het volgen van het landbouwverhaal in India ≠ het raden van koppen. kijk naar de gegevens 👇 boeren = 40% van de beroepsbevolking. 60%+ is afhankelijk van de moesson. wanneer de regen uitblijft, stort het inkomen in. de signalen? Weerrisico is de #1 inputkost. 🧵

2/6 winstmarges sterk onder druk ↓ tarwe: 123% → 103% (2013–23) suiker: 151% → 102% kosten stijgen sneller dan inkomens. inflatie + slechte voorspellingen = boeren betalen meer om minder te verdienen.

3/6 voorspellingsprobleem = schaal. regionaal niveau (5–7 dagen). maar beslissingen (zaaien, irrigeren, oogsten) zijn lokaal + dagelijks. het leek op een voorspelling. het voelde als een gok.

4/6 marco draait het model om. van satellieten → achtertuinen. van generieke rapporten → veldwaarheid. van gecentraliseerde kosten → gemeenschapsbezit intelligentie.

5/6 echte getallen, echte impact: → 30% water bespaard (druiven, Nashik) → 25% ziekte verminderd (tomaten, Jaipur) → 20% oogstverhoging (paprika, BLR) → 15% opbrengstwinst (komkommers, Pune)