F29

Aplicación de Data Warehouse y Big Data Technology

en Agricultura en India

NP Singh
Instituto de Desarrollo de Gestión
Mehrauli Road, Sukhrali,
Gurgaon-12207, India
Correo electrónico: Knpsingh@mdi.ac.in
DOI: 10.1481/icasVII.2016.f29

RESUMEN

En los últimos años, se observa que los científicos, planificadores y ejecutivos de todo el mundo
están utilizando datos recopilados de los registros tradicionales de las agencias gubernamentales, datos
recopilados mediante sensores y tecnologías de imágenes satelitales y combinándolos con modelos
meteorológicos predictivos. Se está haciendo para ayudar a los agricultores a tomar mejores decisiones con
respecto al tiempo óptimo de siembra de los cultivos, el tiempo óptimo para la aplicación de pesticidas,
insecticidas y fertilizantes a partir de la siembra, y el tiempo de cosecha de los cultivos en general y
especialmente en una determinada región del país en un momento determinado. Las tecnologías como el
almacén de datos/big data también se están implementando para mejorar la calidad de los datos, ya que los
datos proporcionados por diferentes ramas del gobierno, como las organizaciones del gobierno central y el
gobierno estatal, varían mucho en muchos parámetros y crean problemas para tomar las decisiones
correctas. Esto se está haciendo como parte del programa de digitalización de la India del gobierno central.
Teniendo en cuenta la importancia de la calidad y la precisión de los datos para planificadores,
investigadores, líderes políticos y agricultores en particular, este documento presenta varios aspectos de la
aplicación de la tecnología de almacén de datos/big data en la agricultura en el contexto de la India. Estos
aspectos son (i) Identificación del dominio principal de implementación de almacén de datos/tecnología de
big data en agricultura en India, forma de ayudar a los agricultores a aumentar la producción y mantener el
ecosistema de los cultivos. El análisis se lleva a cabo teniendo en cuenta las áreas de cultivo irrigadas y de
secano en la India y también las condiciones climáticas cambiantes que están afectando la producción
agrícola en la India.

1
ACTASICAS VII Séptima Conferencia Internacional de Estadísticas AgropecuariasIRoma, 24-26 de octubre de 2016
 F29
Introducción
La superficie total de la India es de 3,287 millones de km². El área dedicada a la agricultura fue del 60,6% durante 2013-
14. El sector agrícola (agricultura propiamente dicha y ganadería, silvicultura y tala, pesca y actividades conexas)
representó el 17,8%1del PIB (producto interior bruto) en 2013-14. Fue más del 51% durante 1950-51. La producción total
del sector agrícola fue de US$ 366,92 mil millones. La participación india en la producción agrícola mundial es del 7,68%.
Alrededor del 50% de la fuerza laboral está empleada en la agricultura en la India. Aunque la contribución de la
agricultura al PIB está disminuyendo constantemente, la agricultura sigue siendo demográficamente el sector económico
más amplio y desempeña un papel importante en el tejido socioeconómico general de la India. Según los informes de la
FAO de 2010, India fue el mayor productor mundial de muchas frutas y verduras frescas, leche, las principales especias,
cultivos fibrosos selectos como el yute, alimentos básicos como el mijo y la semilla de aceite de ricino. India es el
segundo mayor productor de trigo y arroz.

La seguridad alimentaria de la India depende principalmente de la producción de cultivos de cereales. Sin embargo,
necesita aumentar la producción de frutas, verduras, legumbres y leche para satisfacer las demandas de una población
creciente con ingresos crecientes. Las áreas prioritarias de la India en el contexto de la agricultura son (i) una mayor
productividad con un uso óptimo del agua y otros recursos, (ii) el alivio de la pobreza y la gestión de los recursos
naturales, (iii) el mantenimiento de la tierra cultivada para la productividad y el medio ambiente futuros, (iv) reducir el
desperdicio de granos alimenticios y otros productos agrícolas, y (v) mantener el equilibrio de precios de los productos
agrícolas entre productores y consumidores, y muchos más.

La clave del éxito depende de la disponibilidad de datos de calidad. Los datos de calidad se pueden capturar/crear,
almacenar en forma de series temporales y analizar con tecnologías como almacén de datos, big data, análisis de datos
y herramientas de generación de informes. Para mencionar aquí como ejemplo, Big data en agricultura se refiere a
Electronic Farm Records (EFR) que incluye mapas y datos de temperatura del suelo, mapas y datos de precipitación,
mapas y datos de conductividad eléctrica, datos de contenido de humedad, mapas y datos de permeabilidad del aire,
datos de nutrientes. datos de contenido y nivel de pH, registros de cultivos anteriores, pérdidas anteriores, seguros e
información relacionada con el rendimiento. También incluye datos de redes sociales, incluidos tweets, blogs, nuevos
feeds, informes de investigación agrícola y artículos de investigación en agricultura y otras revistas relacionadas.

Teniendo en cuenta la importancia de la calidad de los datos, como sugiere Addison (2015) , el presente el trabajo de
investigación es un intento de (i) identificar el dominio principal de implementación de datosalmacén de datos/tecnología
de big data en agricultura en India, (ii) identificar el estado actual de la aplicación del almacén de datos/tecnología de big
data y cosechar los beneficios de la tecnología en India, (iii) identificación y cuantificación de los beneficios del almacén
de datos/tecnología de big data aplicación de tecnología de datos para aumentar la producción agrícola o reducir las
pérdidas para los agricultores (iv) identificación de las tecnologías de big data/almacén de datos más populares que se
implementarán en la India (v) identificación de los componentes específicos del ciclo de vida del cultivo para la tecnología
de big data/almacén de datos en la agricultura en India, y
(vi) el impacto del uso de tecnología como data warehouse/big data en la erradicación del hambre o la pobreza de la
tierra al ayudar a los agricultores a aumentar la producción y mantener el ecosistema de los cultivos.

1http://data.worldbank.org/indicator/NV.AGR.TOTL.ZS

2
ACTASICAS VII Séptima Conferencia Internacional de Estadísticas AgropecuariasIRoma, 24-26 de octubre de 2016
 F29
El análisis se lleva a cabo teniendo en cuenta las áreas de cultivo irrigadas y de secano en la India y
también las condiciones climáticas cambiantes que están afectando la producción agrícola en la India.

Metodología de investigación
El presente estudio puede denominarse exploratorio y descriptivo por naturaleza. El artículo de investigación se basa
en datos secundarios y primarios. Los datos secundarios se refieren a la aplicación de almacenamiento de datos y
tecnologías de big data en la agricultura y los datos primarios recopilados de 20 aldeas del distrito de Aligarh del estado
de Uttar Pradesh a través del método de discusión grupal de los agricultores. Estos datos fueron principalmente sobre
el uso de maquinaria por parte de los agricultores, los desafíos de la cadena de suministro de productos agrícolas, las
iniciativas gubernamentales y su conocimiento sobre la recopilación de datos por parte de diferentes agencias con
respecto a la fertilidad del suelo, aplicaciones de fertilizantes y pesticidas y otros insumos, prácticas existentes
adoptadas por los agricultores, etc. Los datos se analizan principalmente en forma de distribución de frecuencia.

Resultado y Discusión

Identificación del segmento principal de almacenamiento de datos/tecnologías de macrodatos en la

agricultura en la India (1).

Las tecnologías de grandes datos/almacenes de datos junto con las tecnologías móviles se pueden utilizar para
obtener un gran conjunto de datos de las actividades del sector agrícola, procesar estos datos y generar información
valiosa para los agricultores, los consumidores y las agencias gubernamentales a partir de un gran conjunto de datos.
Para ser específicos, la agricultura de big data (o agricultura de precisión) ayudará a los agricultores ofreciéndoles (i)
pronósticos meteorológicos altamente precisos y datos de campo en tiempo real para optimizar los recursos y reducir
las pérdidas para los agricultores específicamente en las regiones de secano, (ii) ) optimización en tiempo real de
maquinaria agrícola, programas de riego y otros insumos, (iii) recursos de información rentables alojados en la nube
para agricultores, (iv) riego automatizado y otras recomendaciones de prácticas agrícolas, (v) monitoreo del ataque de
insectos, plagas &

Identificación del estado actual de la aplicación de la tecnología de almacenamiento de

datos/big data y aprovechamiento de los beneficios de la tecnología en la India (2).

Se implementan cuatro conjuntos de tecnologías en una organización para aprovechar el beneficio real de las
tecnologías de la información. Estas son (i) tecnologías para obtener datos/capturar datos/automatizar procesos
comerciales, (ii) tecnologías para transportar datos de un lugar a otro, es decir, desde el origen hasta el destino
(Silvestre (2013)) (iii) tecnologías para integrar y almacenar datos, y (iv) tecnologías para analizar y reportar los
datos/información al consumidor de información. Debido al gran tamaño del país y al número de organizaciones, la
implementación de los cuatro conjuntos de tecnologías aún no se ha completado en la India. Además, la
implementación de tecnologías es fácil en una organización propiedad del gobierno, pero difícil en un segmento que
no está tan organizado. Por ejemplo, meteorológico.

3
ACTASICAS VII Séptima Conferencia Internacional de Estadísticas AgropecuariasIRoma, 24-26 de octubre de 2016
 F29
El departamento recopila, analiza e informa información a los usuarios sobre parámetros meteorológicos en general,
pero no en relación con el cultivo de un cultivo en particular en una región en particular y su impacto. En segundo lugar,
los datos básicos de 105, 64, 74, 292 ciudadanos (más del 80 % de la población) se capturan como parte del proyecto
de la Autoridad de Identificación Única de la India (UIDAI) utilizando tecnología de almacenamiento de datos.
(https://portal.uidai.gov.in/). En tercer lugar, las principales agencias de adquisición y distribución, como Food
Corporation of India y otras, están informatizadas para monitorear el inventario de existencias de alimentos día a día
(http://fci.gov.in/). Existe la necesidad de integrar varias bases de datos para obtener valores para los agricultores a
partir de estos datos.

Identificación y cuantificación de los beneficios de la aplicación de tecnología de big data/ almacén

de datos para aumentar la producción agrícola o reducir las pérdidas de los agricultores (3)
Se han realizado muchos estudios para identificar y cuantificar los beneficios de las tecnologías de almacén de datos y
macrodatos. Madgavkar y Krishnamurthy (2014) estimaron que las aplicaciones basadas en la tecnología en la
agricultura en la India tendrán un impacto anual de entre 45.000 y 80.000 millones de dólares, como se indica en la tabla
1. Estas estimaciones no son exhaustivas. Estas estimaciones no son exhaustivas.

Tabla 1: Impacto de la aplicación basada en tecnología en la agricultura india (US$ mil millones)

Tamaño Económico Alcance potencial Productividad o valor potencial

Aplicaciones impacto ganancias
Híbrido y GM 1-4 10% del total de 92 millones 5-10% de mejora de la productividad
cultivos tonos de productos agrícolas
bajo cultivos transgénicos
20% del total de la tierra
Precisión 8-30 cultivable 15-60% de mejora del rendimiento 2ill
Agricultura bajo agricultura de precisión ayudar a 22 millones de agricultores.
3% de aumento de la productividad,
mercado en 2,5% aumento en el precio de
información de tiempo realización costo de entrada reducido en
real 10-15 un 3%.
90 millones de agricultores (60%
de total) usando tiempo real
información de mercado
Fugas reducidas 27-32 $19 mil millones de fugas en Reducción de hasta un 90 % en las
y Residuos (PDS), $28 mil millones de fugas de PDS. 50% menos desperdicio
PDS residuos de alimentos en la distribución de otros productos.

El rendimiento es una función de las características genéticas de los cultivos, las condiciones ambientales y las
prácticas agrícolas. Las variables de entrada no son independientes. Es necesario desarrollar modelos
predictivos/prescriptivos para optimizar el rendimiento de un entorno específico optimizando las prácticas agrícolas
para cultivos genéticamente diferentes. Esto es posible solo mediante experimentos realizados, recopilando y
analizando datos de estos experimentos. Esto requerirá, a su vez, tecnologías de almacenamiento de datos/big data
para almacenar y analizar un gran conjunto de datos. Resultará en muchos hallazgos útiles para impulsar la agricultura
a bajo costo. Para mencionar, los agricultores en la India suelen quemar los residuos del arrozcosecha tras cosecha en
invierno y de trigo en marzo-abril. Sin embargo, se observa en aldeas adoptadas bajo el proyecto del Grupo Consultivo
para la Investigación Agrícola Internacional sobre Cambio Climático, Agricultura y Seguridad Alimentaria (CCAFS) que
la labranza cero junto con el manejo de residuos y la diversificación de cultivos reducen el requerimiento de fertilizantes
en una quinta parte después de tres años. años. Los datos experimentales revelaron que una tonelada de residuos de
arroz y trigo, de los cuales alrededor del 40 % es carbono, contiene de 5 a 8 kg de nitrógeno, de 1 a 2 kg de fósforo y
de 11 a 13 kg de potasio. Otros estudios empíricos confirmaron un aumento del rendimiento de un 10-15% con
labranza cero y siembra en línea de trigo. La labranza cero reduce el costo del diesel en un 80-85% (Seetharaman
(2016)). Esto no es propagado en otra parte del país debido a la no disponibilidad de datos en forma electrónica.
4
ACTASICAS VII Séptima Conferencia Internacional de Estadísticas AgropecuariasIRoma, 24-26 de octubre de 2016
 F29
Identificación de las tecnologías de big data/almacén de datos más populares que se
implementarán en la India (4)

Big data comenzó con la agricultura de precisión. Además, puede almacenar datos sobre el consumo de fertilizantes (de
la producción en las fábricas y las importaciones, si las hay), la siembra (los datos se recopilan de diferentes fuentes), la
protección de cultivos (los datos se recopilan de diferentes fuentes), la cosecha y el rendimiento de los cultivos (gran
número de experimentos de corte de cultivos y datos imaginarios). Además, datos de terceros sobre el clima, datos de
imágenes satelitales / aéreas (se recopila una gran cantidad de datos granulares), datos de fertilidad del suelo (no se
recopilan muchos datos), datos topográficos (muchas empresas tienen disponible una gran cantidad de datos), datos de
investigación y desarrollo (datos académicos e industriales), registros de tierras y datos de fertilidad (los datos se
recopilan de diferentes fuentes) y datos de maquinaria y equipos de fabricantes, datos de mercados de productos
básicos (locales, regionales y globales), los datos meteorológicos se pueden integrar con tecnologías de big data. El
alcance de estas tecnologías es ilimitado, pero se necesitan iniciativas importantes (i) en el almacenamiento de datos de
todos los productos agrícolas, (ii) datos de ganado y pesca, etc., (iii) datos de la cadena de suministro completa de
productos agrícolas, (iii) comercialización y políticas y sistemas de adquisición y distribución. Ayudará a reducir las
pérdidas. Una vez que se logre de manera integral, se deben tomar más iniciativas para el lado de entrada de la cadena
de suministro.

Para lograr estos objetivos, las organizaciones científicas gubernamentales han tomado iniciativas para identificar la
utilidad y los segmentos del sector agrícola para implementar estas tecnologías. Para mencionar, (i) El Consejo de
Investigación Científica e Industrial (CSIR) se ha acercado a la comunidad científica para trabajar en proyectos de
investigación para preparar una hoja de ruta para las tecnologías de big data en India (http://www.dst.gov.in/big-data-
initiative-1 ), (ii) el proyecto Red Nacional de Bioinformática Agrícola (NABG) en el Instituto de Investigación de
Estadísticas Agrícolas de la India (IASRI) lanzado en 2010, (III) Centro de Supercomputación Avanzada para el
Conocimiento OMICS en Agricultura - ASHOKA establecido durante 2014. Peisker y Dalai (2015) ) sugirió un marco de
trabajo para la agricultura una vez establecida la conectividad con los hogares, las aldeas, las instituciones elegidas a
nivel de la aldea y los departamentos gubernamentales. Informaron que las fuentes actuales de datos son (i) kisan SMS
portalsystem, (ii) Community information Center, (iii) AGMARKNET (http://agmarknet.dac.gov.in), (iv) e-choupal, (v)
agriwatch.com. Estas fuentes pueden integrarse y aumentarse aún más. Channe y otros (2015) propuso un enfoque
basado en cinco tecnologías clave: Internet de Cosas, Sensores, Cloud Computing, Mobile Computing y análisis de Big-
Data.
Se han establecido Centros de Desarrollo de Agricultura de Precisión (PFDC) en la India para promover las
"Aplicaciones de Agricultura de Precisión y Plasticultura para la horticultura de alta tecnología" y ubicados en las
Universidades Agrícolas Estatales (SAU); Institutos ICAR como IARI, Nueva Delhi; CIAE, Bhopal & CISH, Lucknow e
IIT, Kharagpur. Estos centros han estado operando como centros centrales de plasticultura y agricultura de precisión
en los respectivos estados. El Comité Nacional de Aplicaciones de Plasticulture en Horticultura (NCPAH) durante el
año 2008-09 estableció cinco nuevos Centros de Desarrollo de Agricultura de Precisión ubicados en Bhopal, Imphal,
Leh, Ludhiana y Ranchi bajo el esquema patrocinado centralmente Micro Irrigation (http:// www.ncpahindia. com/pfdc-
mandato).
Identificación de componentes específicos del ciclo de vida del cultivo para almacenamiento de
datos/tecnología de big data en agricultura en India (5)

Se necesita tecnología de almacenamiento de datos/big data durante el ciclo de vida completo del cultivo, pero no es
posible capturar datos sobre todos los factores que afectan el rendimiento con los recursos existentes disponibles en las
economías desarrolladas y específicamente en la India. Con los datos existentes sobre precipitaciones, semillas,
prácticas agrícolas, fertilizantes, pesticidas, producción e importación de insecticidas, estas tecnologías pueden orientar
los datos sobre insumos y su análisis para aprovechar al máximo el contenido de humedad del suelo y la vida en
5
ACTASICAS VII Séptima Conferencia Internacional de Estadísticas AgropecuariasIRoma, 24-26 de octubre de 2016
 F29
dias de la cosecha. En segundo lugar, el ciclo de vida al que se apuntará para la recopilación y el análisis de datos es
el período posterior a la cosecha. El ciclo inicial ayudará a reducir los costos de cultivo y la poscosecha reducirá las
pérdidas en la cadena de suministro.

Impacto del uso de tecnología como data warehouse/big data en la erradicación del hambre o
la pobreza (6)

Esta sección presenta los problemas de la cadena de suministro de productos agrícolas y otros problemas
relacionados y las tecnologías utilizadas por los agricultores, no necesariamente las tecnologías de almacenamiento
de datos y big data. Estos hallazgos se basan en datos primarios recopilados en el distrito de Aligrah (parte norte de
la India) principalmente en tres temas. Los hallazgos sobre estos temas se enumeran a continuación:

(i) Uso de maquinaria agrícola: Los agricultores indios han comenzado a usar maquinaria en sus campos. Los más
populares son tractores, motocultores, cosechadoras, niveladores láser y otras granjas. equipos para abrir surcos en
el suelo, triturar, fumigar y fertilizar el suelo. En muchos casos, la maquinaria es reemplazada por servicios
proporcionados por agricultores del estado de Punjab. En los últimos años, debido al aumento en el costo del diesel,
casi todos los agricultores han aplicado niveladores láser e interruptores de arranque automático para conjuntos de
bombas de agua. También están usando tractores, cosechadoras, pero no se emplea mucho para la recopilación de
datos. La recolección de datos es manual oa través de imaginarios.

(ii) Cadena de suministro de productos agrícolas y desafíos: La cadena de suministro de la agricultura india se
extiende en una gran área geográfica. Los productos agrícolas se cultivan en áreas geográficas específicas y los
agricultores los venden a agencias gubernamentales, vendedores completos o minoristas en otras partes del país.
El transporte por carretera es el principal mecanismo para transportar productos agrícolas a distancias más cortas y
el ferrocarril a distancias más largas. Los mercados agrícolas aún no se han desarrollado en ciudades más
pequeñas y sedes de distrito. Los principales movimientos se dan entre grandes mercados.

Según el análisis de los datos recopilados de 20 aldeas del distrito de Aligarh (estado de Uttar Pradesh), se infirió que
(i) cada agricultor trae sus productos específicamente granos, frutas y verduras, leche, etc. a los centros enumerados
en la figura 1 (Khair, Atrauli, Khurja, Iglas, Manai y Aligarh) sin información previa sobre demanda-oferta y variaciones
de precios. Otro grupo de consumidores (agricultores y no agricultores) acuden a estos centros para comprar los
mismos productos de estos pueblos a un alto costo debido a los impuestos del mercado y los costos de transporte, etc.
en otros momentos (ii) todas las instalaciones de almacenamiento están ubicadas en estos pueblos lo que a su vez
aumenta los costos de transporte y también la pérdida de trabajo en el hogar, (iii) en muchos casos, los agricultores
llevan sus productos al estado cercano de Delhi, que opera mercados más grandes y los pequeños comerciantes
compran los mismos productos en los mercados de Delhi y los venden al por menor en las pequeñas ciudades que
están mucho más cerca de los agricultores productores. Da como resultado un mayor costo de transporte para los
comerciantes y agricultores, (iv) la mayoría de los casos, el retorno a los agricultores no está vinculado a la calidad del
producto en muchos casos, ya que no pueden empacar o certificar su producto como orgánico e inorgánico (v) los
agricultores son guiados por los recursos disponibles y asesorados por comerciantes locales o colegas con respecto al
uso de fertilizantes o pesticidas en lugar de métodos científicos, (vi) su conocimiento sobre el efecto residual es muy
bajo, (vii) la rotación de cultivos se limita a trigo y arroz y en otros segmentos papa y arroz, (viii) todos los agricultores
queman residuos de trigo, caña de azúcar, arroz y maíz sin interferencia de expertos, (ix) los agricultores no están muy
al tanto de las actividades de recopilación de datos por parte de ningún organismo a efectos de nuevas iniciativas de
investigación, e (ix) invierten muchos recursos en la labranza que no son necesarios específicamente en el arroz.

6
ACTASICAS VII Séptima Conferencia Internacional de Estadísticas AgropecuariasIRoma, 24-26 de octubre de 2016
 F29

Fig. 1: Mapa del distrito de Aligarh (Uttar Pradesh)

(iii) Hacer que las iniciativas gubernamentales sean más efectivas y beneficiosas para los agricultores.

El gobierno indio protege a los agricultores fijando cada año un precio de apoyo mínimo para los principales cultivos.
Las agencias gubernamentales (Corporación de Alimentos de la India, corporaciones estatales, etc.) obtienen los
principales granos alimenticios directamente de los agricultores todos los años como parte de su programa de
seguridad alimentaria para proporcionar los principales granos alimenticios a los sectores más débiles de las
sociedades a través de los sistemas de distribución pública. El gobierno ha implementado sistemas basados en
tecnología de la información para capturar datos de las actividades de estas organizaciones, pero aún se necesita la
integración de datos entre estas agencias. Como se mencionó anteriormente, todos los datos de los beneficios de los
esquemas gubernamentales están vinculados a la tarjeta Aadhaar (UIAI) y también a la cuenta bancaria de los
agricultores. Ha reducido la fuga de ayuda monetaria del gobierno a los agricultores.

Observación final:
No cabe duda de que la aplicación de las tecnologías de almacenamiento de datos/big data ayudará a todos los
miembros de los ecosistemas. Los datos de calidad son vitales para el crecimiento de la agricultura en la India. El
gobierno ha tomado muchas iniciativas para capturar datos y hacer uso de ellos. El éxito se logra en relación con la
recopilación y el análisis de (i) datos meteorológicos, (ii) área de pronóstico bajo diferentes cultivos y rendimiento
utilizando la aplicación de detección remota, datos de experimentos de corte de cultivos y datos recopilados por los
departamentos estatales de riego, etc., (iii) datos de adquisición de granos alimenticios y vegetales, centros de
almacenamiento, sistemas de distribución pública, etc., (iv) datos generados por instituciones académicas/de
investigación, (v) información sobre la vida útil del producto y muchos más segmentos del ecosistema.

¿Qué se necesita? Integración de todos estos conjuntos de datos utilizando el almacén de datos y la tecnología de big
data con el fin de realizar análisis para hacer realidad un concepto como la agricultura de precisión. La mayoría de los
datos utilizados en la investigación se generan a partir de grandes universidades e instituciones agrícolas donde hay
recursos disponibles para desarrollar nuevas variedades, etc., pero este no es el caso de los agricultores. El
experimento debe incorporar algunas restricciones para ver el potencial de nuevas variedades o prácticas. Esto será
posible en un país como India con sector privado en el desarrollo de tales tecnologías, la colaboración pública y

7
ACTASICAS VII Séptima Conferencia Internacional de Estadísticas AgropecuariasIRoma, 24-26 de octubre de 2016
 F29
Privada en implementación, y apoyo e inversión del gobierno como en el caso de algunos otros sectores (World
Economic Foro (2012)).

Referencias
1.PAGTI (2016). Gobierno sumará 56.800 toneladas de capacidad de almacenamiento de cebolla, 31 de mayo.
Recuperado el 02 de Junio de 2016 dehttp://economictimes.indiatimes.com/news/economy/
agriculture/government-to-add-56800-tonnes-of-storage-capacity-for-onion/articleshow/ 52519598.cms

2.METRO adgavkar, A. y Krishnamurthy, S. (2014). Transformando la cadena alimentaria byte a byte,

29 de diciembre. Recuperado el 23 de enero de 2016 dehttp://www.livemint.com/Opinion/
ra1vcMcyCMWrOgukmgehhK/Transforming-the-food-chain-byte-by-byte.html

3. Seeharaman, G. (2016). Cómo la agricultura climáticamente inteligente es crucial para la alimentación de la India
seguridad en un momento de angustia agrícola, 8 de mayo. Recuperado el 31 de mayo de 2016 de
http://articles.economictimes.indiatimes.com/2016-05-08/news/72932519_1_rice-crop-tillagetaraori

4. Peisker, A. y Dalai, S. (2015 ) . Análisis de datos para el desarrollo rural, Indian Journal de Ciencia y
Tecnología, 8 (S4): 50-60.

5. Channe, H., Kothari, S. y Kadam , D. (2015). Modelo multidisciplinar de agricultura inteligente utilizando Internet
de las cosas (IoT), Sensores, Computación en la nube, Computación móvil y análisis de Big data, Int. J.
Tecnología informática y aplicaciones, Vol 6 (3), 374-382

6. Tripathi, R., Shahid, M., Nayak, AK, Raja, R., Panda, BB, Mohanty, S., Thilgham K. y
Kumar, A. (2012). Agricultura de precisión en India: oportunidades y desafíos, 29 de octubre. Recuperado el
24 de enero de 2016 dehttp://www.rkmp.co.in/content/precision-agriculture-inindia-opportunities-and-
challenges

7. Foro Economico Mundial. (2012 ) . Big data, Big impact: Nuevas posibilidades para la internacionalización
desarrollo. Recuperado el 22 de enero de 2016 de http://www3.weforum.org/docs/
WEF_TC_MFS_BigDataBigImpact_Briefing_2012.pdf

8. Addison, C. (2015). Datos: la próxima revolución para la agricultura en los países ACP, 15 de febrero.
Recuperado el 22 de enero de 2016 de https://brusselsbriefings.files.wordpress.com/2015/01/reader-bb40-data-
revolution-eng_v2-lowres-proof2-2.pdf

9. Silvestre, G. (2013). Tecnologías de la información y la comunicación para una agricultura sostenible:

Indicadores de Asia y el Pacífico. Recuperado el 22 de enero de 2016 dehttp://www.fao.org/
docrep/019/i3557e/i3557e.pdf

8
ACTASICAS VII Séptima Conferencia Internacional de Estadísticas AgropecuariasIRoma, 24-26 de octubre de 2016