Piloto de mapeo geográfico lanzado en Pakistán

Better Cotton trabaja extensamente en Pakistán, pero tradicionalmente los datos que hemos recopilado sobre agricultores, productores y socios no han sido diseñados para mapear con precisión su ubicación y actividades. Esto ha resultado en ineficiencias en la cadena de suministro y falta de nuevas oportunidades para los involucrados en el sector.

Un nuevo esquema piloto tiene como objetivo mejorar los datos de mapeo y, por lo tanto, racionalizar la programación del país: nos sentamos con Muhammad Qadeer ul Hussnain, Gerente de Agricultura Digital en Better Cotton, para conocer todo al respecto.

¿Puede darnos una descripción general del piloto?

Pakistán tiene uno de los números más grandes de agricultores de todos los países productores de Better Cotton, repartidos en 22 distritos en dos provincias, organizados en más de 125 Unidades de Productores (PU) y administrados por seis socios. A medida que se desarrolló el programa de Better Cotton, surgieron preguntas nuevas y cada vez más complejas.

Históricamente, nos hemos basado en datos tabulares para las respuestas, pero ahora también les estamos agregando una dimensión geográfica. Como resultado, Better Cotton está ejecutando un programa piloto para mapear tres distritos. Como reflejo de los avances en la tecnología de sistemas de información geográfica, sensores remotos y datos terrestres, optamos por recurrir a la cartografía geográfica por primera vez.

El concepto se formuló en diciembre de 2022, los trabajos de mapeo de los distritos en cuestión comenzaron en marzo y el piloto finalizará en julio. Proporciona mapas personalizados de los tres distritos que dan como resultado una representación visual del área de estudio, destacando factores como la ubicación de los productores, desmotadores y socios.

¿Cuáles fueron los orígenes del piloto?

Nuestro equipo de gestión de país de Pakistán quería evaluar mejor el alcance de la organización, poder identificar tendencias cambiantes en el cultivo de algodón y mejorar significativamente la calidad de los datos. Los datos son la base de los programas basados ​​en números, y con diferentes métodos de informes y falta de claridad, queríamos introducir un sistema con controles y equilibrios más sólidos.

Por ejemplo, conocemos los distritos donde los agricultores trabajan con nosotros, pero nos faltan los números exactos y la ubicación de aquellos agricultores que no están asociados con la iniciativa. Como resultado, no pudimos averiguar por qué un agricultor no cae bajo el paraguas de Better Cotton. ¿Están demasiado lejos del socio del programa en el distrito? ¿Son parte de una minoría olvidada? Antes era imposible decirlo.

¿Cómo implementaste el piloto?

Este piloto se basa en gran medida en herramientas, tecnologías y fuentes de datos de código abierto. Usando material disponible públicamente de la Encuesta de Pakistán (SoP), Open Street Map (OSM), la Comisión Electoral y el gobierno local, hemos creado mapas base para ubicar las aldeas donde se forman los Grupos de Aprendizaje (LG).

Para los desmotadores, hemos tomado nuestros datos existentes, como direcciones y ubicaciones, y trazamos estas coordenadas en el mapa. Se empleó un análisis adicional para calcular las distancias entre los LG y los desmotadores. Sobre esto se encuentran las imágenes satelitales, que proporcionan datos de resolución mucho más alta y son buenos para el mapeo de cultivos. Usando un algoritmo que destaca la ubicación de los campos y los datos de referencia durante cinco años, pudimos determinar dónde se cultiva algodón repetidamente.

Cambiar la forma en que medimos y evaluamos nuestro alcance en los tres distritos piloto ha resultado en un tipo de pensamiento diferente. Los datos crean muchas posibilidades nuevas en términos de lo que podemos medir, las preguntas que podemos hacer (particularmente de nuestros socios y sus actividades), así como los posibles beneficios de la cadena de suministro. También tenemos que pensar en cómo realinear los procesos de evaluación.

¿Cuáles son sus hallazgos iniciales?

Los hallazgos aún se están recopilando, pero los primeros indicios son que el proceso de mapeo proporcionará sugerencias valiosas para mejorar la programación por países, la gestión de socios, la evaluación y la valoración. Esto, a su vez, dará como resultado ganancias de eficiencia, rentabilidad y una mejor gestión del programa.

Nuestros nuevos mapas resaltan dónde ha disminuido el cultivo de algodón (y, por lo tanto, la inversión no representa una buena relación calidad-precio) y dónde hay un desajuste en las operaciones de los socios. También ofrece posibles mejoras a la cadena de suministro, por ejemplo, destacando a los productores las ubicaciones de sus desmotadoras más cercanas.

¿Cuáles son los objetivos a largo plazo del piloto?

Este es un pequeño proyecto piloto, pero que puede replicarse a nivel mundial. Hemos ideado una metodología que funciona y nos gustaría ampliarla. Lo que hemos creado es aplicable al resto de Pakistán, mientras que otros países podrían usar un enfoque similar.

Planeamos desarrollar un atlas de Better Cotton, mapeando áreas de trabajo con socios del programa, productores y desmotadoras. A su vez, esto resaltará la escala y el alcance reales de nuestras operaciones, al mismo tiempo que ofrecerá oportunidades nuevas y mejoradas a los socios y ayudará a mejorar la coordinación de la cadena de suministro.

Compartir