Pochi metri quadrati di terreno tra le abitazioni possono determinare che cosa mangerà una famiglia e, quando il raccolto supera il fabbisogno domestico, diventare una piccola fonte di reddito. Succede nei villaggi e negli insediamenti informali della Culla dell’umanità, a nord-ovest di Johannesburg. Qui dataDecisions.ai, società specializzata in data science e analytics, e The Dream, movimento nato in Africa che costruisce percorsi di inclusione economica collegando comunità, finanza, infrastrutture e mercati, hanno coinvolto SAS in un progetto per mettere gli analytics a disposizione dei microagricoltori.
L’area prende il nome dalla sua eccezionale ricchezza di reperti paleoantropologici. Inserita nel 1999 fra i patrimoni mondiali dell’UNESCO, si estende per circa 47.000 ettari. È però anche un territorio nel quale numerose famiglie coltivano piccoli appezzamenti vicino alle proprie abitazioni, affrontando scarsità d’acqua, terreni difficili, lavoro prevalentemente manuale e un accesso limitato a tecnologie, finanziamenti e mercati.
Prevedere il raccolto prima della semina
Per questi produttori, scegliere una coltura significa impegnare per mesi una parte rilevante del terreno, dell’acqua e del lavoro disponibili. Una resa inferiore alle attese, un ciclo di maturazione troppo lungo o una diminuzione dei prezzi possono quindi compromettere non soltanto il ricavo, ma anche l’approvvigionamento alimentare della famiglia.
Le aziende agricole strutturate possono prendere queste decisioni usando sensori, serie storiche, previsioni meteorologiche e sistemi per monitorare il terreno e le coltivazioni. I microagricoltori della regione si affidano invece soprattutto all’esperienza personale e alle conoscenze tramandate nella comunità, senza strumenti per stimare in anticipo la quantità che potranno raccogliere o il suo valore commerciale.
Il progetto utilizza gli analytics proprio per ridurre questa incertezza. SAS e i partner hanno messo in relazione le rese registrate nelle diverse stagioni, la durata dei cicli di crescita e i prezzi disponibili al momento della vendita. L’analisi permette così di stimare quali colture abbiano maggiori probabilità di offrire un risultato sostenibile, quando sia opportuno piantarle e in quali quantità.
Non si tratta soltanto di individuare la pianta che produce di più. Una coltura con una resa elevata può risultare poco conveniente se richiede molto tempo, consuma risorse scarse o raggiunge il mercato quando i prezzi sono sfavorevoli. Al contrario, un raccolto più contenuto ma prevedibile, rapido da ottenere e facilmente vendibile può rappresentare una scelta più sicura.
“La sicurezza alimentare non può essere garantita soltanto dall’agricoltura commerciale. Se vogliamo davvero costruire un sistema alimentare più resiliente, i microagricoltori devono essere considerati componenti essenziali dell’economia formale, non un elemento secondario”, afferma Hadley Christoffels, fondatore di dataDecisions.ai. “Producono cibo proprio dove la fame è più immediata, ma troppo spesso lo fanno senza i dati, gli insight e il supporto decisionale necessari per valorizzare ogni risorsa”.
Dalle serie storiche alle decisioni sul campo
L’analisi stagionale ha mostrato che le rese non cambiano soltanto da una coltura all’altra, ma anche in base al periodo dell’anno e alla durata del ciclo produttivo. Spinaci, carote e zucche, per esempio, hanno generato i ritorni economici più interessanti grazie alla combinazione fra volumi raccolti e prezzi di vendita. I cicli compresi fra 100 e 150 giorni sono stati invece associati a una maggiore variabilità.
Questi risultati non servono a compilare una classifica generale degli ortaggi. Alimentano piuttosto analisi capaci di confrontare scenari diversi: quale risultato è plausibile seminando in una determinata stagione, per quanto tempo rimarranno impegnati terreno e lavoro, quale oscillazione della resa è ragionevole attendersi e quanto potrebbe valere il prodotto al momento del raccolto.
Le previsioni possono aiutare gli agricoltori a distribuire meglio le risorse fra colture più stabili e produzioni potenzialmente redditizie ma più rischiose. Possono inoltre segnalare quando un ciclo di crescita troppo lungo aumenta l’esposizione alle condizioni meteorologiche, alla disponibilità d’acqua e alle variazioni dei prezzi.
Il sistema non sostituisce le competenze locali. Le integra con informazioni quantitative che sarebbero difficili da ricavare osservando una singola stagione o un solo appezzamento. L’esperienza dell’agricoltore rimane necessaria per interpretare le condizioni del terreno e gli eventi che i dati storici non possono anticipare.
Analytics anche senza sensori costosi
L’iniziativa mostra che un primo livello di agricoltura predittiva non richiede necessariamente sensori IoT installati in ogni campo. Informazioni già disponibili su raccolti, stagionalità, tempi di maturazione e prezzi possono fornire indicazioni utili anche in contesti con infrastrutture digitali limitate.
Questo rende l’approccio più accessibile e permette ai microagricoltori di confrontare colture e scenari produttivi, riducendo l’incertezza nella pianificazione e orientando meglio l’impiego di acqua, terreno e lavoro. Gli analytics diventano così uno strumento per valorizzare l’esperienza degli agricoltori attraverso previsioni più precise, senza sostituire la conoscenza maturata sul campo.
Collegare la produzione al mercato
Prevedere il raccolto risolve soltanto una parte del problema. I microagricoltori devono anche trovare acquirenti, conoscere i prezzi e riuscire a trasportare o conservare prodotti facilmente deperibili. La mancanza di infrastrutture commerciali può trasformare anche una buona annata in una perdita.
A livello globale, il 13,3% degli alimenti viene perso fra la raccolta e la vendita al dettaglio. Nell’Africa subsahariana la quota raggiunge il 23%, soprattutto per le carenze nelle infrastrutture e nelle catene di approvvigionamento, secondo i dati sulle perdite alimentari della FAO.
Integrare le previsioni sulle rese con i prezzi di mercato consente di avvicinare la pianificazione agricola alla domanda reale. Sapere in anticipo quando un prodotto sarà disponibile e in quale quantità può aiutare a individuare i compratori, coordinare diversi piccoli produttori e organizzare la vendita prima che il raccolto deperisca.
“Quando guardo i coltivatori degli insediamenti informali, non vedo un problema da risolvere: vedo capacità in attesa di un percorso equo”, osserva Steve Monty, fondatore di The Dream.
Il valore degli analytics, in questo caso, non risiede nel suggerire semplicemente quali ortaggi coltivare. Consiste nel trasformare dati frammentari in previsioni utilizzabili, affinché ogni decisione tenga conto contemporaneamente di resa, tempo, rischio e valore commerciale. Per comunità nelle quali il raccolto incide direttamente sull’alimentazione e sul reddito familiare, ridurre l’incertezza significa aumentare la possibilità che il lavoro investito produca un risultato concreto.
