La Ciencia de Datos en el Agro: ¿Por dónde comenzar?

Todo se digitaliza y el sector agropecuario no es la excepción. Crece la tendencia de incorporar monitores y sensores en los procesos agropecuarios para ajustar la aplicación de insumos y controlar el funcionamiento de forma remota. 

Ahora el productor agropecuario no sólo produce carne, leche o cosecha granos. Hoy también cosecha datos que tienen valor para su negocio, siempre y cuando los sepa utilizar. 

El aumento en la cantidad y disponibilidad de datos llevó a la necesidad de nuevas formas de gestionarlos y aprovecharlos, lo que se denomina Ciencia de Datos, una disciplina basada en la metodología estadística y en las ciencias de la computación. De esta manera, surgieron diferentes líneas de trabajo, tales como el aprendizaje automático (machine learning), la minería de datos (data mining) y la inteligencia artificial. 

Algunos de estos conceptos pueden parecer de ciencia ficción, pero la verdad es que se trata de herramientas que ya se encuentran en uso y están disponibles para los productores.  

No obstante, es importante comprender que la calidad de la información será tan buena como los datos que la generan, algo que los estadísticos denominan con la sigla G.I.G.O. “garbage in, garbage out” (si entra basura, sale basura). Por lo tanto, es responsabilidad del productor evaluar la forma en que se han generado estos datos de manera automática (con los sensores y monitores) y de establecer los mecanismos de registro adecuados en aquellos casos en que los datos se generan de forma manual. 

En este escenario resulta fundamental que quienes se desempeñan en la actividad agropecuaria adquieran las competencias necesarias para gestionar la información de manera integral, desde la definición de qué es importante medir y para qué, hasta las reglas de decisión que se utilizarán para mejorar la actividad, pasando por el registro y el procesamiento de los datos. 

Se trata, como todo aprendizaje, de un proceso gradual y evolutivo que comienza con el cambio de paradigma y la sensibilización sobre la importancia de contar con información para la toma de decisiones, de comprender que gestionar implica tomar decisiones y éstas requieren de información: 

El potencial de aplicación de la Ciencia de Datos en el sector agropecuario es enorme y, al igual que en otras actividades, se ve favorecido por el acceso a datos masivos y por la mayor eficiencia en el poder de cómputo con el que contamos en la actualidad.  

El camino por recorrer está lleno de oportunidades de aplicación; en este sentido cabe mencionar como ejemplos algunos trabajos que está desarrollando el Instituto Nacional de Tecnología Agropecuaria (INTA):  

• El uso de sensores remotos que generan información sobre variables de interés agroclimático para generar modelos de rendimiento y para el seguimiento de emergencias agropecuarias; 
• Modelos de deep learning (aprendizaje profundo) para generar nuevos métodos de medición, más sencillos a campo, manteniendo la calidad del dato registrado. 

El desafío que se presenta a los productores y profesionales del agro es iniciar este camino para explotar las oportunidades que ofrece la Ciencia de Datos, y avanzar hacia una gestión eficiente de la actividad.  

---

Sobre el autor