El registro de datos de la producción agropecuaria ha crecido sustancialmente. El volumen de información generado requiere de métodos estadísticos de análisis que aseguren un buen tratamiento de los datos y que permita alguna medida de confiabilidad de los resultados obtenidos. Los objetivos de este trabajo fueron proponer y comparar métodos de análisis estadístico aplicable a bases de datos de este tipo y, utilizando los resultados obtenidos, generar modelos de predicción de rendimiento para soja. Se utilizó el método de agrupamiento de mínima varianza entre grupos de Ward con matrices de distancia de Gower a partir de las variables originales, y euclidiana a partir de las coordenadas principales resultantes de un MFA (análisis factorial múltiple). Se utilizaron modelos lineales mixtos para predicción. El agrupamiento a partir de las distancias euclidianas mostró mayor consistencia en la diferenciación de las prácticas de manejo. Se establecieron tres grupos, dos de ellos con importancia agronómica: el grupo 1, caracterizado por prácticas intensivas y rotaciones diversas, el grupo 2, por una menor intensidad de uso del suelo y una mayor homogeneidad en las rotaciones. El análisis de varianza para el modelo de predicción de rendimiento evidenció un efecto significativo para las variables seleccionadas (fecha de siembra, cultivos antecesores y agregados de nutrientes principalmente) y una diferenciación en grupos de rendimiento. La fecha de siembra fue una de las variables más importantes, se estimó una pérdida potencial de rendimiento de 300 kg por sembrar en fechas posteriores al 8 de diciembre. Con el fin de validar la metodología los resultados, fueron aplicados a una base de datos de trigo. Se pudieron diferenciar grupos y las variables que los discriminaron fueron, en efecto, las ya conocidas o esperadas para modelar el rendimiento.