Koffieboeren in Nicaragua doppen hun eigen boontjes

De beboste berghellingen van Nicaragua zijn buitengewoon geschikt voor koffieteelt. Zo’n 92 procent van de koffieplantages is hier in handen van kleinschalige boeren, die hun brood verdienen op slechts enkele hectares. Voor hen is het een hele opgave om hun gezin te onderhouden, want de koffieprijzen daalden de afgelopen decennia drastisch. Met ‘speciale’ koffiebonen valt nog wel winst te halen, maar voor het verbouwen van die soorten is vaak een investering vereist. En een lening tegen eerlijke voorwaarden, waar vind je die tegenwoordig nog?

Aldea Global is een van de weinige plekken in het land waar boeren een microkrediet kunnen aanvragen tegen een betaalbaar rentetarief. Deze kleine boerenvereniging, in het hart van Nicaragua’s koffielandschap, zag de vraag naar leningen de afgelopen jaren stijgen. “We hebben een flinke groei doorgemaakt”, zegt Warren Armstrong, algemeen directeur van Aldea Global. “Vooral het uitpluizen of de boeren kredietwaardig waren, was uitdagend. Daardoor duurde het aanmeldproces vaak langer dan we wilden.”

Aanvankelijk bezocht een van Aldea’s tachtig kredietagenten de koffieboer die een lening aanvroeg. De lening is meestal aflosbaar binnen zes maanden, maar bij elke nieuwe aanvraag moest de agent opnieuw naar de koffieplantage. En die plantages zijn vaak lastig bereikbaar. Ze liggen op afgelegen berghellingen, daar waar je alleen met een stevige jeep of motor kunt komen. Aldea Global wilde aan de groeiende kredietvraag tegemoetkomen, maar daarbij wél efficiënter te werk gaan. Daarom riep de coöperatie de hulp van Rabo Foundation in, om de aanvragen op minder tijdrovende wijze te kunnen beoordelen.

De Foundation en het Rabo Rural Fund werken al lange tijd samen met Aldea Global. Samen voorzien ze in financiering en steunen ze trainingen en handelsactiviteiten die de boeren helpen om lucratiever te ondernemen en duurzaamheid te omarmen. “Dankzij onze interne datadeskundigen kunnen we daar nu waarde aan toevoegen”, vertelt Albert Boogaard, Head of Innovation bij Rabo Foundation.

De Foundation schoot te hulp met data-, analytics- en kunstmatige intelligentiespecialisten van hun Digital Transformation Office (DTO) en DLL. Momenteel runnen zij een pilot bij Aldea, waarbij ze voorspellende modellen gebruiken die het kredietrisico van een klant weergeven. Dat kan het leningsproces aanzienlijk versnellen.

Aldea bleek een ideale kandidaat voor de pilot, omdat het al een grote digitale database van klanten had. Frank van den Eerenbeemt van Rabobanks DTO: “Aldea’s data van bijvoorbeeld irrigatiemethodes op de verschillende plantages waren enorm waardevol. We hebben Aldea laten zien hoe die met behulp van kunstmatige intelligentie geoptimaliseerd kunnen worden.”

‘Machine learning’ was nieuw voor Aldea. Het systeem is innovatief, maar bouwt nog steeds op de kracht van de organisatie. Aldea’s tientallen jaren aan ervaring zijn nu geformaliseerd in een geautomatiseerde beslisboom en voorspellende modellen. Dankzij die modellen kunnen de kredietagenten snel en goed geïnformeerd besluiten of ze een aanmelding accepteren of afwijzen. Ook kunnen ze sneller zien of een bezoek aan een koffieplantage nodig is.

Want de plantagebezoeken gaan door: deels omdat dit goed binnen de lokale cultuur past, maar ook omdat ze het wanbetalingspercentage laag helpen houden. Bovendien kan Aldea tijdens de bezoeken nieuwe data verzamelen die nodig zijn om het systeem te updaten. Kredietagenten kunnen hun bezoek nu spreiden over verschillende plantages die bij elkaar in de buurt liggen. Daarmee winnen ze tijd en besparen ze reiskosten.

Uiteindelijk is het de bedoeling dat elke kredietagent in plaats van 250 ruim 350 klanten onder zijn of haar hoede heeft. Het verwerken van een aanvraag zou bovendien sneller moeten gaan, van vijf naar vier dagen voor een nieuwe klant. Voor bestaande klanten moet het tempo nog iets hoger. Dit lijken bescheiden doelen, maar ze kunnen in de toekomst worden bijgesteld aan de ambitie. Het project heeft die schaalbaarheid alvast ingebouwd. Aldea kan het machine-learningmodel bovendien verbeteren door meer databronnen toe te voegen, volgens Tanya Lagoda, Credit Scoring Modeler en Analytics Consultant bij DLL. “Denk bijvoorbeeld aan satellietdata, weersinformatie en details over bodemsamenstelling. “Daardoor zal het model nog effectiever worden.”

Armstrong: “Op die manier hebben we de mogelijkheid om nog meer koffieboeren vooruit te helpen,” zegt Armstrong van Aldea. Dát is nog eens positief koffiedikkijken!”