U današnje doba analize podataka i manipulacija istih igra veliku ulogu u poboljšanju kvalitete života. Računalna znanost i njezina grana znanost o podacima su trenutno tražene pozicije za sve aspekte života. Iz tog razloga se poljoprivreda, vrlo bitna grana ljudskog života, razvija u smjeru analize podataka radi maksimizacije koristi koje dobivaju od farmi kao i radi same kvalitete proizvoda. U poljoprivrednim analizama bitan faktor je kredibilnost izvora od kojeg dobivaju podatke kao i analize istoga. Kroz ovaj rad bili su analizirani podaci različitih izvora kako bi se izračunala njihova korelacija. Za izvore su bili korišteni Agri4Cast i Copernicus, a korelacija se računala po svakome mjesecu 2019. godine za varijable temperature, padalina, sunčeve radijacije i vjetra. Cilj je bio time zaključiti koreliraju li izvori i u kojoj mjeri. Mjerenja su bila prikazana raspršenim grafovima gdje je na x-osi uvijek bio datum u mjesecu, a na y-osi varijabla za koju se radi analiza. Za korelacije su bili korišteni Pearsonov, Spearmanov i Kendallov koeficijent, a izračuni su se prikazivali tabličnim i grafičkim putem. Koeficijentima se računala jačina korelacije, ovisno o tome ponašaju li se varijable linearno ili ne te kolika je razlika između istih. Kako bi mjerenja i vizualizacije bili efikasni i brzi, koristio se Python te pripadajuće knjižice za analize podataka (NumPy, Matplotlib, Pandas i Scipy) koje imaju vrlo jednostavnu vizualizaciju i reprezentaciju podataka. Kroz analize u radu zaključeno je da postoje jake korelacije određenih varijabli no i disbalans u drugim varijablama. Od 4 varijable koje su se koristile u izračunima, dvije imaju jaku korelaciju, jedna ima srednje jaku, a jedna ima slabu do srednje jaku korelaciju (uz iznimke jake korelacije u nekim mjesecima). Prema dobivenim podacima je jasno da izvori nisu kompletno kompetentni za sve podatke, a zaključak je da koreliraju no variraju od slabe do jake korelacije sukladno analiziranim varijablama.