1.

LOS PILARES DEL BIG DATA AGRO

Las primeras cuestiones que deben plantearse en una explotación para poder
avanzar en la digitalización de sus procesos son dos: cómo obtener los datos y
cómo estructurarlos. Es decir, cómo organizar lo que llevan amontonando y
acumulando durante años. De hecho, aunque muchos de los granjeros todavía no
lo sepan, ellos mismos tienen ese gran tesoro que representa el big data hoy en
día. 

A muchas empresas les gustaría disponer de todo ese cúmulo de información en

sus servidores para poder realizar modelos y algoritmos sin necesidad de empezar
desde 0. Y este, sin duda alguna, es el gran valor de las explotaciones
agropecuarias: disponen de datos en distintos formatos – archivos Excel, CSV o
PDF – con infinidad de informes de analíticas de agua, foliares, estado de salud de
animales, etc. Si todo esto, lo organizan, estructuran y analizan, muchas
explotaciones podrán dar un grandísimo salto en sus procesos internos.

 Primer pilar: Obtener la información

Por tanto, el primer pilar para el big data agropecuario consiste en ordenar toda la
información de la que se dispone en las explotaciones y cruzar cada variable. Esto
permitirá que las decisiones se tomen por el cúmulo de experiencia e información
almacenada a lo largo de los años.

Para almacenar e interpretar los datos es preciso contar con la tecnología

adecuada, una plataforma que permita agruparlos, integrarlos y combinarlos para
obtener información práctica. Algunas de estas plataformas son:

 SmartRural se encarga de incorporar para su posterior análisis los datos

recogidos por los agricultores y por sus propios medios en esta plataforma
para obtener una visión de la situación del campo y tomar decisiones en
tiempo real.

 E-STRATOS es una plataforma que integra diferentes fuentes de datos

sobre la situación de los cultivos. Estos datos se filtran y ordenan para que
 puedas interpretarlos y decidir en base a ellos. Recoge los datos gracias a
la tecnología aeroespacial y la pone al servicio de la agricultura.

Segundo Pilar: Introducción de nuevas tecnologías

En una segunda etapa, será el momento de introducir nuevas tecnologías

(sensores, imágenes, drones, satélites, dataloger) que se conecten de manera
automática, –consultas SQL, APIS – y que entreguen la información sin necesidad
de volcarla manualmente.

Si bien es cierto los datos son la materia prima con la que trabaja el big data,
obtenerlos es el primer paso, luego de esto debemos introducir diferentes y
diversas fuentes como lo son:

 Introducción manual de datos, como los obtenidos al analizar el suelo o

cosechas.

 Sensores de humedad.

 Estaciones meteorológicas.

 Imágenes aéreas de drones o satélites.

 Sensores de conductividad eléctrica.

 Mapas de rendimientos creados por cosechadoras.

2. ANALISTA DE DATOS: UNA NUEVA FIGURA AGRO

La tecnología y la inteligencia artificial, el bigdata han llegado para quedarse

suponiendo un avance importante para ganaderos y veterinarios en la
monitorización y control de los animales en nuestra ganadería. Gracias a la
tecnología, animales y personas hablamos el mismo idioma y podemos asegurar
así que su estado de salud es óptimo. Si conseguimos que los animales gocen de
buena salud, también estaremos cuidando de la nuestra.
En los próximos años se prevé en las granjas será la incorporación de un nuevo
puesto de trabajo: el analista de datos agropecuarios. Este será el responsable de
indicar de una manera muy precisa al resto del equipo, las variables que mejoran
los procesos.
Supongamos que en se han estado almacenando datos en un Excel durante años
sobre esa y otras 8 explotaciones de vacuno de cebo. En él se han incluido datos
de producción (kg), alimentación (kg), consumo de agua, nacimientos, muertes,
etc. Si toda esta información se organiza en filas y columnas y se geolocaliza por
explotación, cuando el técnico trabaje los datos podrá valorar qué granja de todas
es la que mejor rendimiento tiene. De esta manera, localizará las variables de
mejora para modificarlas y replicar en el resto de explotaciones aquellas que
funcionan.

En la actualidad, y, a diario, fincas lecheras recopilan una gran cantidad de datos

en sus estaciones de ordeño, pero eso no es todo, están equipados con sensores
inteligentes para captar datos. Asimismo, estos registros les permiten analizar la
operación y con los registros obtener información para tomar mejores decisiones.

Por otro lado, también hay ejemplos de uso de datos para ayudar a los
administradores de fincas a rastrear el ganado, para estadísticas de producción,
planificación de rotaciones de pastoreo. Y, a su vez, para generar informes que
con información sobre la salud de una operación ganadera.

Otro ejemplo viene de Japón donde los productores de leche se asociaron con la
empresa Futji para mejorar la tasa de éxito en la cría de ganado. En esencia,
querían encontrar el mejor momento para inseminar artificialmente a las vacas.
Con datos, se dieron cuenta que los animales están en celo durante solo 16 horas
cada 21 días. Por lo tanto, al usar la información, los ganaderos detectaron el
mejor momento para la inseminación. Parece sencillo, pero involucró transmisión
de movimientos a la nube.

Las actividades agropecuarias con el afán de mejorar sus niveles de eficiencia y

expandir su productividad y así mejorar el aporte tanto económico como social al
país, teniendo en cuenta la escasez de recursos naturales como el agua, tierras
de cultivos, energía, se ven obligadas a constantemente incorporar tecnologías y
conocimiento que ayude a fortalecer los sistemas productivos para generar
mejores condiciones de competitividad internacional a través de nuevas
herramientas.

¿CÓMO AYUDA EL BIG DATA A LAS EXPLOTACIONES AGROPECUARIAS?

En el sector agropecuario partimos de un “small data” ya que los volúmenes que

podemos manejar en una explotación ganadera o agrícola son realmente bajos.
Esto no significa que no sea posible aplicar las herramientas de digitalización o los
potentes sistemas de almacenamiento o computación que tienen grandes
compañías tecnológicas. Al contrario, es necesario trabajar y analizar la
información acumulada durante todo este tiempo, lo que nos ayudará a crear
modelos y algoritmos de los comportamientos de nuestra explotación.

Visitando diferentes explotaciones, he observado que muchos de ellos ya tienen la

información aglutinada en hojas de datos de una manera muy correcta. Además,
han elaborado pequeñas fórmulas matemáticas para mejorar sus tareas
diarias. Esto es, sin duda alguna, el primer big data agropecuario y el punto de
partida para desarrollar el resto de acciones a llevar a cabo en la digitalización del
sector.

Es fundamental organizar la información, crear plataformas cloud que ayuden a

cruzar cada variable en décimas de segundo y, por supuesto, es imprescindible
que el usuario final pueda entenderlo como si lo hubiera hecho él mismo. También
deberá poder seleccionar el tipo de dato o input a registrar de manera automática
para hacer cada vez más sólido su modelo y acotar las variables que le ayudarán
a mejorar cada una de sus explotaciones.
El uso del big data en el sector agropecuario permitirá un avance en los procesos
diarios que manejamos en el campo. También nos permitirán conocer, de manera
más precisa, cómo y cuándo tomar una decisión.

Las explotaciones agropecuarias en toda su cadena de valor generan una gran

cantidad de datos (provienen de estaciones meteorológicas, sensores de suelo,
sistemas de riego, maquinaria e instalaciones, datos de sistemas informáticos,
ERP, reportes, documentos legales, laboratorios, predicciones meteorológicas,
imágenes de satélites y drones, observaciones en campo, etc.) con capacidad de
ser procesados y convertidos en información útil. Usualmente estos datos se
almacenan en sistemas desconectados, donde crecen exponencialmente en
volumen y se hace más difícil usarlos con eficiencia y la frecuencia deseada. Es
por esto que actualmente los usuarios (propietarios de campos, granjas, centros
de transformación y procesado, almacenes, invernaderos) que dependen de estos
datos deben consultar múltiples sistemas, para la correcta toma de decisiones.

Para que el productor reduzca la incertidumbre en la toma de decisiones (por

ejemplo para minimizar el riesgo de las condiciones meteorológicas inciertas,
plagas, enfermedades, la variación de los precios y optimizar los niveles de
producción) con los datos mencionados en el párrafo anterior se están
desarrollando proyectos, que realizan predicciones agrícolas y de mercado con el
fin de asesorar a productores con información fiable referente a cultivos, suelos,
productos y climas a través de Big Data. Es entonces aquí en donde se aprecia
una mejora palpable en la utilización de Big Data en el sector agropecuario. Los
ámbitos de aplicación actualmente Según Serrano (2017) son:

- En decisiones de inversión agrícola a largo plazo o en planificación de la

producción a corto / medio, analizando tendencias y evoluciones inerciales;

- En la agricultura de precisión, haciendo mejores previsiones de cosecha,

mejorando y anticipando la probabilidad de ocurrencia de enfermedades o plagas,
reduciendo impactos ambientales;
- En transformación/manipulación de productos agroalimentarios, haciendo una
mejor segmentación de los mismos, mejorando la calidad, planificando y
optimizando los recursos necesarios en el proceso de transformación;

- En logística y distribución de productos agroalimentarios, analizando mejor los

procesos logísticos y optimizando costes y calidad de servicio;

- En comercialización y marketing de productos agroalimentarios, conociendo y

segmentando mejor la demanda, alineándola con la oferta, anticipando y
gestionando a nuestro favor las oscilaciones e imperfecciones del mercado,
analizando tendencias y

- En un sistema de precios inteligente más cercano al tiempo real y mejor

adaptado para lograr un mejor equilibrio entre oferta y demanda evitando mermas
provocadas por excedentes de producción.