Circulaire Data

Inleiding

Voor het monitoren van bodem- en gewas kwaliteit en diergezondheid zijn diverse data beschikbaar; van analyses tot observaties. Het ontbreekt een veehouder simpelweg aan tijd om al deze data te bundelen en vervolgens te gebruiken voor bedrijfsvoering en -plannen. Daarnaast is het lastig om uit al deze data te bepalen welke data interessant is om beslissingen op te baseren die ook nog bij de bedrijfsvoering past van de boer.  Op dit moment zijn er al veel datasystemen op de markt. Nadeel van deze systemen is dat de data niet de samenhang tussen bodem, gewas en diergezondheid weergeeft. Daarnaast zijn deze systemen vaak erg complex waardoor hulp bij interpretatie van een expert of adviseur nodig is.

Tijdens deze proeftuin is in kaart gebracht wat de bedrijfsdoelen zijn van de verschillende deelnemende veehouders en welke data er verzameld wordt op deze bedrijven. Vervolgens is deze data verzameld en overzichtelijk weergegeven in een dashboard. Dit eerste jaar van de proeftuin kan gezien worden als een eerste (pilot) fase welke onderdeel is van een meerjarig project.

Doel van de pilot

Het doel van de proeftuin is om veehouders te ondersteunen bij de interpretatie en inzet van de datastromen die reeds op het bedrijf worden verkregen; als het gaat om bodemkwaliteit, gewas kwaliteit en diergezondheid/dierenwelzijn. Door deze data te verwerven, te verwerken en overzichtelijk aan te bieden middels een dashboard en Kritisch Prestatie Indicatoren (KPI’s), krijgt de veehouder inzicht in zijn of haar mineralenkringloop en kunnen handvatten worden.

Algemene toegepaste methoden

Er wordt al veel data verzameld op een melkveebedrijf. Door de grote hoeveelheden data en de vele systemen die deze data verzamelen, is er bij de gemiddelde boer een gebrek aan inzicht. Dit leidt niet tot een werkbare situatie voor de boeren. Daarnaast wordt data veelal gebruikt door adviseurs van grote ketenpartijen, die de data gebruiken voor hun eigen advies. Echter is dit advies voor een boer niet onafhankelijk te verifiëren door dat gebrek aan inzicht in zijn/haar eigen data. Veel verzamelde data verdwijnen in een map in de kast. Door de verschillende systemen is er ook gebrek aan samenhang tussen de verschillende datastromen en daardoor in de samenhang tussen bodem, gewas en dier. Verder is het lastig om vanuit deze verschillende systemen data te ontsluiten en te bundelen in één dashboard.

De hoofdvraag van deze proeftuin: Hoe kunnen op zichzelf staande systemen met elkaar worden gecombineerd, geïntegreerd en alle verzamelde data worden geëvalueerd?

Tijdens de proeftuin hebbend de volgende activiteiten plaats gevonden:

• Literatuuronderzoek: Dit literatuuronderzoek had als doel om tot een top 5 overzicht van KPI’s te komen en welke handelingsperspectieven er uit deze KPI’s gekoppeld kunnen worden.
• Werven van deelnemers. Doel van deze activiteit was om voldoende deelnemers in de proeftuin te krijgen. Er werd ingezet op 5-10 deelnemende veehouders.
• Individuele interviews: Het doel van deze interviews was om van elke deelnemer
• inzichtelijk te krijgen hoe zijn/haar bedrijfsvoering eruitziet, welke doelen hij/zij heeft en welke data er verzameld wordt.
• 3 gezamenlijke bijeenkomsten Er zijn 3 bijeenkomsten georganiseerd in deze proeftuin.
  • Eerste bijeenkomst: Tijdens deze bijeenkomst wordt met de groep vastgesteld welke parameters belangrijk zijn om mee te nemen in het te ontwikkelen dashboard.
  • Tweede bijeenkomst: Eerste presentatie en feedback moment op het ontwikkelde dashboard.
  • Derde bijeenkomst: Presentatie van de pilot versie va het dashboard.
• 2 workshops over het uitvoeren van een bodemconditiescore: Er zijn 2 workshops gegeven om additionele data te verzamelen op het gebied van bodem op de verschillende bedrijven. Deze workshops hadden als doel om de deelnemers zelfstandig een profielkuil te kunnen laten graven en een bodemconditiescore uit te laten voeren.
• Ontwikkeling dashboard. Naast deze activiteiten is er regelmatig overleg geweest tussen Farm Result en VKON over de invulling/ontwikkeling van het dashboard en de parameters. Hierbij is ook een van de deelnemers regelmatig betrokken geweest. Daarnaast is er voor de onderbouwing van de parameters in het dashboard overleg geweest met bodem- en voerspecialist en, een dierengezondheidscoach.

Resultaten 

• Een proeftuin met 8 aangesloten melkveehouders. Voor het werven van deelnemers zijn verschillende (sociale media) kanalen gebruikt. Uiteindelijk hebben 8 melkveehouders zich aangemeld.
• Een overzicht met bijpassende referentiewaarden verwerven om data te verwerken. Hiervoor is er door VKON  een literatuuronderzoek uitgevoerd. Daarnaast zijn er enkele experts op het gebied van bodem, gewas en diergezondheid bij de proeftuin betrokken, namelijk René Jochems (groeibalans B.V.), Karel Kennes (Loonbedrijf De Schalm) en Bernard Simons (Boeren gezondheidscoach). Deze experts hebben input geleverd op het gebied van het selecteren van de juiste parameters met bijpassende referentiewaarde en welke handelingsperspectieven er aan deze parameters gekoppeld moesten worden.
• Het nemen en analyseren van monsters (o.a. bodem, gewas, kuiluitslagen). Alle 7 deelnemers aan het project hebben door hun verzamelde data op het bedrijf aangeleverd. Hierbij kan onder andere gedacht worden aan bodemmonsters, kuiluitslagen, MPR uitslagen en melkleveranciers. Daarnaast is er ook aanvullende data verzameld bij de deelnemers. Zo zijn bij een groot aantal deelnemers melktankmineralen monsters genomen. Daarnaast zijn bij alle deelnemers bodemconditiescores verzameld. Hiervoor zijn door René Jochems, 2 workshops gegeven om de deelnemers te leren hoe je een profielkuil graaft en de bodemconditiescore uitvoert, zoals te zien is in Figuur 1.  Deze bodemconditiescores konden door de deelnemers ingevoerd worden via een app, ontwikkeld door Farm Result. Via deze app werden de gegevens automatisch ingeladen in het dashboard. Deze bodemconditiescore app is een eenvoudige en laagdrempelige manier om de bodemconditiescore uit te voeren. Hierdoor kan dit door elke veehouder gedaan worden.
• Analyseren van klinische data melkvee. Voor het beoordelen van klinische data voor melkvee, zijn 20 koe kenmerken gebruikt van Bernard Simons. Hiervoor is er met de groep deelnemers een bezoek gedaan aan een stal, waarbij Bernard uitlegde hoe je de koe kenmerken moet toepassen op het bedrijf. Deze koekenmerken zijn zo ontwikkeld dat ze voor elke melkveehouder toepasbaar zijn. In Figuur 2 is een impressie van de workshop van Bernard Simons te zien.
• Aanbevelingen voor werkbare KPI’s. Tijdens de eerste gemeenschappelijke bijeenkomst legde elke melkveehouder voor elk onderdeel van de kringloop (bodem, gewas & diergezondheid) uit wat voor hem/haar belangrijk was. Dit werd gedaan met behulp van een flip over en post its (Figuur 3). Verder kwam uit deze bijeenkomst naar voren dat de term KPI als iets dwingends wordt gezien, zonder handelingsperspectief. Daarom is besloten om voortaan de term Praktisch Toepasbare Indicator (PTI) te gaan gebruiken. Deze PTI’s bieden handelingsperspectieven voor de melkveehouders en met behulp van deze handelingsperspectieven kan er beter op de KPI’s gestuurd worden. Op basis van deze eerste bijeenkomst en de interviews, zijn de volgende PTI’s opgesteld:

1. Bodem en bemesting
2. Bodemconditiescore
3. Mineralen (fosfor/fosfaat, selenium & kalium) in de kringloop 
4. Eiwitverteerbaarheid en benutting eiwit op koppelniveau 
5. Eiwitbenutting in de melk t.o.v. wat er gevoerd is 
6. Praktische toepassing van het Koemodel met minder bemesting voerwaarde op peil
7. Inzoomen op één diergezondheidsaspect

Tijdens deze bijeenkomst besloten om het diergezondheidsaspect breder te trekken dan alleen klauwgezondheid, omdat vrijwel alle deelnemers ook andere diergezondheidsaspecten belangrijk vonden. Na deze bijeenkomst hebben de deelnemers data aangeleverd op het gebied van bodem, gewas, mest en melk en diergezondheidsdata. Uiteindelijk is gezamenlijk besloten om eerst te gaan focussen op de PTI’s omtrent bodem. Dit heeft erin geresulteerd dat een van de deelnemende melkveehouders (Francis Sanderink) aan het projectteam is toegevoegd. Samen met haar is nagedacht over de opzet van het dashboard en hoe dit dashboard meer handelingsperspectieven kan geven voor de deelnemers.

• Een infrastructuur om data te bewerken en modelleren. Door Farm Result is de data van verschillende monsters vanuit Pdf’s in te laden in het dashboard. Daarnaast is er in het ontwikkelde dashboard de mogelijkheid om een moment opname te zien van elke PTI, maar de PTI ook te volgen over tijd en te vergelijken met andere data. Verder is er voor de bodemconditiescore een app ontwikkeld waarmee de deelnemers bodemconditiescores van hun percelen in kunnen voeren, welke automatisch ingeladen kan worden in het dashboard. Deze app kan door iedere veehouder eenvoudig gebruikt worden.
• Een eerste versie van een werkbaar dashboard creëren, waar melkveehouders wat mee kunnen. Farm Result heeft op basis van de input van de deelnemers en de opgestelde PTI’s een eerste opzet van het dashboard gemaakt, welke de naam CirCOWlair heeft gekregen. Tijdens de tweede gemeenschappelijke bijeenkomst is er door Farm Result een eerste concept van het dashboard gepresenteerd.
• Een eerste opzet van een geautomatiseerd data invoer systeem (bv. een app voor de aangesloten veehouders). Voor het invoeren van de data omtrent de bodemconditiescore is er een app gebouwd door Farm Result, waarmee de deelnemers in het veld zelfstandig een bodemconditiescore kunnen uitvoeren. Deze data worden vervolgens via deze app ingeladen in het dashboard. De app en het dashboard zijn zo ontworpen dat het voor iedere veehouder toepasbaar is.

Meer weten?

Dit project heeft een vervolg gekregen namelijk, CirCOWlair. Binnenkort hierover meer.