한국형 스마트팜 표준화 및 규격화 기술개발을 목표로 지난해 11월 1일 농진청 농업빅데이터팀이 신설됐다. 농업빅테이터팀을 이끌게 된 조용빈 팀장은 향후 전문화·규모화 농업을 위한 농가모델 및 소규모 소박한 농업을 위한 농가모델을 개발해 농촌공동체 모델을 마련하겠다는 목표를 전했다.

농업빅데이터팀을 이끌고 있는 조용빈 팀장을 만났다.

농업빅데이터의 꽃, 스마트팜
통신기술 발달로 수없이 쏟아지는 막대한 양의 데이터를 이용해 가치를 찾고 결과에 대해 분석해 새로운 이용처를 찾는 것이 빅데이터의 개념이다. 2013년부터 ‘빅데이터 산업 발전전략’을 마련하고 적극 추진하고 있는 우리나라는 농업분야에서도 정보통신기술(ICT)의 융복합화를 통해 신성장동력 창출을 꾀하고 있다. 
“농촌진흥청은 스마트팜 보급을 위해 하드웨어와 소프트웨어로 나눠 연구개발 및 보급하고 있습니다. 이같은 결과로 농업용 센서 13종과 제어기 9종을 표준화하고, 단동과 연동 비닐온실에 적합한 1세대 한국형 스마트팜 모델 4종을 개발했지요. 지난해 11월에는 ‘농업빅데이터팀’을 신설하고 농업을 계량화·수치화하는 작업을 하고 있습니다.”

농업빅데이터 활성화 위해 농가 수 늘리고 품목 수 확대
농업빅데이터팀이 꾸려지고 3개월여, 빅데이터 수집·분석은 걸음마 단계에 불과한 수준이다. 이를 극복하기 위해 빅데이터 수집대상 농가를 지난해 120농가에서 올해는 220농가로 늘리고, 품목도 시설원예 중심에서 버섯·화훼·양돈 등으로 확대했다.
“농업환경·생산·유통·소비·수출 등 분야별 빅데이터를 통합·분석하고, 맞춤형 농정과 농가 지도사업을 지원도 병행해 추진할 계획입니다. 소비자의 식품선호도 변화에 맞춰 공급과잉 작물을 유망작물로 대체하고, 지역별 특화작물을 재배하고 생산주기를 빠르게 하는 것이죠. 또한 지역별 휴경지와 폐경지를 예측하고 맞춤형 귀농·귀촌 경영모델 개발 및 쌀 과잉 문제나 농지의 효율적 이용 등과 같은 당면 문제 해결을 위한 방안도 추진하려고 합니다.”
조 팀장은 쌀 소비 감소에 따라 논에 대체 작물을 심는 작물 선정에 농업빅데이터가 큰 역할을 할 것이라고 자신했다. 4차 산업혁명의 근간이 되는 빅데이터는 우리 농업에도 신세계를 펼쳐줄 키워드가 될 것이라는 것.

대체작물 선정 및 소비자 맞춤 작물 분석
농업빅데이터팀 신설 후 가장 눈에 띄는 것은 대체작물 선정에 관한 분석이다. 쌀 소비 감소 추세에 따라 지역별 벼 대체작물 선정이 필요한 터, 농업빅데이터팀에서는 공급과잉 우려가 적으면서 대체 가능성이 크고, 소비와 유통 유망작물에다 일시에 대체가능성이 큰 품목을 중심으로 대체 작물을 선정하기 위한 분석에 들어갔다.
“빅데이터 분석 결과, 공급과잉 우려가 적으면서 벼 대체 가능성이 큰 작물은 ‘콩, 건고추, 옥수수, 들깨’ 등 4품목으로 재배면적을 2배로 늘려도 전체 공급 증가가 3.5% 정도로 시장에 큰 영향이 없는 것으로 나타났습니다. 소비와 유통을 고려했을 때는 들깨, 참깨, 귀리 등으로 나타났지요. 공급과잉을 고려한 일시에 대체가능성이 큰 작목은 총체벼로 분석됐습니다.”
이런 결과를 토대로 적지면적을 고려해 벼 대체 콩 추가가능면적은 상주시>정읍시>의성군 등으로 나타났고, 건고추는 정읍시>영광군>의성군>고창군으로, 총체벼는 조사료 주산지 지역과 한우 사육두수가 많은 지역 중심으로 선정됐다. 쌀소비 감소에 따른 대체작물 선정 하나에도 수많은 데이터들이 녹아들어가고, 그 데이터들을 하나로 묶어 가치를 극대화시킬 수 있는 결과로 만들어내는 것이 농업빅데이터라는 의미이다.

농업빅데이터, 분석과 해석 기초로 농업 읽어내는 기본 기술
조 팀장은 ‘맞춤형 농정 및 지도사업 지원’을 위한 정확한 의사결정을 위해 빅데이터가 도움을 준다고 농업빅데이터의 필요성을 강조했다. 공급과잉 농작물에 대해 새로운 유망작물 선택을 위한 정보를 제공해 소득창출 방법 제시를 통해 수익성 높은 작물을 늘리는 것이다. 이러한 과정을 뒷받침하는 것이 농업빅데이터라는 것.
“농업빅데이터는 분석과 해석을 기초로 농업을 읽어내는 기본 기술이라고 할 수 있습니다.

농진청 소비자 패널자료로 소비시장을 분석하고, 농식품부 경영체 DB로 특화작목의 주산지 지역의 재배면적을 파악, 농식품부 경영체DB·농진청 토양, 기상, 소득자료를 바탕으로 적지적작을 분석해 농가 수익성 제고를 위한 맞춤형 농정 및 지도사업 지원을 위한 자료를 만들어내는 겁니다.”

농업빅데이터 통해 농업농촌 활성화 모델 제시
조 팀장은 빅데이터를 분석해보면 밭농업 기계화율이 저조한 이유도 알 수 있다고 말했다. 우리나라 밭은 면적이 적고, 경사도가 높은 것이 특징. 논과는 달리 경지정리도 이뤄지지 않은 곳이 많다는 것.

이 같은 분석에 따라 지역별 폐경지, 휴경지 예측도 가능하리라 생각한단다. 작물에 따라 종사하는 농업인 수가 늘거나 줄어드는 추세를 살펴보면 어느 정도 예측할 수 있다는 것이다.
빅데이터는 이 모든 것을 가능케 해주는 키워드가 된다고 한다. 곳곳에 흩어져 있는 데이터들을 모아모아 필요한 데이터들만 모으고, 그 안에서 원하는 결과를 도출하기 위해 필요한 데이터들을 분석하고 해석하는 것이 농업빅데이터팀의 탄생 배경이다.
“농업빅데이터의 활용처는 무궁무진합니다. 앞으로 대한민국의 농업은 빅데이터를 통한 더 정확하고 정밀한 분석과 결과 도출로 지속 가능성을 높이고 다양한 농가 모델을 제시해 사람들로 북적이는 농촌이 될 것이라고 확신합니다.”