O impacto da cultura data driven no agro

Se os dados são o “novo petróleo”, cabe ao mercado tratá-los, refiná-los e trabalhar a geração de valor para que se transformem em informação

Setembro 22, 2022

Por Felipe Camargo e Gustavo Pecly

A habilidade humana de construir ferramentas e novas tecnologias revolucionou cada tempo ao seu modo. Quando falamos de tecnologia no agro, isso vai muito além da mecanização do campo e das atividades agrícolas, afinal, processos e decisões passam a ser orientados a partir de dados sobre as características de lavouras, condições climáticas, de solo e de vegetação.

Desde o arado, inventamos e investimos em instrumentos e maneiras de aprimorar a atividade agrícola. E qual é a bola da vez na era dos dados? Informação, é claro! Mas como garantir que a informação responda às questões de negócio demandadas? Armazenando, organizando, tratando e analisando os milhares de dados gerados (Big Data) de forma acurada e assertiva para o auxílio nas tomadas de decisões.

Agricultura data driven

Tais avanços nos permitem falar em um novo conceito: o agro data driven. A coleta de dados sobre produção, qualidade, solo, emissão de gases, utilização de insumos, logística etc. esboça um novo corpo à atividade do agronegócio e sua conversão em um contexto útil é o que chamamos de informação. É aqui que o Big Data nos auxilia com o processamento de quantidades elevadas de dados em suas variadas formas. O Data Analytics, por sua vez, manipula esses dados e os interpreta para gerar informação, produzindo insights valiosos para a tomada de decisões e otimização no agro.

_{Nas fazendas, o uso dos dados precisa ser incorporado no dia a dia (Imagem: Schwoaze/ Pixabay)}

Para implementar e aproveitar todos os benefícios que os dados podem trazer para o negócio, é extremamente importante ter uma cultura empresarial que a suporte. A famosa expressão “dado é o novo petróleo” ajuda e muito nessa visualização. Da mesma forma como o dado, o petróleo em sua forma bruta, como encontrado na natureza, não tem utilidade se não for extraído, tratado, refinado e bem comercializado para a geração de valor.

Tipos de dados: estruturados e não estruturados

Dessa forma, se o dado é matéria bruta, podemos encontrá-lo em suas diversas condições, sendo duas as mais comuns: dados estruturados e dados não estruturados. Os do primeiro grupo são as típicas “tabelas”, com linhas e colunas. São organizados em um padrão fixo e constante, seguindo uma estrutura mais rígida. Como exemplo, temos os dados divulgados pelo Instituto Brasileiro de Geografia e Estatística (IBGE), como a produção de determinada cultura agrícola nas diversas regiões do Brasil. 

_{Os dados estruturados têm um padrão mais fixo e constante, podendo ser organizados em gráficos e tabelas (Imagem: kanchanachitkhamm/Pixabay)}

Já os não estruturados, como som e imagem, não estão confinados a tabelas e esquemas de organização pré-definidos. Assim, eles podem ser de natureza diversa. Gerar informações com cada tipo também exige procedimentos e complexidade diferentes, e eles ainda podem ser combinados.

Como cruzar dados em tabela com aqueles na forma de imagens, por exemplo? Podemos citar aqui um caso clássico, que é a classificação de uma imagem: a partir da foto de uma planta, possuindo informações tabeladas sobre tamanho da folha, espessura, cor etc, conseguimos classificá-la com precisão ou até mesmo construir uma tabela com estes valores a partir da informação retirada da imagem.

As fontes dos dados

Além do tipo do dado, existe também sua fonte. Há dados internos, gerados a partir das relações com os clientes e processos do próprio negócio, e existem os externos, obtidos a partir de pesquisas ou outras fontes do mercado que podem ser comprados, coletados e extraídos.

Tudo começa na fonte. Coleta, tratamento, processamento, dados estruturados, não estruturados, Analytics, Big Data, tomada de decisão... Tudo isso parece muita coisa, certo? De fato, é. Todo o ciclo do dado, desde sua coleta até seu consumo final, é um processo complexo que exige governança, gestão e segurança. 

Por isso, é tão importante o cuidado na obtenção dos dados. Essa etapa é sensível a erros e temos de assegurar a confiabilidade da fonte e ter ciência da disponibilidade dela para consultas e tratamentos posteriores.  

A produção de informação

Logo em seguida, temos de armazenar, processar e preparar os dados que serão analisados a fim de produzir informação. Com a informação em mãos, entramos na fase da publicação, onde os dados serão consumidos para tomadas de decisão inteligentes e fundamentadas. Em cada etapa desse processo, a ideia é garantir a integridade, a privacidade, o controle e o planejamento de nossa matéria prima. Um trabalho de dados com qualidade sempre se sustenta nesses pilares - e exige consistência e credibilidade para ser executado com tal padrão e excelência.

_{A geração de valor a partir dos dados passa pela tomada de decisão consciente (Imagem: anncapictures/ Pixabay)}

Toda a parte da gestão do negócio deve se beneficiar de uma cultura data driven, complementando as análises de seus dados internos, com dados externos que façam sentido para impactar positivamente o negócio. Desde melhorias nos processos internos, o entendimento do perfil do consumidor e o aumento de produtividade podem ser alcançados com o uso adequado dos dados.

Seguindo esses pilares e juntando especialistas de diversas áreas, o Centro de Excelência do Agronegócio da EY, por exemplo, estruturou o próprio Data Lake para conseguir responder as melhores perguntas, a fim de ajudar o setor do agronegócio a alcançar suas metas globais até 2050.

Hoje, o agro brasileiro alimenta 1,5 bilhões de pessoas em todo mundo e, na próxima década, essa produtividade precisará aumentar em quase 30% para atender a demanda global. Para atingir essa meta, o setor precisa e deve aproveitar essa grande jornada tecnológica e conseguir implementar o data driven no intuito de garantir a segurança alimentar do mundo.