El desarrollador de Data Science en la agtech SIMA, Bruno Cocitto, dio su mirada sobre la importancia de la Big Data para el desarrollo del sector.
Hacer una recorrida al campo implica observar la realidad de cada lote y tomar datos que hoy, gracias a las herramientas digitales aplicadas a la agricultura, son fácilmente registrables y convertidos en información.
Analizar y entender esta información resulta una valiosa guía para la toma de las mejores decisiones de manejo y la planificación estratégica de los negocios.
En este contexto, el desarrollador de Data Science en la agtech SIMA (Sistema Integrado de Monitoreo Agrícola), Bruno Cocitto, dio su mirada sobre la realidad digital del agro.
“Básicamente, es tomar los datos que recogen nuestros usuarios y con ello generar info que le sirva al cliente a través de modelos y tableros”, asegura el Data Scientist de SIMA sobre el rol de la Big Data en el agro.
Una de las plataformas de gran utilidad para la conformación de estos tableros dinámicos es Power BI, que permite integrar todos los datos ordenados, interpretarlos y mostrarlos en forma de gráficos, tablas o mapas que sean amigables, de fácil lectura y observación para entender la relación que tienen.
“Agrupamos un montón de datos y los transformamos para generar valor al cliente a través de predicciones y sugerencias, que le sirvan para encontrar similitudes de manejo o tendencias”, explica Cocitto.
No basta solo con transformar la información si no se logra transmitir idóneamente. Sobre eso, el especialista afirma que la importancia de saber comunicar de manera efectiva y eficientemente a los usuarios es clave para que los resultados del análisis puedan concretarse en acciones y decisiones, que lleven a mejorar los sistemas productivos.
Al respecto, detalló que hay dos grandes grupos de usuarios; los productores o asesores independientes que llevan adelante pequeñas empresas con potencial desarrollo, y compañías con mayor volumen de operaciones.
“Resulta especialmente significativo acompañar en esta transferencia de conocimiento para lograr una adopción exitosa de estas tecnologías”, resalta Bruno.
La escala del establecimiento o empresa es importante en la adopción y aceptación de nuevas formas de registrar la información, y por ello es de particular relevancia construir lazos de confianza con todos los clientes y en especial con las empresas más pequeñas o los productores individuales que se animan a incursionar en ellas. En estos casos, lo que se tiene que buscar es no imponer la herramienta, sino sugerir cambios o complementar criterios, como por ejemplo a través de casos de éxito.
La demostración de evidencia práctica y resultados positivos a través de la realización de ensayos, visitas a campo y el trato directo con los clientes es la mejor forma de hacerlo.
Para eso, en su plataforma, SIMA cuenta con un predictor de rindes y mostrar diferencias o similitudes entre los resultados esperados o estimados por los productores y los que devuelve el predictor.
“Es una manera práctica de tangibilizar esta ciencia de datos a través de la evidencia, y es donde el equipo de DS pone especial foco: cómo comunicar de la mejor manera al usuario”, argumenta Cocitto.
El rol de la Inteligencia Artificial
En los últimos años, la implementación de Inteligencia Artificial (IA) en el campo de la agricultura ha avanzado significativamente. No obstante, hay mucho camino por recorrer, especialmente en áreas como la predicción de enfermedades o eventos abióticos; y para avanzar hacia ello uno de los primeros pasos es la mejora de la calidad de los datos.
La IA combina matemáticas y estadística, programación especializada, análisis avanzados y machine learning entre tantas otras disciplinas, para descubrir información práctica oculta en los datos de una organización, y puede ayudar a generar confianza y convencer a los usuarios de su utilidad.
La industria agropecuaria en Argentina tiene todo el potencial para dar el salto, pero aún hay desafíos y oportunidades por delante, particularmente en la comunicación efectiva con los diferentes tipos de usuarios y la mejora continua de la calidad de los datos.
