En una interesante presentación en la MJBizCon 2024, el Dr. Jason Matlock, científico de datos de Fluence, abordó uno de los retos más acuciantes del sector del cannabis: cómo utilizar los datos de forma eficaz para mejorar las operaciones de cultivo sin verse abrumado por la complejidad. A medida que el sector del cannabis sigue mercantilizándose y los márgenes de beneficio se reducen, la capacidad de tomar decisiones basadas en datos se ha vuelto cada vez más crucial para el éxito.
«La clave aquí es reconocer que recopilar datos no es lo mismo que obtener información útil», subraya Matlock. «Hay muchas empresas que recopilan datos y se están ahogando en ellos. Tienen todo tipo de registros, pero no están aprendiendo nada de ese material».
La ciencia de datos en el cultivo de cannabis
Matlock cuestiona la idea errónea de que la ciencia de datos requiere complejos sistemas de inteligencia artificial o redes neuronales. En su lugar, presenta la ciencia de datos como un proceso accesible que comienza con la formulación de las preguntas adecuadas. Las herramientas de visualización sencillas, como los diagramas de caja y los gráficos lineales, a menudo pueden aportar información muy valiosa si se utilizan de forma estratégica.
Tipos de análisis de datos
La presentación describe dos tipos fundamentales de análisis de datos en el cultivo:
- Investigación: Se centra en hechos o resultados concretos y trata de entender por qué ha sucedido algo para repetir el éxito o evitar los fracasos.
- Supervisión de procesos: Se centra en garantizar la ejecución coherente de las mejores prácticas conocidas
Casos prácticos de análisis de datos sobre el cannabis
Para demostrar cómo se pueden aplicar de forma eficaz los principios de la ciencia de datos en el cultivo de cannabis, el Dr. Matlock presentó dos casos prácticos muy interesantes. Estos ejemplos muestran tanto el análisis investigativo como la supervisión de procesos en situaciones reales, e ilustran cómo la recopilación y el análisis sistemáticos de datos pueden resolver retos complejos en el cultivo. El primer caso práctico examina un problema de gestión de la temperatura que pone en tela de juicio las suposiciones habituales, mientras que el segundo explora enfoques innovadores para estandarizar las prácticas de defoliación. Ambos casos ponen de relieve el valor práctico de la toma de decisiones basada en datos en el cultivo moderno de cannabis.
Caso práctico 1: Investigación sobre la gestión del calor
Para ilustrar estos conceptos, Matlock compartió un ejemplo práctico relacionado con la queja de un cliente, quien afirmaba que las luminarias Fluence generaban un calor excesivo en su invernadero. Mediante un análisis sistemático de los datos utilizando sencillos diagramas de caja, el equipo descubrió que la ubicación de la sala y el aislamiento, y no las luminarias, eran los responsables de las diferencias de temperatura. Este caso práctico demostró cómo plantear las preguntas adecuadas y seguir un enfoque metódico puede revelar perspectivas y soluciones inesperadas.
Caso práctico 2: Supervisión del proceso de defoliación
El segundo ejemplo se centró en la supervisión de los procesos en las prácticas de defoliación, una tarea de cultivo fundamental pero que requiere mucha mano de obra. «¿Cómo sabemos si la defoliación está estandarizada y bajo control?», pregunta Matlock. «Si es tan importante y estamos invirtiendo tanto en ello, ¿por qué no sabemos de forma objetiva si estamos logrando estandarizar esta práctica con éxito?»
Presentó dos posibles métodos de medición:
- Control de la penetración de la luz en el dosel inferior
- Utilización de imágenes automatizadas para contar yemas visibles
La elección entre estos métodos depende de la escala y los recursos de la operación, lo que ilustra cómo las soluciones de ciencia de datos pueden adaptarse a distintos entornos de cultivo.
Proceso de aplicación
La presentación esbozó un proceso claro para implantar la ciencia de datos en el cultivo:
- Empezar con preguntas específicas y críticas para la empresa
- Aplicar la comprensión del sistema para identificar las métricas pertinentes
- Desarrollar métodos adecuados de recogida de datos
- Procesar datos para resaltar patrones significativos
- Analizar los resultados y tomar medidas
- Repetir el ciclo para medir el impacto
Conclusión
«En esencia, la ciencia de datos está pensada para ser accesible y empoderadora», concluye Matlock. «Empieza por lo sencillo, formula preguntas bien pensadas, toma medidas para evaluar y perfeccionar lo que más importa, y tendrás éxito. Siempre puedes seguir avanzando a partir de ahí, pero si no empiezas por ahí, es casi seguro que te perderás».
La presentación demostró de forma eficaz que la ciencia de datos aplicada al cultivo de cannabis no requiere títulos de posgrado ni sistemas complejos. Por el contrario, exige un enfoque metódico a la hora de plantear y responder preguntas que influyen directamente en el éxito empresarial. Siguiendo este proceso sistemático y partiendo de indicadores sencillos y específicos, los cultivadores de cualquier tamaño pueden empezar a aprovechar los datos para mejorar sus operaciones y sus resultados económicos.
Este enfoque práctico de la ciencia de datos ofrece a los cultivadores de cannabis una vía clara a seguir en un mercado cada vez más competitivo, en el que la eficiencia y la consistencia son fundamentales para el éxito. El énfasis en la accesibilidad y la intencionalidad supone un contrapunto refrescante al mundo, a menudo abrumador, del big data y la inteligencia artificial, lo que hace que la toma de decisiones basada en datos sea factible para operaciones de cualquier tamaño.
Sobre el autor
El Dr. Jason Matlock cuenta con más de 10 años de experiencia en el sector del cannabis, que abarca el cultivo a escala comercial, el diseño y la construcción de instalaciones, y el asesoramiento en desarrollo empresarial. Destaca por su capacidad para integrar y equilibrar los aspectos económicos, logísticos y hortícolas a la hora de abordar los retos operativos. El Dr. Matlock cuenta con un historial probado de éxitos en el diseño y la realización de ensayos de investigación en explotaciones agrícolas con la participación de los propios cultivadores, y es experto en la realización de análisis estadísticos de conjuntos de datos biológicos y en la presentación de los resultados en formatos fáciles de interpretar.
