Tecnologia  agrícola:  present  i  futur  Lleida_27_09_19  

Índex  

1.  Principals  reptes  en  agricultura  2.  Situació  Agritech  actual    3.  El  paper  de  les  dades  dins  l’Agritech  

4.  El  futur  Agritech:  solucions  basades  amb  dades  

5.  Conclusions  

2  

Incrementar  la  producció  Reptes  globals  en  agricultura  

Font:  www.worldgovernmentsummit.org    

3  

Produir  de  manera  sostenible  Reptes  globals  en  agricultura  

Font:  www.worldgovernmentsummit.org    

4  

Reduir  el  malbaratament  alimentari  Reptes  globals  en  agricultura  

Font:  www.worldgovernmentsummit.org    

5  

Canviar  hàbits  alimentaris?  Reptes  globals  en  agricultura  

Font:  www.esagua.es  

6  

Eines:  Coneixement  i  tecnologia  Eines  per  afrontar  el  repte  

7  

Situació  actual  Agritech  

La  inversió  a  nivell  mundial  s’ha  mulSplicat  per  5  en  els  darrers  8  anys  01  

En  procés  de  millora  de  fiabilitat  i  escalabilitat  de  solucions  02  

03   Atomització  de  proveïdors  amb  solucions  específiques  i  poc  integrades  

Sector  en  maduració  

8  

Les dades dins l’Agritech De  la  digitalització  fins  al  Big  Data  

Registrar  dades  

Agregar  

Analitzar  

Prescripció  

EINES  DE  SUPORT  DECISSIÓ  Big  Data  i  Models  de  Predicció    

EINES  d’ANALÍTICA  Farm  Management  +  ERP  +  BI  +  Eines  Soc  específics  (eFoodPrint  ENV,  Reg,  Plagues,  etc...)  

INTEGRACIÓ  API’S:  Farm  Management  +  ERP  

DIGITALITZACIÓ  Excel,  Hesperides,  AgropSma,  Agrícolum...  

9  

Exemples de solucions: AnalíSca  de  collita  A  

10  

Estacions  meteorològiques  virtuals  

Amb  històric  i  previsió  a  7  dies  de  la  principals  variables  hiperlocalitzades  per  parcel·∙la.    Amb  alertes  automàSques  per  email.  

11  

Models  de  predicció  de  malalSes  Monilia  

Risc  de  monilia  amb  7  dies  d'antelació    Amb  enviament  d'alertes  automàSques  per  email  

12  

Models  de  predicció  de  maduració  

13  

Volum  de  producció  i  data  de  collita  integrant  històrics,  mostrejos,  bancs  de  dades  meteorològics  i  altres  fonts  com  imatges  per  satèl·∙lit.  

Models  de  predicció  de  volum  

14  

Reconeixement  facial  a  camp  Projecte  amb  Juve  &  Camps,  Adecco,  Eurecat  y  Innovi  

15  

Conclusions (I)  

El  sector  agrícola  és  probablement  el  sector  més  complicat  per  la  incertesa  que  generen  les  variables  meteorològiques.  

01  

L’oferta  de  solucions  Agritech  està  madurant,  però  encara  hi  ha  molta  dispersió  d’oferta  i  de  proveïdors.  

03  

La  digitalització  de  les  dades  es  una  obligació  i  un  patrimoni.  No  digitalitzar  la  informació  es  perdre  temps  i  diners.    

02  

16  

Conclusions (II)  

Opendata  i  els  bans  de  dades  aporten  molt  valor  per  al  sector  agrícola.  La  tecnologia  es  necessària  per  a  processar  i  digerir  la  informació.    

04  

Big  Data  integra  dades  de  múlSples  fonts  per  ajudar  als  tècnics  a  millorar  decisions  estratègiques  i  críSques  econòmicament.  

06  

La  tecnologia  ajuda  a  reduir  incertesa,  agilitzar  processos  i  millorar  resultats  econòmics.  Els  que  innoven  prenen  risc  però  son  els  que  primer  se'n  beneficien.  

05  

17  

Moltes  gràcies!      

Més  informació  a  efoodprint.com  i  rawdata.es