ਭਾਰਤ ਦੀ ਖੇਤੀਬਾੜੀ ਦੇ ਅੰਕੜਿਆਂ 'ਤੇ ਸਵਾਲ: ਡਿਜੀਟਲ ਕ੍ਰਾਂਤੀ ਵੱਲ ਵਧ ਰਿਹਾ ਦੇਸ਼

ਭਾਰਤ ਦੇ ਅੰਕੜਾ ਮੰਤਰਾਲੇ, Ministry of Statistics and Programme Implementation (MoSPI), ਨੇ 2023-24 ਲਈ 'Improvement of Crop Statistics' (ICS) ਸਕੀਮ ਦੀ ਇੱਕ ਸਮੀਖਿਆ ਜਾਰੀ ਕੀਤੀ ਹੈ। ਇਸ ਰਿਪੋਰਟ ਵਿੱਚ ਖੇਤੀਬਾੜੀ ਉਤਪਾਦਨ ਦੇ ਅੰਕੜੇ ਇਕੱਠੇ ਕਰਨ ਦੇ ਤਰੀਕਿਆਂ ਵਿੱਚ ਕਈ ਗੰਭੀਰ ਪ੍ਰਕਿਰਿਆਤਮਕ ਖਾਮੀਆਂ ਸਾਹਮਣੇ ਆਈਆਂ ਹਨ।

ਇਸ ਚਿੰਤਾ ਦਾ ਮੁੱਖ ਕਾਰਨ 'Crop Cutting Experiments' (CCEs) ਹਨ, ਜੋ ਫਸਲਾਂ ਦੀ ਉਪਜ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਵਰਤੀ ਜਾਂਦੀ ਇੱਕ ਮਿਆਰੀ, ਮੈਨੂਅਲ ਵਿਧੀ ਹੈ। ਰਿਪੋਰਟ ਦੱਸਦੀ ਹੈ ਕਿ ਲਗਭਗ 28% CCEs ਪ੍ਰਕਿਰਿਆਤਮਕ ਲਾਪਰਵਾਹੀਆਂ ਨਾਲ ਪ੍ਰਭਾਵਿਤ ਹੋਈਆਂ, ਜਿਸ ਵਿੱਚ ਗਲਤ ਪਲਾਟ ਦੀ ਚੋਣ ਅਤੇ ਵਿਗਿਆਨਕ ਵਾਢੀ ਦੇ ਮਾਪਦੰਡਾਂ ਦੀ ਪਾਲਣਾ ਨਾ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ।

ਖੇਤੀਬਾੜੀ ਦੇ ਅੰਕੜਿਆਂ ਦੀ ਸ਼ੁੱਧਤਾ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ?

ਨਿਵੇਸ਼ਕਾਂ (Investors) ਲਈ, ਖੇਤੀਬਾੜੀ ਦੇ ਅੰਕੜੇ ਸਿਰਫ ਸਰਕਾਰੀ ਅੰਕੜੇ ਨਹੀਂ ਹਨ; ਇਹ ਭੋਜਨ ਸੁਰੱਖਿਆ ਨੀਤੀ ਦੀ ਰੀੜ੍ਹ ਦੀ ਹੱਡੀ ਹਨ। ਉਤਪਾਦਨ ਦੇ ਸਹੀ ਅੰਦਾਜ਼ੇ ਸਰਕਾਰ ਦੇ ਮਹੱਤਵਪੂਰਨ ਫੈਸਲਿਆਂ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਘੱਟੋ-ਘੱਟ ਸਮਰਥਨ ਮੁੱਲ (MSP) ਨਿਰਧਾਰਨ, ਨਿਰਯਾਤ-ਆਯਾਤ ਪਾਬੰਦੀਆਂ, ਅਤੇ ਭੋਜਨ ਖਰੀਦ ਰਣਨੀਤੀਆਂ ਸ਼ਾਮਲ ਹਨ। ਜਦੋਂ ਇਹਨਾਂ ਫੈਸਲਿਆਂ ਲਈ ਵਰਤੇ ਗਏ ਅੰਡਰਲਾਈੰਗ ਡਾਟਾ ਨੂੰ ਗਲਤ ਪਾਇਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਇਹ ਖੇਤੀਬਾੜੀ ਸਪਲਾਈ ਚੇਨ ਵਿੱਚ ਅਨਿਸ਼ਚਿਤਤਾ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਇਸ ਅਨਿਸ਼ਚਿਤਤਾ ਕਾਰਨ ਨੀਤੀਆਂ ਵਿੱਚ ਅਚਾਨਕ ਬਦਲਾਅ ਹੋ ਸਕਦੇ ਹਨ, ਜੋ ਅਕਸਰ ਵਸਤੂਆਂ ਦੀਆਂ ਕੀਮਤਾਂ (Commodity Prices) ਵਿੱਚ ਅਸਥਿਰਤਾ ਦਾ ਕਾਰਨ ਬਣਦੇ ਹਨ।

Fast-Moving Consumer Goods (FMCG) ਅਤੇ ਖੇਤੀ-ਬਿਜ਼ਨਸ ਸੈਕਟਰਾਂ ਦੀਆਂ ਕੰਪਨੀਆਂ ਇਹਨਾਂ ਉਤਰਾਅ-ਚੜ੍ਹਾਅ ਪ੍ਰਤੀ ਖਾਸ ਤੌਰ 'ਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦੀਆਂ ਹਨ। FMCG ਕੰਪਨੀਆਂ ਲਈ, ਸਹੀ ਫਸਲੀ ਡਾਟਾ ਇਨਪੁਟ ਲਾਗਤਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਲਈ ਜ਼ਰੂਰੀ ਹੈ। ਜਦੋਂ ਸਪਲਾਈ ਦੇ ਅੰਦਾਜ਼ੇ ਗਲਤ ਹੁੰਦੇ ਹਨ, ਤਾਂ ਕੱਚੇ ਮਾਲ ਦੀਆਂ ਕੀਮਤਾਂ ਅਣਪੂਰਵ ਅਨੁਮਾਨਯੋਗ ਹੋ ਸਕਦੀਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਮੁਨਾਫੇ ਦੇ ਮਾਰਜਿਨ 'ਤੇ ਦਬਾਅ ਪੈਂਦਾ ਹੈ। ਇਸੇ ਤਰ੍ਹਾਂ, ਖਾਦਾਂ, ਬੀਜਾਂ, ਅਤੇ ਖੇਤੀ ਮਸ਼ੀਨਰੀ ਸੈਕਟਰਾਂ ਦੀਆਂ ਕੰਪਨੀਆਂ ਲਈ, ਭਰੋਸੇਯੋਗ ਡਾਟਾ ਦੀ ਕਮੀ ਮੰਗ ਦੀ ਭਵਿੱਖਬਾਣੀ (Demand Forecasting) ਨੂੰ ਮੁਸ਼ਕਲ ਬਣਾਉਂਦੀ ਹੈ, ਕਿਉਂਕਿ ਯੋਜਨਾਬੰਦੀ ਫਸਲੀ ਰਕਬੇ ਅਤੇ ਉਪਜ ਦੇ ਸਹੀ ਅਨੁਮਾਨਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ।

ਡਿਜੀਟਲ ਹੱਲਾਂ ਵੱਲ ਵਧਣਾ

ਇਹਨਾਂ ਢਾਂਚਾਗਤ ਮੁੱਦਿਆਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ, ਸਰਕਾਰ 'Digital General Crop Estimation Survey' (DGCES) ਵੱਲ ਤਬਦੀਲੀ ਨੂੰ ਤੇਜ਼ ਕਰ ਰਹੀ ਹੈ। ਇਸ ਤਬਦੀਲੀ ਦਾ ਉਦੇਸ਼ ਮੈਨੂਅਲ, ਗਲਤੀ-ਪ੍ਰੋਨ ਫੀਲਡ ਤਰੀਕਿਆਂ ਤੋਂ ਇੱਕ ਵਧੇਰੇ ਪਾਰਦਰਸ਼ੀ, ਟੈਕਨਾਲੋਜੀ-ਅਧਾਰਤ ਪ੍ਰਣਾਲੀ ਵੱਲ ਜਾਣਾ ਹੈ। ਇਹ ਨਵਾਂ ਢਾਂਚਾ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਫਸਲੀ ਡਾਟਾ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਸੈਟੇਲਾਈਟ ਚਿੱਤਰਾਂ, AI-ਸੰਚਾਲਿਤ ਰਿਮੋਟ ਸੈਂਸਿੰਗ, ਅਤੇ ਜੀਓਫੈਂਸਿੰਗ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਦਾ ਹੈ। ਕਈ ਰਾਜ ਫਸਲੀ ਖੇਤਰ ਦੀ ਰਿਪੋਰਟਿੰਗ ਵਿੱਚ ਮੈਨੂਅਲ ਧੋਖਾਧੜੀ ਅਤੇ ਗਲਤੀਆਂ ਨੂੰ ਘਟਾਉਣ ਲਈ ਸਖ਼ਤ ਤਸਦੀਕ ਪ੍ਰਕਿਰਿਆਵਾਂ ਅਪਣਾ ਰਹੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਮਲਟੀ-ਟੀਅਰ ਜਾਂਚਾਂ ਸ਼ਾਮਲ ਹਨ।

ਹਾਲਾਂਕਿ ਇਹ ਤਕਨੀਕੀ ਸੁਧਾਰ ਸਕਾਰਾਤਮਕ ਹਨ, ਪਰ ਤਬਦੀਲੀ ਅਜੇ ਵੀ ਲਾਗੂਕਰਨ ਦੇ ਪੜਾਅ ਵਿੱਚ ਹੈ। ਫਿਲਹਾਲ, ਪੁਰਾਣੀਆਂ, ਮੈਨੂਅਲ ਸਰਵੇਖਣ ਵਿਧੀਆਂ 'ਤੇ ਨਿਰਭਰਤਾ ਅਜੇ ਵੀ ਇੱਕ ਚਿੰਤਾ ਦਾ ਵਿਸ਼ਾ ਹੈ। ਦਿਹਾਤੀ ਅਰਥਚਾਰੇ ਜਾਂ ਵਸਤੂਆਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਵਾਲੇ ਨਿਵੇਸ਼ਕ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਕ ਇਸ ਗੱਲ 'ਤੇ ਨਜ਼ਰ ਰੱਖ ਸਕਦੇ ਹਨ ਕਿ ਸਰਕਾਰ ਕਿੰਨੀ ਤੇਜ਼ੀ ਨਾਲ ਇਹਨਾਂ ਡਿਜੀਟਲ ਸਰਵੇਖਣ ਸਾਧਨਾਂ ਨੂੰ ਪ੍ਰਮੁੱਖ ਖੇਤੀਬਾੜੀ ਰਾਜਾਂ ਵਿੱਚ ਲਾਗੂ ਕਰਦੀ ਹੈ। ਆਉਣ ਵਾਲੀਆਂ ਤਿਮਾਹੀਆਂ ਲਈ ਮੁੱਖ ਨਿਗਰਾਨੀ ਇਹ ਹੋਵੇਗੀ ਕਿ ਕੀ DGCES ਨੂੰ ਅਪਣਾਉਣ ਨਾਲ ਵਧੇਰੇ ਸਥਿਰ ਅਤੇ ਭਰੋਸੇਮੰਦ ਉਤਪਾਦਨ ਡਾਟਾ ਪ੍ਰਦਾਨ ਕਰਨ ਵਿੱਚ ਸਫਲਤਾ ਮਿਲਦੀ ਹੈ, ਜੋ ਅੰਤਤਿਮ ਤੌਰ 'ਤੇ ਵਿਆਪਕ ਖਪਤਕਾਰ ਅਤੇ ਖੇਤੀਬਾੜੀ ਬਾਜ਼ਾਰਾਂ ਨੂੰ ਅਕਸਰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਵਾਲੀ ਨੀਤੀ-ਪ੍ਰੇਰਿਤ ਅਸਥਿਰਤਾ ਨੂੰ ਘਟਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰੇਗਾ।