Hoje em continuidade da coluna Embaixadores do Agro do Grupo Estado nosso CEO José Damico escreveu sobre os desafios de Analytics, Inteligência Artificial e Data Science em nosso queridíssimo setor.
Por José Damico
Em 1851, o matemático e físico J. C. Maxwell escreveu: “Em cada ramo do conhecimento, o progresso é proporcional à quantidade de fatos, e à facilidade de obtenção de dados”. Os próximos parágrafos podem muito bem ser resumidos neste pensamento de Maxwell pela necessidade cotidiana de aferição de fatos e dados.
Já é um consenso de como a ciência de dados e a inteligência artificial podem revolucionar o agronegócio. O mantra cunhado por Clive Humby de que os dados são o novo petróleo parece estar claro na mente de todos. Porém, o que não está claro, especialmente no agro, é como se faz dinheiro com esse petróleo, e sem essa clareza, o analytics, obig data e o machine learning são tão úteis quanto um passe de mágica.
Mas, não estamos aqui para discutir mitologia, trata-se de ciência e tecnologia aplicada. Devemos pensar em analytics como uma ferramenta, e como tal, ela possui seus usos adequados: análises descritivas, análises de diagnóstico, análises de predição e análises de prescrição. Cada um de nós deve enxergar quais usos resolvem nossos problemas, operacionais ou estratégicos.
A análise descritiva resolve questões simples como determinação e identificação de eventos ocorridos no passado. Já a análise de diagnóstico permite entender a relação de causa e consequência, mas ainda sobre eventos do passado. Por outro lado, a análise preditiva consegue prever eventos similares aos do passado e, por fim, a análise prescritiva oferece recomendações para se adequar ou evitar eventos futuros.
Entendida a utilidade do analytics, precisamos prover os dados necessários para cada tipo de análise. Os dados são o combustível de nossa ferramenta, e esse combustível na maioria das vezes é escasso é de difícil alcance. Na agricultura e pecuária, é comum vermos três cenários de dados.
O primeiro é formado por dados existentes na infraestrutura da agroindústria ou de grandes produtores, mas isolados em diversos sistemas que não se integram. O segundo cenário é constituído por dados inexistentes na infraestrutura, mas que podem ser gerados por novos sensores instalados neste ambiente. E o terceiro cenário é composto por dados também inexistentes, mas que podem ser coletados remotamente.
Contudo, além dos cenários, é importante compreendermos as dimensões espaciais e temporais dos dados. Ou seja, isso significa que os dados a serem fornecidos precisam ser coletados em períodos, frequências e áreas determinadas. Isso trará relevância amostral e comparativa.
Assim, enxergamos dois horizontes, o de disponibilidade de dados e o de utilização ferramental de analytics. O primeiro precede o segundo e, portanto, é preciso ter uma agenda, de dados que responda as seguintes questões: Quais análises de dados resolvem nosso problema? Quais dados serão necessários e quando? Quando serão integrados? Quais e quando os novos sensores serão usados? Quais dados serão adquiridos remotamente e quando?
Essas perguntas são respondidas por dois tipos de profissionais com papéis distintos. A primeira e a segunda por cientistas de dados e as demais questões por engenheiros de dados.
Aplicar analytics como ferramenta dependerá ainda de infraestrutura específica em nuvem e, mesmo que existam soluções prontas e focadas no agro, a diversidade de detalhes de cada situação e o número de variáveis as quais este setor está exposto dificulta que produtos de prateleira resolvam nossos problemas. A terceirização pode ser uma alternativa, mas – ainda assim – a presença daqueles que estão envolvidos no negócio é fundamental.
Criar e conduzir a agenda de dados são, sem dúvida, os maiores desafios. Nem todos os dados estarão acessíveis ou sequer existirão e as análises, por vezes, deverão ser remodeladas até alcançarem uma maturidade que traga benefícios. Mas, como disse o escritor C. S. Lewis, autor das crônicas de Nárnia: “Talvez não consigamos ter certeza, mas podemos ter probabilidade, e meio pão é melhor do que nenhum pão.”
Para conferir a matéria, acesse:
