La agricultura es una de las industrias más antiguas del mundo, y se han encontrado pruebas de su existencia que se remontan al año 21.000 a. C. Sin embargo, con el aumento de la población y la alteración medioambiental provocada por el cambio climático, la agricultura necesita encontrar nuevas soluciones para mejorar la seguridad alimentaria. Una forma de producir más alimentos es mediante el uso del análisis de datos para mejorar la eficiencia de la agricultura. Al analizar datos sobre patrones climáticos, condiciones del suelo, invasiones de plagas, niveles de luz solar, fuerzas del mercado y otros factores, los agricultores podrían identificar los momentos óptimos para sembrar, tratar y cosechar los cultivos, así como identificar los mejores cultivos para maximizar los beneficios en condiciones particulares. Tomar decisiones basadas en datos no es algo nuevo en la agricultura. Desde 1792, el Old Farmer’s Almanac ha proporcionado a los agricultores estadounidenses información sobre previsiones meteorológicas, gráficos de siembra y datos astronómicos. Mientras tanto, en el Reino Unido, Farmer’s Weekly proporciona una fuente regular de información y actualizaciones diseñadas para ayudar a los agricultores. Estas publicaciones, y otras similares, han proporcionado información actualizada periódicamente para permitir una buena toma de decisiones. Proporcionar a los agricultores más datos y herramientas sofisticadas para analizarlos permitirá tomar decisiones mejor informadas sobre cómo gestionar los cultivos. Ya existe una gran cantidad de datos meteorológicos históricos que se pueden utilizar para predecir los patrones meteorológicos. Aunque el cambio climático tiende a aumentar la probabilidad de fenómenos meteorológicos extremos, estos se están incorporando a los modelos climáticos existentes. Hay muchas fuentes de datos relacionados con la agricultura. Se pueden recopilar datos del mercado de valores para identificar qué cultivos tienen un mejor rendimiento que otros. Se pueden utilizar sensores para recopilar datos sobre la calidad y la humedad del suelo. Se pueden desplegar drones para controlar las plagas y las malas hierbas, y enviar satélites a la órbita para recopilar datos sobre la cantidad de luz solar en un campo. WWF y TechUK publicaron recientemente Crops to code: The role of data in fostering sustainable Agricultural Trade and Responsible Supply Chains. El informe destacó el papel de los datos y la tecnología en la promoción de prácticas agrícolas sostenibles y cadenas de suministro responsables a nivel mundial. El estudio enfatiza la importancia del monitoreo de datos mediante tecnología móvil y plataformas digitales a nivel de producción, para garantizar la visibilidad y la sostenibilidad de la cadena de suministro. Además, los autores hicieron recomendaciones estratégicas al gobierno del Reino Unido para ampliar las innovaciones tecnológicas. El informe concluye: “La armonización de datos ofrece numerosas oportunidades, desde permitir a los agricultores comprender mejor el impacto de su producción y las cadenas de suministro de las que forman parte, hasta ayudar a las instituciones financieras a tomar decisiones informadas y verificar las afirmaciones de producción o distribución sostenibles”. Intentar conseguir mano de obra en una explotación agrícola es un gran problema, por lo que los agricultores están abiertos a utilizar la tecnología en todas sus formas diferentes David Ross, Scotland’s Rural College Uno de los principales beneficios del análisis de datos es la capacidad de controlar continuamente los datos entrantes durante un período de tiempo y de transmitir alertas cuando surgen problemas. Por ejemplo, los sensores podrían identificar los momentos óptimos para regar o fertilizar los cultivos. Al identificar tendencias dentro de los datos existentes, los sistemas de análisis de datos podrían predecir los resultados probables. El uso de soluciones predictivas, como una simulación de Monte Carlo, permitiría a los agricultores identificar las tendencias del mercado o las condiciones de crecimiento probables para diferentes cultivos. “Ahora estamos recopilando datos no solo para respaldar la toma de decisiones en el cultivo de productos agrícolas, sino que hemos pasado al área de la predicción”, dice Mark Wolff, consultor de la industria asesora y estratega jefe de análisis de salud de la División Global de Internet de las Cosas (IoT) en SAS. “Si hago estas cosas en esta combinación en este momento, ¿qué debo esperar dada una cierta suposición sobre el riego?” Pruebas y tribulaciones de cultivos Las simulaciones por computadora podrían usarse para predecir lo que sucede cuando se cultivan diferentes cultivos o se prueba una nueva rutina. Anteriormente, esto habría requerido que el agricultor probara el cultivo durante una temporada para conocer de primera mano el rendimiento del cultivo, lo que lleva mucho tiempo y puede generar pérdidas. “El siguiente nivel de análisis es el gemelo digital: una simulación de un flujo de trabajo”, dice Wolff. “Una vez que tienes un conjunto matemático de relaciones entre insumos y productos (el cultivo, la composición genética de ese cultivo para una geografía particular, un conjunto de insumos para agentes químicos y biológicos y un resultado), puedes simularlo”. Hay más que solo cuestiones financieras que los agricultores deben considerar en la agricultura. A menudo, los agricultores eligen cultivos por razones distintas a la ganancia financiera inmediata. La rotación de cultivos es una práctica común en la agricultura, que es donde se cultivan diferentes cultivos en secuencia para el control de plagas y malezas y para mejorar el suelo. “En lugar de decirnos qué cultivo cultivar, existe la posibilidad de identificar brotes emergentes de una enfermedad en una parte de un campo, como si fuera un sistema de alerta temprana”, dice David Ross, consultor principal de servicios agrícolas en el Rural College de Escocia. Como en todo, la viabilidad financiera es clave. Pocos agricultores podrían permitirse un paquete completo de software de análisis de datos. Aunque podría ser un pago único, la inversión tardaría un tiempo en recuperarse. Si el producto se vuelve obsoleto o ya no recibe soporte, se requeriría una inversión significativa adicional. Por estos motivos, las empresas de tecnología agrícola están estudiando los aspectos prácticos de ofrecer servicios de análisis de datos como un servicio de suscripción a los agricultores. Esto supera el problema del alto costo inicial del software. Sin embargo, aún se necesitaría inversión para una variedad de sensores. Muchas empresas agrícolas ya han generado grandes conjuntos de datos que podrían usar como modelo de referencia para el análisis de datos agrícolas. Se requeriría una red de recopilación de datos. Esto incorpora los sensores para recopilar datos en una red que transmite la información para su almacenamiento y análisis. La instalación de una red de este tipo también podría suponer un gasto único y significativo, similar al proceso de conectar una empresa a los servicios de telecomunicaciones. Superar los problemas de conectividad Además, la conectividad de la red sigue siendo un problema en las zonas rurales, especialmente en las regiones más remotas del país. Incluso hay localidades rurales que aún no reciben señales de telefonía móvil. Para que estas soluciones de análisis de datos sean eficaces, es necesario realizar más inversiones en la infraestructura de telecomunicaciones rurales. Un posible desafío para la agricultura basada en el análisis es la falta de intercambio de información entre diferentes proveedores. Hay poca o ninguna interoperabilidad entre dispositivos de diferentes fabricantes, lo que significa que los agricultores tienen muchos conjuntos de datos diferentes, pero no hay forma de combinarlos para ver cómo interactúan entre sí. «Tenemos docenas de piezas de software que la granja utiliza para introducir y extraer datos, pero yo los llamo los silos de datos», dice Ed Harris del Centro de Investigación Agrícola de Ciencia de Datos de la Universidad Harper Adams. «No se comunican entre sí y solo se obtiene información sobre la granja». La posibilidad de combinar varios conjuntos de datos juntos proporcionaría una visión más holística de las operaciones de una explotación agrícola, en lugar de una serie de entradas de datos independientes. Sin embargo, compartir estos datos y, al mismo tiempo, proteger la información personal y financiera de cada explotación sería esencial para que un servicio de este tipo siguiera cumpliendo con las normas de protección de datos, como la Ley de Protección de Datos de 2018 del Reino Unido. Poder comparar los datos con otras explotaciones agrícolas proporcionaría a los agricultores una mayor comprensión de cómo funcionan sus explotaciones. De forma independiente, esta información valdría muy poco, pero al combinarse permitiría realizar estimaciones de referencia de cómo funciona una explotación agrícola típica. Esto permitiría a los agricultores identificar las áreas de su explotación en las que deben centrar su atención. «Una de mis preocupaciones es que si se obtienen esos números de una única explotación agrícola, el agricultor tendrá ese único número», dice Harris. «Lo que creo que se necesita es un caso de negocio para crear una evaluación comparativa del carbono y de otras operaciones agrícolas. Entonces tengo un poco más de información en el contexto de las otras explotaciones». También hay elementos regionales a tener en cuenta. Un sistema de análisis de datos desarrollado en granjas de una zona determinada del país no necesariamente funcionará en otra. Hay cuestiones ambientales y geográficas que deben ajustarse para que cada solución de análisis de datos sea eficaz. “Trabajamos en un proyecto de Australia y funcionó perfectamente, pero lo trasladamos a las condiciones de Escocia y es un desastre porque era un entorno diferente”, afirma Ross. Junto con el análisis de datos, se está utilizando la automatización para abordar la reciente escasez de mano de obra. Se trata de tareas típicamente repetitivas y mundanas, como ordeñar vacas, que permite a la fuerza laboral centrar su atención en tareas más complejas. “Intentar conseguir mano de obra en una granja es un gran problema, por lo que los agricultores están abiertos a utilizar tecnología en todas sus formas diferentes”, dice Ross. “Un robot en una granja lechera que cuesta 30.000 libras al año tiene el potencial de ahorrar al agricultor 85.000 libras al año en mano de obra”. Aunque la agricultura no se considera una industria impulsada por la TI, es una que depende de la necesidad de datos fiables y precisos para permitir una toma de decisiones informada. El análisis de datos podría utilizarse para identificar tendencias emergentes dentro de los conjuntos de datos y alertar a los agricultores sobre cuándo puede ser necesaria una intervención para proteger los cultivos y aumentar sus rendimientos. “Los agricultores son unos cínicos. Es necesario demostrarlo y que haya un retorno de su inversión”, concluye Ross. “Eso no siempre es dinero, sino tiempo. Tiene que ser relativamente simple, robusto y funcionar en una granja desordenada y en entornos sucios, porque no hay forma de evitarlo”.