Probablemente ha escuchado el término big-data mencionado a lo largo de la industria de la tecnología y a menudo extraviado. Esto es especialmente cierto cuando se trata de la agricultura
El Big-Data se caracterizan por el volumen, la variedad, la velocidad, la variabilidad y la veracidad. ¡La agricultura tiene esto en espadas!
Volumen – 350 millones de acres de la granja a través de los EEUU solamente.
Variedad – diferentes tipos de cultivos, tractores, proveedores de tecnología, formatos de datos.
Velocidad – Los tractores ahora están registrando 100 puntos de datos a 5 Hz en cada operación.
Variabilidad – tipos de suelo, los patrones de lluvia, la temperatura, los eventos de tormenta, necesito decir más!
Veracidad – malas conexiones celulares, condiciones ambientales adversas, muchos puntos de quiebre.
¡La agricultura califica como un gran participante del Big-Data!
El sector agrícola está bien situado para aprovechar la tecnología de Big-Data y muchas empresas están contribuyendo a su éxito. Todos los principales fabricantes de tractores han incorporado sensores en sus equipos y los conectan a la nube. Los investigadores científicos del clima han creado las soluciones del tiempo específicamente para la agricultura. Han surgido innumerables iniciativas que desarrollan todo tipo de sensores en campo para capturar las condiciones del suelo, la humedad, la salud de los cultivos y otros puntos críticos de datos.
El resultado final sin embargo es a menudo una sobrecarga de datos.
A esto se suman los complejos y siempre cambiantes aspectos ambientales de la producción de cultivos causados por los cambios en los patrones climáticos. La sobrecarga de datos se convierte rápidamente en caos de datos.
Aquí es donde grandes soluciones de Big-Data realmente puede brillar.
La Ilusión del Big-Data
Las compañías de AgTech hacen referencia a sus soluciones de Big-Data, la nube, el análisis de datos y otras jergas técnicas que son inteligentes pero no siempre ilustran el verdadero valor para el productor. Ahora estoy seguro de que muchas de estas empresas son bien intencionadas, pero de mis observaciones muchos de ellos ni siquiera están rascando la superficie de lo que se necesita o lo que es posible en nuestro emergente mundo de grandes datos.
Recoger muchos datos es una cosa. Convertirlo en conocimientos prácticos que se traducen en valor económico y mayores márgenes de beneficio para el agricultor es otra historia. Las compañías de AgTech deben poner en las yardas duras y subir la pirámide de datos al conocimiento en nombre de sus clientes. En última instancia AgTech deben llegar a la sabiduría, pero eso es otro artículo en sí mismo. Lo primero es lo primero.
Escalar la pirámide es una pendiente resbaladiza con muchas partes móviles para desarrollar las soluciones necesarias de Big-Data para obtener desde el comienzo de la temporada hasta la cosecha y demostrar un claro valor económico a lo largo del camino.
La gran oportunidad del Big-Data
Entonces, ¿por qué los grandes datos son importantes para la agricultura?
Big-data es esencialmente el uso de computadoras muy potentes para realizar tareas de análisis de datos que no pueden ser realizadas fácilmente por los seres humanos en una computadora con el software convencional. Consideremos los flujos de datos continuos que a menudo se transmiten 24/7 con información cambiante sobre el clima, los cultivos, variabilidad espacial, equipos agrícolas y otros sensores de monitoreo de condiciones. Las soluciones automatizadas e inteligentes de Big-Data son esenciales.
El Big-Data puede comenzar a descubrir cuestiones y tendencias que no siempre son obvias para cualquier individuo. Técnicas matemáticas sofisticadas como el aprendizaje automático también entran en juego.
Es innecesario decir que la identificación de estas tendencias y percepciones es un resultado realmente importante para el sector agrícola. La agricultura es dura y a veces muy aislada para los productores.
“¿Cómo sé lo que otros agricultores están haciendo en las mismas circunstancias en sus granjas?”
Típicamente los productores están tomando decisiones para su granja basada en prácticas tradicionales de manejo de cultivos, recomendaciones de su agrónomo y conversaciones en la cafetería local. Pero, ¿cómo saber si hay una decisión más óptima que se ha hecho en otros lugares sobre la base de la experiencia previa?
Aquí es donde los grandes datos y benchmarking pueden ayudar.
La promesa del Big-Data
Imagina que un agricultor está a punto de plantar maíz en su finca con tipos de suelos que van desde suelos ligeramente arenosos (poca capacidad de retención de agua) hasta suelos de arcilla pesada (alta capacidad de retención de agua). Añadir a esto algunos campos con crestas escarpadas y laderas laterales y otros con grandes regiones planas que dan lugar a un drenaje deficiente. Ya hay numerosas consideraciones con la topografía, la gestión del agua superficial y ni siquiera hemos empezado a lidiar con la variabilidad del clima.
Las decisiones sobre qué plantar, cómo manejar el cultivo y las acciones a tomar a lo largo de la temporada son complejas. También es difícil saber lo que podría haber sido una vez que la temporada ha terminado y la cosecha ha terminado.
¡Sí, la agricultura es compleja y dura!
Big-data no busca la causalidad. En cambio, busca tendencias. Big-data no intenta decirte por qué un resultado particular ha ocurrido, pero puede decirte que el resultado es óptimo y representativo de un conjunto de datos muy amplio. Piense en ello como un ensayo de campo muy grande.
Agregando los resultados a través de un gran número de granjas con características similares, Big-Data puede buscar tendencias que no eran antes obvias. Esto puede corresponder a las variedades de semillas* con un tipo de suelo determinado basado en las condiciones climáticas predichas. Esta misma variedad de semilla puede haber tenido un desempeño muy diferente en otros tipos de suelo o diferentes patrones climáticos.
Es el papel de las plataformas de Big-Data y sus algoritmos subyacentes analizar esta información y determinar qué variedades de semillas lograrán el rendimiento máximo a través de los diversos tipos de suelo y condiciones de cultivo. Esto minimiza la necesidad de ensayos de campo por cada productor y en su lugar se basa en los resultados a través de un anónimo conjunto de datos reales del mundo real.
*Optimizar la variedad de semillas a las condiciones locales es uno de los muchos resultados posibles de las soluciones de datos grandes.
Privacidad de Big-Data
Mucho se ha escrito acerca de la privacidad y seguridad del Big-Data y con razón. Sin embargo, para los productores que optan por seguir el camino del Big-Data y dar permiso para compartir sus datos de forma anónima, reciben un valor significativo a cambio. En la ágil economía Ag de hoy, con bajos precios de las materias primas, esta información puede significar la diferencia entre girar un beneficio y programar otra reunión con el gerente del banco local.
Las compañías independientes que no están motivadas financieramente por vender otros productos y están comprometidas a mantener los datos privados, están liderando el cargo. El retorno de la inversión de las soluciones agregadas de grandes datos que proporcionan información de toma de decisiones imparcial que se utilizan para proporcionar información útil se están volviendo demasiado valiosa para pasar por alto.
El gran futuro de los datos
La buena agricultura es a menudo sobre la gestión de riesgos. ¿Qué plantar? ¿Cómo administrar? ¿Cuándo cosechar? Todas estas son decisiones críticas y las circunstancias en las que se realizan también cambian de año en año. Diferentes híbridos de semillas, nueva tecnología de plantones, cambios en soluciones químicas y de fertilizantes, todos ellos juegan su parte en el proceso de toma de decisiones. ¡Sin mencionar el clima!
Big-data es un camino para los agricultores y la industria en su conjunto para obtener sus brazos alrededor del problema y entregar paso a los resultados económicos. A medida que grandes volúmenes de flujo de datos continuo y a veces desestructurado fluyen a la nube, los algoritmos de datos grandes reducirán los números buscando ideas y valor.
En última instancia, el Big-Data proporcionará respuestas antes de que un productor sepa qué preguntas hacer.
Más allá del papel de los grandes datos en la agricultura está la racionalización del flujo de trabajo y la facilidad de uso de estos sistemas de software de última generación. Es fundamental que la industria en su conjunto continúe refinando las soluciones técnicas para que sean intuitivas para el agricultor. Las herramientas deben ser interoperables entre diferentes conjuntos de datos del fabricante, sin importar si el tractor es rojo, amarillo, azul o verde. Maíz, trigo o arroz. La interoperabilidad de la información es un requisito previo para el análisis de grandes datos.
La economía de la agricultura puede seguir siendo difícil en el corto plazo. Sin embargo, la perspectiva a largo plazo es brillante. Las plataformas AgTech de última generación que maximizan el Big-Data están abriéndose camino en el ecosistema agrícola y conducirán a un enorme valor económico y mejorarán considerablemente la gestión de riesgos para los productores.
Así que la próxima vez que el término Big-Data mencionado en los medios de comunicación, toma nota porque se convertirá en una parte crítica del paisaje agrícola en los próximos años.
Si se hace correctamente, el Big-Data no será ni siquiera obvio. Será una simple cabeza hasta el smartphone de un productor que hay un problema potencial vale la pena echar un vistazo antes de que comience a afectar el rendimiento y el costo del dinero.
El Big-Data generará retornos económicos significativos en los próximos años. ¡Con los duros precios de las materias primas de hoy, cuanto antes mejor!
Traducido por: agriculturers.com
Publicado: 02 de febrero de 2017
Fuente: Agriculturers
Atrás
