I principali ambiti in cui le aziende del mondo food sanno di poter trarre vantaggio dall’analisi dei Big Data sono grosso modo gli stessi di altri mercati, come il retail, dove la loro adozione è più sostenuta.
Ma a differenza di altri settori per il food c’è un ambito particolare in cui le applicazioni dei Big Data stanno prendendo piede: la sicurezza alimentare o più in generale tutto il campo della food safety nel suo complesso.
Anche le aziende del settore food&beverage hanno generato e gestito grandi quantità di informazioni in questi anni. Ciò che sta cambiando non è la capacità delle imprese di generare dati (questi sono in crescita per qualsiasi azienda) ma la maggiore attenzione che consumatori, autorità e aziende stesse hanno posto nel seguire i prodotti alimentari dalla loro “creazione” sino al luogo e al momento del consumo.
Questa rintracciabilità a grana fine è indispensabile per capire dove e perché un determinato prodotto può essersi adulterato o contaminato e intervenire rapidamente di conseguenza.
È un concetto che le aziende stanno incamerando, volenti o nolenti, anche perché a farlo proprio sono anche le autorità di controllo delle principali nazioni. Un esempio che sarebbe concettualmente semplice da seguire per qualsiasi autorità governativa è l’utilizzo del database dei reclami dei clienti finali fatto dal Food Safety and Inspection Service (FSIS) del Ministero dell’Agricoltura statunitense.
I dati di questo archivio sono stati dati in pasto a funzioni di analytics innanzitutto per evidenziare la probabilità che reclami diversi potessero avere la stessa causa.
Questi stessi dati sono stati inoltre incrociati con quelli di altri enti governativi come i centri per il controllo malattie (i Centers for Disease Control and Prevention, CDC), in questo modo oggi è possibile identificare più facilmente la diffusione di batteri o tossine ai prodotti alimentari e reagire più velocemente a eventuali casi di contaminazione.
Altri casi di applicazione dei Big Data e del machine learning alla sicurezza alimentare riguardano l’analisi delle informazioni raccolte durante le ispezioni sanitarie agli impianti produttivi. I dati che derivano dalle ispezioni e dai relativi test di laboratorio sono passati ad algoritmi di machine learning che possono stimare la probabilità che un dato impianto possa sperimentare contaminazioni microbiche nel prossimo futuro. Una probabilità non è una certezza ma è una indicazione di dove le aziende possono intervenire per evitare del tutto i potenziali problemi.
Ricerca avanzata
La sicurezza alimentare è un campo in cui molte aziende hanno avviato progetti di ricerca anche molto avanzati. Il Consortium for Sequencing the Food Supply Chain collegato a IBM e Mars sta ad esempio portando avanti un progetto che usa la genomica per creare una “mappa” dei microbiomi di tutta una supply chain, identificando le comunità di micro-organismi collegati ai vari passi della supply chain stessa.
Questo avviene analizzando campioni di alimenti lungo tutto il loro percorso nella catena di produzione e distribuzione e permette, confrontando i campioni, di evidenziare anomalie pericolose prima che gli alimenti arrivino ai consumatori.
Certo si tratta di un approccio particolarmente evoluto, in generale però lo sviluppo delle applicazioni in stile IoT anche in campo food renderà sempre più semplice raccogliere informazioni sullo stato di “salute” degli alimenti lungo la loro catena di produzione e distribuzione. I dati non mancheranno, quindi. Il problema semmai sarà renderli coerenti fra loro in modo da poterli confrontare e applicarvi funzioni di analytics. E soprattutto fare in modo che queste raggiungano una massa critica anche in ambito food.
