이스를 융합하여 새로운 서비스 시스템을 구축한다면 빅데이터를 통한 국내의 농생명산업은 큰 경쟁력을 가질 수 있을 것으로 기대된다.

감사의 글

이 연구는 2015년도 농촌진흥청 연구과제(과제번호: PJ009566022015)에 의하여 수행되었습니다.

참고문헌

1. Kim, D.W. Big Data Use Cases of the Sector. DBRC. 2013;34:39-52.2. Jeong, Y.K., M.G. Suk and C.J. Kim. A study on the success factors of big data through an

analysis of introduction effect of big data. J. of Digital Convergence. 2014;12(11):241-8.3. Jeong, J.Y., S.H. Jeong, S.B. Lee and J.J. Jung. Construction of LOK (Linked Open Knowledge)

System for Advancement of Domestic Agricultural Industry. J. of Contents Association. 2014;14(9):428-36.

4. Lee, M.H., H.S. Jeong and H. Yoe. Real-time Big Data Processing using IoT Techniques for Agriculture. Proceedings 2014 Fall Symposium of the The Korean Institute of Communications and Information Sciences. 2014:164-5.

5. Lee, Y.H. The third master plan (2013-2022) for promotion of agriculture biotechnology. National Science & Technology Council. 2013.

6. Lee, S.J., U.S. Hong, J.S. Yoon and S.J. Choi. Big data and change of city in France. KRIHS. 2014;389(3):102-10.

7. Software Policy & Research Institute. Spread of Smart Agriculture. [cited 2015 July 5]. http://spri.kr

8. Hwang, J.H., H.H. Kim and H. Yoe. A Study on Greenhouse Management System using Big data. Proceedings 2014 Fall Symposium of the The Korean Institute of Communications and Information Sciences, 2014:166-7.

9. Monsanto Company, Information of Monsanto’s FieldScripts. [cited 2015 June 8]. http://www.


42

momsanto.com10. Bae, Y.N. New ICT Convergence Strategies of Agriculture and Food. Seoul:National Informati

on Society Agency. 2014.11. Deere & Company. Information of JohnDeere's SeedStar Mobile. [cited 2015 July 4]. http://w

ww.deere.com12. Pioneer. Information of Pioneer Field360 Select. [cited 2015 June 26]. http://www.pioneer.co

m13. Phytech software. Information of Phytech software. Available from [cited 2015 July 7]. http:/

/www.phytech.com14. Silent herdsman. Information of Silent herdsman’s Cattle Health Care Management System.

[cited 2015 July 2]. http://silentherdsman.com15. Fujitsu Company. Information of Fujitsu's Cow Step Counts System. [cited 2015 April 28].

http://jp.fujitsu.com16. Lee, Y.S. The role and task of ICT for improving of agricultural value. Seoul:National Informat

ion Society Agency. 2013.17. Rural Developement Administration. Big data in the agroindustry creates jobs. [cited 2015

March 11]. http://www.rda.go.kr18. Rural Developement Administration. Development of agricultural villages. [cited 2015 March

11]. http://www.rda.go.kr19. Kim, Y.J., S.Y. Kook, Y.R. Kim, M.K. Lee, J.S. Kim, Y.H. Kim, G.T. Min, I.B. Ji, J.H. Sim.

The Present Status and Development Direction of Smart Agriculture. Seoul:Korea Rural Economic Institute. 2013.

20. Korea Meteorological Administration. Weather converged services utilizing big data. Seoul:Meteorological Technology & Policy. 2013.

21. Ministry of Agriculture, Food and Rural Affairs. Turning to farming and rural areas in 2013. Seoul:Ministry of Ministry of Agriculture, Food and Rural Affairs. 2014.

analysis and utilization of practical cases of big data applied for...

Documents