La variabilidad espaciotemporal de las condiciones ambientales bajo las cuáles se desarrollan los cultivos, requiere analizar cada sistema productivo como una unidad, caracterizada en términos de manejo y condiciones ambientales específicas. Siguiendo el enfoque de Agricultura Específica por Sitio, desde el año 2013 hasta el 2016, FENALCE recolectó, mediante encuestas aplicadas a los productores, información de eventos productivos de maíz con fines comerciales en las diferentes áreas productoras en Colombia. Utilizando esta información se evaluaron tres métodos para la selección de variables de importancia: stepwise, Elastic net, y Random Forest. Los tres métodos permitieron identificar cuáles son las variables de clima, suelo y manejo que tienen mayor importancia en la explicación del rendimiento de tres departamentos productores de maíz. A partir de la comparación entre los métodos, se identificó que Random Forest permite obtener mejores resultados y modelos con mejor desempeño basado en el coeficiente de determinación R2 de la validación cruzada y la raíz del error cuadrado medio RMSE. A partir de las variables de mayor importancia, mediante el método de clúster para componentes principales que combina agrupación jerárquica y k- means se obtuvieron grupos homogéneos de clima y suelo; 5 para el departamento de Córdoba y 4 para el departamento de Tolima. El análisis de las variables de manejo de mayor importancia en cada grupo mostró que no es adecuada una generalización a nivel regional en las recomendaciones de manejo, sino que éstas deben realizarse de manera específica según condiciones ambientales homogéneas.Abstract: The spatiotemporal variability of growth crop environmental conditions requires analyzing each productive system as a unit, characterized in terms of management and specific environmental conditions. Following the approach of Site-Specific Agriculture, from 2013 to 2016, FENALCE collected, through surveys applied to producers, information on productive maize events for commercial purposes in three maize cropped areas in Colombia. Using this information, three methods were evaluated for variable selection: stepwise, Elastic net, and Random Forest. All methods allowed to identify which are the variables of climate, soil and management that have larger importance in the explanation of the yield of maize producing departments. From comparison between methods, it was identified that Random Forest allows to obtain better results and models with better performance based on the coefficient of determination R2 of cross validation and the RMSE. From the most important variables, using a cluster method based on principal components that combines hierarchical cluster and k-means, homogeneous groups of climate and soil were obtained, 5 for the Cordoba and 4 for Tolima. The analysis of the most important management variables in each group showed that generalization at the regional level is not adequate for crop management recommendations, but rather recommendations should be suggested in specific agricultural practices according to homogeneous environmental conditions.