Primärdatans roll i omställningen

Primärdata har på senare år blivit något av ett modeord i lantbruks- och livsmedelsbranschen. Allt oftare hör vi argumentet att ”bara vi får in mer primärdata” så kommer klimatfrågan att bli enklare att hantera – mer exakt, mer rättvis, mer träffsäker. Det är lätt att förstå lockelsen. Mer detaljerade och bättre data borde rimligen ge bättre beslut. 

Efter flera års praktiskt arbete med schablonberäkningar för att kalkylera den klimatnytta som åtgärderna i vårt odlingsprogram Klimat & Natur bidrar till och senast i ett projekt som har genomförts på tio gårdar under flera år, har bilden blivit mer nyanserad. Vår viktigaste lärdom är kanske just den här: primärdata är värdefullt och viktigt, men det krävs mer. 

Vad projektet lärde oss 

I projektet har samtliga gårdar odlat vete enligt kriterierna i odlingsprogrammet, som fossilfri växtnäring, fossilfria drivmedel och precisionsodling. Data har samlats in från lantbrukare om gårdsinformation, odlingsåtgärderna samt från jordprovtagning där restkvävehalt har analyserats. Även mätning av proteinhalter i spannmålet och skördenivåer har legat till grund för en klimatberäkning och en beräknad kväveeffektivitet. 

Tack vare detta fick vi möjligheten att jämföra beräkningar baserade på schabloner med beräkningar baserade på faktiska aktivitetsdata från gårdar och enskilda fält. Och resultaten är intressanta. 

När vi aggregerade data från flera skiften och gårdar såg vi att de schablonvärdena och medelvärdena från insamlingen av den fältspecifika primärdatan låg nära varandra. Klimatreduktionen som kunde observeras när lantbrukare genomförde konkreta åtgärder – till exempel bytte från fossil diesel till HVO – var relativt stabil oavsett om vi tittade på schablonberäkningar eller primärdata. Det gav oss ett viktigt kvitto: åtgärderna fungerar och primärdatan bekräftar schablondatan och tvärtom. 

Samtidigt blev det tydligt hur stor variationen kan vara på fältnivå. Ett och samma lantbruk kan ha skiften med väldigt olika utfall. Jordart, växtföljd, väderförhållanden och historisk markanvändning spelar stor roll. Det gör att primärdata på detaljnivå kan vara svårtolkad, särskilt om man försöker dra långtgående slutsatser från enskilda datapunkter. Lägger man då också till variationen mellan olika år så förstår man att det är många saker som påverkar utfallet som inte ligger i lantbrukarens kontroll. Aggregerad primärdata validerar riktningen över tid, men slutsatser går inte dra av enskilda mätetal och årliga utfall. 

Fossilfria drivmedel som HVO är en viktig klimatåtgärd.

Utmaningen med primärdata på fältnivå 

Det finns flera skäl till att primärdata är mer komplext än det i vissa sammanhang framställs som:

1. Stor naturlig variation

Det finns en naturlig variation från gård till gård och fält till fält. Det beror på lokala förutsättningar som klimat, geografi och jordmån (tex mullhalt) men också värdeförhållanden det givna skördeåret. Det betyder inte att datan är utan värde men att det behövs kompetens och kunskap om de bakomliggande faktorerna för att förstå utfallet på rätt sätt.  Primärdata speglar verkligheten och verkligheten är komplex. Och man behöver förstå vad som ligger bakom ett specifikt resultat. 

2. Datastruktur

Lantbrukare arbetar i dag i flera olika system: växtodlingsprogram, maskinsystem, rapporteringsverktyg och kundportaler. Dessa behöver sammankopplas för att data ska kunna tolkas utifrån helhet på gården och det som sker på gården. Historiskt har det saknats kopplingar mellan system och lantbrukare behöver mata in samma data flera gånger i flera olika system vilket både ökar arbetsbördan och risken för fel. Resultatet blir att det är svårt att få ihop helheten och vilken ”verklighet” som råder för samma fält. Sedan några år tillbaka finns Agronod som just har uppdraget att strukturera och strukturera data för att möjliggöra en bättre helhetsbild datamässigt på gården.

3. Vem äger datan och vem vill dela den?

Aktivitetsdata på fältnivå avslöjar mycket mer än klimatpåverkan. Utifrån gödsel- och drivmedelsanvändning går det att räkna baklänges på kostnader och marginaler. För lantbrukaren är det affärskritisk information. Att dela den kräver tillit, tydliga rollfördelningar och lösningar som skyddar integriteten och följer GDPR-lagstiftningen. Lantbrukarens kontroll över sin data är central och därför har Lantmännen varit med sedan starten av utvecklingen av datadelningsplattformen Agronod som just löser detta och Agronod är därför vår huvudsakliga plattform för att hantera primärdatan.

4. Skala är en avgörande faktor

Att samla primärdata från en gård i ett pilotprojekt är en sak. Att göra det från hundratals eller tusentals spannmålsleverantörer är något helt annat. Frågan blir var gränsen går för vad som är rimligt, representativt och statistiskt tillförlitligt och när kostnaden överstiger nyttan. Genon Agronod-plattformen byggs en infrastruktur för att underlätta uppskalningen på ett kontrollerat sätt.   

Spannmål odlat enligt Klimat & Natur har upp till 45% lägre klimatpåverkan än annat konventionellt odlat vete.

Spannmål vs animalieproduktion 

En viktig insikt i arbetet är att alla produktionsgrenar inte lämpar sig lika väl för samma typ av datainsamling. 

Inom animalieproduktion, till exempel mjölk eller gris, finns ofta ett naturligt mätobjekt: djuret och produkten. Mjölken vägs, analyseras och levereras dagligen. Produktionsuppföljning är redan en integrerad del av affären. Här kan detaljerad data ge direkt nytta i både ekonomi och klimatstyrning. 

I spannmålsodling ser det annorlunda ut. Produktionen är starkt väderberoende, skörden sker en gång per år och variationen mellan fält är stor. Många klimatåtgärder – som mellangrödor, minskad jordbearbetning eller kolinlagring – är dessutom platsberoende. Det som fungerar på en mulljord fungerar inte nödvändigtvis på en sandjord. 

Det betyder inte att primärdata är oviktigt i växtodling men att förväntningarna måste anpassas efter vad som i praktiken är möjligt. 

Den kanske viktigaste slutsatsen 

Den viktigaste lärdomen från projektet är ändå denna; Det är åtgärderna som minskar utsläppen inte datainsamlingen i sig. 

Data har ett stort värde när den validerar att rätt saker görs, pekar ut utvecklingsriktning och hjälper till att identifiera förbättringsområden på en aggregerad nivå 

Men risken finns att jakten på perfekt primärdata blir ett sätt att skjuta upp faktiska beslut och investeringar. 

Primärdata har en viktig roll i utveckling och verifiering, men kommer inte isolerat ta oss i mål. Vi vet tillräckligt mycket om effekterna av de viktigaste åtgärderna för att agera redan nu och att det är genom konkreta åtgärder som skillnaden faktiskt görs.