Servicios Big Data adaptados a cada necesidad

Agricultores de datos

Nuestra misión

Trabajar de manera activa en el proceso de transformación digitaldel sector para ayudar a todos los agricultores y empresarios delsector agroalimentario a aumentar de manera sostenible suproductividad con información valiosa para la toma de decisiones através de soluciones tecnológicas.

Nuestra visión

Centralizar toda la información generada en la explotaciónagrícola y en la cadena agroalimentaria, identificando factoresrelevantes y analizando sus correlaciones, automatizando losprocesos de análisis de datos con objeto de poder identificar ypredecir las condiciones óptimas de producción, planificación derecursos y operaciones, prediciendo riesgos, necesidades delcultivo, producción y calidad.

Quienes somos

bynse es una joint venture de la empresa de Big Data cubenube yDesarrollo Informatico SA (Grupo ACS).Somos especialistas desde 2012 en desarrollar sistemas deinformación y análisis de datos con tecnología Big Data, MachineLearning, Cloud y sensorización para el sector agroalimentario.

2

Nuestras soluciones

Digital Crop Care es un servicio digital paraayudar al agricultor a tomar mejoresdecisiones sobre las necesidades actuales yfuturas de sus cultivos a nivel de riego ysanidad vegetal, en base a la captación yprocesamiento avanzado de datos agro-meteorológicos y observaciones en campo.

3

bynse big data es un servicio de información amedida mediante análisis de datospersonalizado con aprendizaje y soporteespecializado.

bynse Smart Pivot es una solución paratelecontrolar y gestionar pivots de formasencilla e inteligente desde cualquierdispositivo con acceso a Internet.

Servicios diseñados para ayudar a las empresas en la centralización, análisis y modelización de informaciónvaliosa para mejorar la gestión de los datos y la toma de decisiones.

Servicio de modelización:predicción de producción y calidad personalizada

Provee de predicciones de producción y calidad anivel de finca con menor error y con mayor horizontede tiempo que las técnicas actuales.

Proyectos de integración y análisis de datos amedida

Permiten:● Centralizar tus datos en un único lago.● Analizar de forma agregada información.● Adaptar las consultas a tus requerimientos.● Utilizar nuestros algoritmos obteniendo la

capacidad de modelar la informaciónmatemáticamente.

● Visualizar y consumir la información de lamanera que más se adapte a tusrequerimientos.

5

Servicio de modelizaciónPredicciones de producción y calidad adaptada a cada necesidad

Predicción [7,6º/100gr]25/09/2016 [8,2º/100gr]

Predicción [54%]27/09/2016 [52%]

Predicción [7,8º/100gr]23/09/2016 [8,4º/100gr]

Modelos de predicción de producción

Desarrollo de modelos personalizados a nivel de finca, basadosen datos históricos y en tiempo real de la monitorización delcultivo y del clima (sensores), labores / tareas / actuaciones(cuaderno de campo), caracterización de suelos, sistemas decultivos, datos remotos (teledetección), etc.

Plataforma big data bynse y servicio de datos

bynse proporciona su sistema online donde se computan losdatos de los modelos de predicción y se pone a disposición delos técnicos de producción, comerciales y gerentes lainformación de producción y las previsiones, además de lainformación sobre el estado del cultivo, labores y tareas.

Permite la integración de los sistemas informáticos ya existentespara la obtención de datos, así como el soporte y servicio demejora continua que incluye el análisis post-campaña para lamejora de los modelos.

Elementos del servicio de modelización

7

¿Cómo

Limpieza y preparación de los datos

I

Análisis de correlaciones

II

Entrenamiento del modelo

III

Recopilamos y preparamos (limpieza, validación) todo el histórico de datos de las fincas objetivo, sin importar los formatos, tanto meteorológicos como

agronómicos, de labores (cuaderno de campo, etc.) y de resultados (producción, cosecha,

postcosecha, etc.)

Analizamos las correlaciones entre parámetros y las variables objetivo. Desarrollamos modelos con

diferentes matemáticas -redes neuronales, ecuaciones de regresión, árboles de decisión,

machine learning, etc.

Los modelos desarrollados se someten a pruebas para analizar su validez y grado de

acierto

La modelización orientada a Producción tiene como objetivo:

● Predecir la cosecha estimada por finca.● Estimar la fecha óptima de recolección (en función de la

producción) por finca.

La modelización orientada a Calidad tiene como objetivo:

● Predecir la calidad de la cosecha por finca.● Estimar la fecha óptima de recolección (en función de la

calidad) por finca.● Predecir la cosecha estimada por finca.

Modelos de predicción de producción

8

Test de modelo

IV

Mejora

V

Para testar los modelos los ejecutamos con los datos de

la campaña anterior.

Cada campaña, el equipo especialista de bynse mejora los modelos analizando lo ocurrido durante la campaña, junto

con los técnicos de nuestros clientes

El Servicio Estándar incluye:- Acceso a la plataforma bynsecloud donde se visualizan todos los datos y las predicciones. -Informe de correlaciones -1 Reunión técnica anual -Informe de posibles mejoras modelos, -Re-modelaje con los datos de la última campaña, -Mejoras en herramienta de visualización.

Complementos del servicio Premium: Nuevos orígenes de datos: - Ortofotos satelitales -Vuelos drones

Incluimos la entrega de informes de correlaciones de variables(positivas y negativas) sobre la producción en función del tiempo(estados de desarrollo fenológico).Todos los modelos desarrollados son propiedad del cliente.

Plataforma big data bynse y servicio de datos

9

trabajamos ?

Tus datos recolectados y relacionados

bynse interpreta y relaciona las diferentes capas de datos con información fija (suelos, variedad, marco plantación), puntual (ortofotografías,observaciones en campo, tratamientos y manejo) y continua (datos climáticos) que a su vez inciden en la variable objetivo (producción, calidad),para generar los modelos predictivos personalizados por finca.

Ortofotografías e índices (del procesado de las imágenes)

Observaciones en campo, muestreos, tratamientos, manejo, análisis de suelo, foliares, etc.

Datos de suelo, variedad, marco plantación, etc.

Datos climáticos, predicciones meteorológicas, etc.

Predicción de cosecha.

Predicción de calidad.

Estimación de fecha óptimade recolección (segúnproducción y calidad).

Variables de entrada Variables objetivo

Ahora tus datos trabajan para ti

10

El análisis de correlaciones: estudio de las varianzas entre

parámetros; nos permite priorizar las relaciones y seleccionar las variables

fundamentales a incluir en el modelo.

Utilizamos diversas técnicas de modelización desde machine

learning, hasta redes neuronales, regresión, clasificación, etc, que

nos permiten determinar la relación entre las variables y

nuestra variable objetivo (lo que queremos predecir).

Los modelos, ejecutados con los datos de campaña,

pueden ofrecernos horizontes de resultados

según distintos escenarios: optimista, probable y

pesimista.

Al final de campaña se analizan las predicciones

realizadas con los resultados reales para observar la

precisión lograda y mejorarla en las siguientes

campañas.

Los modelos son entrenados con datos históricos. Cuanta mayor cantidad de datos y calidad de los mismos, mejor porcentaje de acierto seobtiene. La cantidad de datos requerida para lograr una alta precisión debe crecer proporcionalmente al número de parámetros (variables)contempladas en el estudio.

Mediante nuestras capacidades de análisis

11

Tus necesidades satisfechas

★ Manejo de rendimiento. orientación a lacalidad o a producción

★ Planificación más precisa de gestión,labores y recolección

★ Planificación más precisa de recursos

★ Mejora en la capacidad de gestión destock, y logística

★ Negociar con proveedores de insumosy recursos con más tiempo

★ Mejora en la capacidad de negociaciónde precios

★ Mejora en las estrategias de marketingy comercialización

★ Realizar el seguimiento delpresupuesto de producción con mástiempo

★ Gestión de operaciones financieras enbase a las previsiones de producción ocalidad (prestamos, avales, líneas detesorería, etc.)

12

Gestión operativa Gestión comercial Gestión financiera

Cultivos Variables Horizonte

Tomateproducción (kg/ha/finca)

calibre (mm)índice de coloración

Predicciones semanales durante campaña, con 3 semanas de anticipación

Viñedo

producción (kg/ha/finca)grado alcohólico (%vol/vol), contenido de azúcares (g/l)

fecha de cosecha

Predicciones a fin de campaña, con actualizaciones quincenales

Olivarproducción (kg/ha/finca)

grado de acidez (%), índice de peróxidos (mEq O2/Kg)

Predicciones a fin de campaña, con actualizaciones quincenales

Remolachaproducción (tn/ha/finca)

calidad del jarabe (%)Predicciones a fin de campaña, con

actualizaciones quincenales

Berries: Frambuesa, fresa, arándano

producción (kg/ha/finca)calibre (mm)

colorPredicciones semanales durante campaña,

con 3 semanas de anticipación

*Ejemplos para diferentes cultivos.El servicio de modelización de bynse bd es aplicable a cualquier cultivo siempre y cuando existan datos históricos suficientes.

Unidades y frecuencia de predicción

13

Proyectos de digitalización a medidaCentralizar para analizar y tomar mejores decisiones

14

Centralizar para analizar y tomar mejores decisiones

En el mundo de la toma de decisiones en base a información es de vital importancia tener herramientas que nos faciliten el trabajo con datos.Nuestros proyectos a medida facilitan el trabajo con datos masivos (Big Data) en el ámbito agroalimentario.

Las bases de datos (BBDD) suelen ser muy heterogéneas, tanto en tipo como en origen, por lo que un primer trabajo suele requerir centralizar yhomogeneizar estos datos para poder trabajar con ellos.

Una vez los datos son centralizados, el trabajo de análisis es más sencillo, si se posee la herramienta de análisis adecuada, así como lacapacidad de modelar (en sentido matemático).

El consumo de la información se simplifica a su vez mediante la herramienta de visualización adaptada a los requisitos particulares de cadacliente.

Gracias a estos proyectos se obtiene gran potencial al unir diferentes datasets en un único lago de datos y mediante las herramientasanaliticas,las empresas agroalimentarias pueden analizar la información (ya agregada) logrando nuevos insights y creando valor para la toma dedecisiones.

Centralización Herramientas de análisis Modelización Visualización a medida

*Los proyectos a medida se adaptan a las necesidades del cliente, pudiendo abarcar todas el proceso o limitarse a alguno de ellos

15

Centralización

Cada negocio necesita de información, como base parauna gestión eficaz. Y la información se genera y almacenaen tiempo y formato independientemente.

bynse se ocupa de la captación y almacenamiento decada orígen de datos: sensores agrícolas e industriales,apps, imágenes, estaciones meteorológicas, sistemas deriego, maquinaria, instalaciones, datos de sistemasinformáticos, reportes, documentos legales, laboratorios,predicciones meteorológicas, imágenes de satélites ydrones, observaciones en campo…

Un lugar común (lago) donde almacenar y relacionar todoslos datos puede suponer el salto cualitativo para unagestión moderna.

16

Toda la información ordenada y accesible

★ Reduce tus costes dealmacenamiento deinformación.

★ Optimiza la captaciónde información: tiempoy recursos dedicados.

★ Garantiza la calidad delos datos almacenados:reduciendo errores.

★ Logra la trazabilidad detus datos.

Herramientas de análisis

17

Analizar y lograr el paso de datos brutos a informaciónvaliosa es una de la ventajas de la digitalización. Estosanálisis son posibles gracias a las herramientas deBusiness Intelligence.

El uso de este tipo de herramientas permiten una mejorcomprensión del significado de los datos brutos y laadecuada agregación para poder tomar la decisiónconveniente.

bynse implementa sistemas sencillos y manejables pararealizar consultas, filtros, y análisis (con mayor y menorcomplejidad) personalizados de tus datos, que permitanuna más eficaz toma de decisiones.

★ Facilita y mejora tu capacidad de toma de decisiones. Datadriven, decision making.

★ Optimiza el consumo de la información: reduciendo eltiempo dedicado.

★ Pon en contexto tus datos. ★ Entiende mejor tus procesos.

Modelización

Un modelo matemático trata de representar patrones presentes en larealidad, de forma ajustada y veraz.

La calidad de los modelos depende de la precisión con la que seelabore, la fidelidad con la que se especifiquen hechos y cómo serelacionan variables entre sí.

El departamento de data science de bynse desarrolla modelos quetrabajan para diagnosticar y predecir la información clave para laempresa agroalimentaria, con el objetivo de ser un apoyo fiable en latoma de decisiones..

18

★ Identifica las correlacionesentre datos relevantes para lasdecisiones.

★ Predice y mejora en la tomade decisiones.

★ Aumenta tu capacidad denegociación sobre clientes yproveedores.

★ Mejora tus estrategias demarketing y comercialización.

Visualización a medida

★ Accede a la información según diferentes perfiles deseguridad.

★ Realiza búsquedas personalizables a nivel de usuario(gráficos, tablas, mapas…).

★ Trabaja con mayor facilidad con tus datos enmultiplataforma.

★ Encuentra la interfaz de usuario más intuitiva.

19

Una adecuada visualización de información permitetrabajar de una manera más sencilla para el analista ytomador de decisiones.

bynse ofrece la posibilidad de desarrollar visualizaciones amedida que satisfagan los requerimientos específicos decada usuario: según las capacidades (filtrados, seriestemporales…), formas, necesidades de seguridad,personalización y plataformas (web, apps) que cada unonecesite.

bynse C/ Pradillo 50, 28002, Madrid, España. info@bynse.com | www.bynse.com | @bynse | +34 91 830 58 83

Agricultores de datos