A precíziós gazdálkodás és annak fogalma nem újkeletű dolog. A témával kapcsolatos vizsgálatok számításba veszik a technológiaváltás előnyeit, hátrányait, a technológiaváltáshoz szükséges többletberuházást, annak megtérülését és számos kutatás elemzi és méri a technológia hozamra, termelési értékre, jövedelemre gyakorolt hatását. A mai kor legmodernebb távérzékelési eszközeinek, a gépekbe épített szenzoroknak köszönhetően a precíziós gazdálkodás új szintre emelkedik amikor a táblaszintű információknál részletesebb georeferált adatok összegyűjtésével és elemzésével képesek vagyunk a táblán belüli különbségeket cellaszinten kezelni. Itt érkezünk el a georeferált adatokon alapuló szántóföldi növénytermesztéshez. Dolgozatom célja a hagyományos és a georeferált adatokon alapuló szántóföldi növénytermesztési technológiák növénykultúránkénti (a vizsgált négy, egyben a legnagyobb területen termesztett szántóföldi növény) és évenkénti (a vizsgált öt éves idősor minden egyes évének) összehasonlítása, megerősítve a georeferált adatokon alapuló termesztéstechnológiák alkalmazásának létjogosultságát, kimutatva azok hasznát mind ökonómiai, mind pedig ökológiai értelemben. Módszertant dolgoztam ki a hagyományos és a georeferált adatokon alapuló növénytermesztési technológiák hatékonyságának összehasonlítására. Független hazai adatbázisokból (KSH, AKI) származó, a MyJohnDeere műveleti központjában (Operation Center) tárolt, a kutatásban részt vevő, a kérdőíves felmérés során adatot szolgáltató, továbbá egy kiválasztott célgazdaság üzem és ágazatszintű mélyelemzéséből származó adatok segítségével naturális és ökonómiai hatékonyság mérésére alkalmas közvetlen hatékonysági mutatókat képeztem, melyek lehetővé tették a két eltérő technológia többszintű (üzem, régió, országos) összehasonlító hatékonyságvizsgálatát. Megállapítottam, hogy a hagyományos és a georeferált adatokon alapuló növénytermesztési technológiák összehasonlítására leginkább alkalmas ökonómiai hatékonysági mutató a területarányos jövedelem, fajlagos jövedelem (Ft/ha), mely a technológiák eltérő intenzitásából adódó költségnövekmény mellett figyelembe veszi és számszerűen tartalmazza a georeferált adatokon alapuló termesztéstechnológiák intenzitásnövekedésével együtt járó hozamnövekedést és az abból adódó termelési érték (hozamérték) növekedést. Kimutattam, hogy országos szinten a georeferált adatokon alapuló termesztéstechnológiát alkalmazó gazdaságok esetében mért agronómiai inputanyag-megtakarítás az őszi búza esetében 4,28-10 %, a kukorica esetében 4,58-10,54 %, a napraforgó esetében 6,63-13,46 %, a repce esetében 4,66-11,05 % közötti volt a vizsgált időszakban. Precision farming and the concept of precision farming are not new. Studies on the subject take into account the advantages and disadvantages of technology change, the additional investment required for technology change, the return on investment, and a number of studies analyse and measure the impact of technology on yields, production value and income. Thanks to today's state-of-the-art remote sensing tools, sensors built into machines, precision farming is taking to a new level where we can manage intra-field differences at the cell level by collecting and analysing geo-referenced data that is more detailed than the information at the field level. This is where we arrive at geo-referenced data-based crop production. The aim of my thesis is to compare conventional and geo-referenced crop production technologies by crop (the four crops studied, which are the four crops grown on the largest area) and by year (each year of the five-year time series studied), confirming the justification for the use of geo-referenced crop production technologies and demonstrating their benefits in both economic and ecological terms. I developed a methodology to compare the efficiency of conventional and georeferenced crop production technologies. Using data from independent domestic databases (Hungarian Central Statistical Office, Institute of Agricultural Economics), stored in the MyJohnDeere operations centre, data from the research participants providing data, and data from a deep analysis of a selected target farm at farm and sector level, I trained direct efficiency indicators to measure natural and economic efficiency, which allowed a multi-level (farm, region, country) comparative efficiency analysis of the two different technologies. I have found that the most suitable econometric efficiency indicator for comparing conventional and georeferenced crop production technologies is the income per hectare, specific income (HUF/ha), which, in addition to the cost increase resulting from the different intensity of the technologies, takes into account and quantifies the yield increase associated with the increase in intensity of georeferenced crop production technologies and the resulting increase in production value (yield value). I have shown that at the national level, the agronomic input savings measured for farms using geo-referenced data-based farming technology ranged from 4.28-10% for winter wheat, 4.58-10.54% for maize, 6.63-13.46% for sunflower and 4.66-11.05% for rapeseed over the period under study.