I dati che restano: gestire l'informazione che il vino produce è il vero valore strategico

Una bottiglia di vino non nasce in cantina. Non nasce nemmeno durante la fermentazione del mosto. Nasce molto prima, nel momento in cui qualcuno decide quale vigneto piantare, dove, con quale vitigno, quale portinnesto, quale forma di allevamento, quale densità di impianto. È la prima decisione strategica della filiera, ed è anche quella più importante, perché vincola i successivi decenni di produzione.

Tutte le decisioni che vengono dopo — agronomiche, enologiche, commerciali — sono completamente dipendenti dal momento in cui si decide di piantare un vigneto. Questa prima scelta non si compie per istinto, anch'essa dipende da dati e specifiche informazioni.

Oggi non vogliamo raccontarvi quali sono gli accorgimenti da avere durante l'impianto di un nuovo vigneto, vogliamo raccontarvi di un tema centrale per LoraWine: I DATI.

Il vero perimetro del dato vitivinicolo

Quando si parla di "dati nel vino", il riflesso condizionato porta a pensare a sensori, droni, consumi e parametri analitici. È una rappresentazione parziale e fuorviante. Il dato vitivinicolo è molto più ampio e molto più eterogeneo:

• Dati strumentali da sensori micro-climatici, stazioni meteo, mappe di vigore, termometri di fermentazione, sonde enologiche e domotica;
• Dati di laboratorio, dalle analisi del terreno, alle analisi fogliari stagionali, alle analisi di mosto, fino al profilo polifenolico e aromatico del vino finito;
• Annotazioni e osservazioni del personale che vive la campagna e la cantina — la nota dell'agronomo, il commento dell'enologo sul comportamento di una determinata vasca e la valutazione organolettica;
• Dati di processo: tempi di macerazione, temperature di fermentazione, movimenti, travasi, scelta dei legni e durata dell'affinamento;
• Dati di gestione aziendale: ore uomo dedicate ad uno specifico prodotto, materiali acquistati, obiettivi raggiunti e margini operativi;
• Dati commerciali e di mercato che chiudono il ciclo, raccontando come quel vino ha performato.

Questa eterogeneità non è un dettaglio. È il cuore del problema.

La letteratura accademica espone chiaramente la problematica sul tema. Negli anni si sta verificando una crescente ricchezza di dati provenienti da ciascuno di questi punti, il problema è che queste fonti si disperdono facilmente e spesso risultano poco accessibili. Il dato di laboratorio sta in un PDF nel computer del consulente. La nota dell'agronomo sta su un quaderno. Il dato della stazione meteo sta in una piattaforma del fornitore. Il registro di cantina sta in un gestionale che parla solo con sé stesso. I dati di mercato rimangono scritti su un file e nelle menti di chi l'ha scritto. Quando questi sistemi non comunicano, l'effettivo valore di tutte queste informazioni viene a mancare e si generano tanti frammenti di una storia che nessuno ricostruisce.

Il dato ha un ciclo di vita più lungo della decisione che lo ha generato

Qui sta il punto che il settore tende a sottovalutare. Ogni dato vitivinicolo contiene inevitabilmente un fattore di immediatezza: il dato del sensore serve a decidere se trattare oggi, il monitoraggio dell'uva serve a decidere il momento della vendemmia, l'osservazione dell'enologo serve a decidere il travaso di domani. Tutto giusto.

Ma, se quel dato viene adeguatamente gestito, assume un valore strategico completamente diverso, in grado di generare un vantaggio duraturo nel tempo. L'innovazione tecnologica offerta dalle tecnologie digitali non è solo rappresentata dalla possibilità di eseguire calcoli e analisi avanzate. Gli ambienti digitali offrono la possibilità di archiviare, strutturare e catalogare la grande mole di informazioni che stanno dietro ad una bottiglia, in modo da poterle consultare facilmente ed estrarne preziose informazioni. Il principio è codificato nella letteratura sotto il nome di FAIR data — Findable, Accessible, Interoperable, Reusable. Nell'era dei big data e degli omics, una buona organizzazione, gestione e descrizione dei dati sperimentali è cruciale per ottenere dataset di qualità, esportare risultati robusti, rendere i dati più facilmente disponibili e sbloccare l'enorme potenziale del riutilizzo. Non è un esercizio accademico. È la condizione per cui i dati che raccogli oggi — strumentali, di laboratorio, di osservazione — siano ancora utilizzabili fra dieci anni dalla persona che dovrà prendere una decisione di reimpianto.

La tecnologia non deve essere utilizzata per prevedere il futuro o automatizzare le decisioni. Il vero valore aggiunto offerto dalla tecnologia è rappresentato dalla possibilità di accedere alle informazioni e interpretarle adeguatamente per ogni decisione da prendere, tenendo in considerazione il maggior numero di fattori e possibili scenari.

Il legame vigna-cantina è dove si nasconde il valore strategico

La singola scelta agronomica e la singola scelta enologica, prese in isolamento, sono decisioni operative. Diventano strategiche solo nel momento in cui il dato che le ha generate è collegato — nello spazio (la stessa parcella, lo stesso vino) e nel tempo (più annate consecutive).

Il caso più documentato a livello internazionale è il database costruito a partire dal report Amerine-Winkler (1944), digitalizzato e pubblicato su Scientific Data nel 2022: date di vendemmia, qualità di mosti e vini, e note di degustazione di 148 cultivar in cinque regioni climatiche californiane, integrati con dati meteorologici dal 1911 al 2018. Notate la composizione: dati strumentali, dati di laboratorio e annotazioni di degustazione. Esattamente il mix eterogeneo di cui parliamo. Ottant'anni dopo, quei dati orientano le scelte di reimpianto in tutto il mondo.

In Italia esiste un esempio paradigmatico, geograficamente più vicino: uno studio pubblicato su OENO One ha analizzato la serie storica fenologica e ambientale di due vigneti in Piana Rotaliana (Trentino) dal 1986 al 2022, mostrando come la comprensione del trend storico dei processi funzionali — fenologia e maturazione — insieme agli eventi meteorologici specifici, sia un tassello fondamentale per definire strategie di adattamento attraverso miglioramento genetico o gestione del vigneto. Trentasei anni di osservazioni. Ognuna, presa singolarmente, era servita a decidere quando vendemmiare. Aggregate, riscrivono la mappa di quello che è possibile fare in quel territorio.

Qui sotto sono riportati alcuni esempi che richiedono questo collegamento e che non si potrebbero risolvere altrimenti:

• Quale combinazione vitigno × portainnesto × luogo × suolo × strategie, sui dati climatici storici, ha mostrato la minore variabilità qualitativa nelle annate climaticamente avverse? Risposta che orienta le scelte di reimpianto e di posizionamento delle linee premium.
• Nei vigneti in cui produco il vino X ci sono le condizioni per eseguire il numero di operazioni definite per aumentare i ricavi e raggiungere gli obiettivi enologici?
• In base alle condizioni che si presentano normalmente in vigneto, il comportamento vegetativo e le caratteristiche territoriali, quali sono state le operazioni più efficaci per diminuire il tenore alcolico nel vino?
• La produzione di quest'anno è stata scarsa e i parametri analitici del mosto/vino sono anomali, nonostante le condizioni climatiche generali siano state positive.
• Le vasche che hanno fermentato uve provenienti da parcelle con un certo profilo nutrizionale fogliare hanno avuto fermentazioni più regolari? Risposta che lega la concimazione di vigna alla gestione del lievito in cantina.
• Dato l'andamento delle temperature che ho registrato durante le seconde fasi di maturazione, posso continuare ad applicare questa strategia agronomica per ottenere il profilo polifenolico desiderato o devo modificare l'approccio?

Nessuna di queste domande si risolve con il dato di oggi, e nessuna si risolve con il dato di un solo dominio. Si risolvono solo con dati di vigna, di cantina, di laboratorio e di osservazione, raccolti per ragioni operative negli anni passati e mantenuti in modo che oggi siano interrogabili.

Qui entra in gioco l'AI — ma non come la racconta il marketing

La capacità tecnica di interrogare fonti eterogenee è una delle aree dove i recenti modelli di AI hanno reso possibile qualcosa che cinque anni fa era proibitivo. Un PDF di un'analisi, un foglio di osservazioni di vigna, un gestionale di cantina, un file di testo, un file Excel ed una serie storica di dati non sono più perfetti sconosciuti che parlano lingue diverse. Ci troviamo per la prima volta nella situazione in cui un'AI adeguatamente programmata è in grado di ottenere chiare informazioni provenienti dal bacino disordinato di dati aziendali, facendosi restituire pattern e correlazioni.

Tuttavia, l'AI funziona solamente sui dati archiviati correttamente e adeguatamente catalogati. Se le analisi di laboratorio in PDF sono state salvate con nomi diversi, se le osservazioni dell'enologo erano su un quaderno andato perso, se i sensori cambiavano fornitore ogni tre anni con format incompatibili, nessun modello è in grado di recuperare e gestire quei dati. Il valore dell'AI come strumento di consultazione cresce proporzionalmente alla cura con cui i dati sono stati raccolti, etichettati e conservati a monte.

In altre parole: l'AI rende più urgente la disciplina della raccolta dati. Perché finalmente esiste lo strumento che può estrarre valore da quello che hai messo da parte — con l'unica condizione di averlo adeguatamente ordinato e classificato.

Cosa significa, concretamente, per un'azienda vitivinicola

Tre principi operativi che valgono a prescindere dalla dimensione dell'azienda.

Primo: Standardizzare l'unità di osservazione. La singola parcella di vigneto deve avere un identificatore unico che la lega a tutti i dati che la riguardano — analisi del terreno, trattamenti, sensori, osservazioni, vendemmia, e poi mosto, vasca, analisi e affinamento. Senza questo legame, il dato di cantina e il dato di vigna restano due stranieri che non riescono a comunicare.

Secondo: Trattare l'osservazione come dato. La nota dell'agronomo, una foto del fenomeno, il commento dell'enologo e la valutazione di assaggio non sono semplici "appunti". Sono dati a tutti gli effetti e vanno conservati con la stessa cura del dato strumentale, legati alla stessa parcella o vasca, catalogati e archiviati.

Terzo: Definire strumenti pensando al decennio, non all'annata. Un cambio di nomenclatura tre anni dopo distrugge il confronto dei dati. Un fornitore di sensori che chiude e si porta via i dati lascia un buco nella serie storica. Un gestionale che non esporta in formati aperti è una trappola.

Il cambio di paradigma in atto

Il settore vitivinicolo internazionale sta riconoscendo questo cambio di paradigma. L'OIV (Organisation Internationale de la Vigne et du Vin) ha posto la trasformazione digitale del settore al centro del suo piano strategico quinquennale, riunendo esperti di intelligenza artificiale, vigneti smart e blockchain per guidare la transizione. Non è un esercizio di efficienza operativa. È un cambio di paradigma su cosa significhi governare un'azienda vitivinicola.

La differenza tra l'azienda che usa i dati per reagire e quella che li usa per decidere non si misura nella qualità della singola annata. Si misura nella resilienza dell'azienda nel tempo: nella scelta del prossimo vigneto da impiantare, della gestione agronomica da impiegare, nel prossimo investimento in cantina e nella definizione delle strategie di mercato e di marketing.

Per essere sostenibile, questa scelta deve basarsi sui dati raccolti negli anni.

Da dove iniziare a strutturare i propri dati? Abbiamo riassunto i passaggi concreti in una guida operativa di 7 punti, scaricabile gratuitamente qui sotto.

---

Fonti

1. Four decades in the vineyard: the impact of climate change on grapevine phenology and wine quality in northern Italy, OENO One, 2024 — https://oeno-one.eu/article/view/8083
2. Bai, H., Gambetta, G.A., et al., Historical long-term cultivar×climate suitability data to inform viticultural adaptation to climate change, Scientific Data (Nature), 2022 — https://www.nature.com/articles/s41597-022-01367-6
3. Grapevine and Wine Metabolomics-Based Guidelines for FAIR Data and Metadata Management, PMC/NIH — https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8618349/
4. Towards an open grapevine information system, PMC/NIH — https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5120350/
5. OIV, Digitalisation, the future of the vine and wine sector — https://www.oiv.int/en/oiv-life/digitalisation-the-future-of-the-vine-and-wine-sector