A adoção de analytics no Agro e por que ensinamos Python

Python na SciCrop

Desde que fundamos a SciCrop em 2015 sabíamos que o valor dos dados no agronegócio representaria a nova fronteira de produtividade. Sabíamos do nosso propósito de oferecer produtos de analytics que levassem o mercado Agro a este novo patamar. Porém já em nossas primeiras incursões comerciais encontramos um ambiente desprovido das disciplinas fundamentais de ciência de dados.

Tanto em grandes grupos de produtores, cooperativas, indústrias alimentícias e usinas há claramente duas demandas de análises de dados, uma vinda da gestão agrícola e outra da gestão financeira, ambas supridas internamente ou por fornecedores, mas com resultados muito abaixo do que já é comum em outros mercados, como o financeiro.

Relatórios em PDF e planilhas continuam sendo as saídas digitais mais utilizadas, estes, servem apenas como uma visão estática e engessada, além de se tornarem um problema de organização de arquivos nas redes onde trafegam. Existem também situações nas quais relatórios específicos podem ser consultados e até modificados em dashboards online, acessíveis por browser, mas que pouco permitem integração com outros dados e raramente oferecem formas de download dos dados crus, mesmo estes sendo de propriedade do cliente. Vemos isso em sistemas agrometeorológicos, de rastreameento e logística e operações de máquinas agrícolas. Mesmo os ERPs voltados para o agronegócio em sua grande maioria oferecem poucos recursos de análises de dados.

Até aqui poderíamos concluir que o problema é tão somente de tecnologia, mas não é. Infelizmente o cenário encontrado foi de empresas com a expectativa de encontrar soluções de prateleira que entregassem tudo que elas precisam de analytics em um único produto. Isso não existe. O mais próximo e útil que pudermos ver implementado com sucesso foram BIs, no entanto, a falta de pessoas treinadas em análise de dados foi indiscutivelmente a maior barreira na adoção de análise de dados: Falta no Agro profissionais que entendam tanto das demandas agrônomicas e financeiras, quanto dos conceitos de matemática e estatística e saibam unificá-los com ferramentas de TI que permitam a plena manipulação de dados, inclusive geoespaciais, que resultem em análises, modelagens, predições e prescrições coerentes com as características próprias do negócio.

Em última instância, estar orientado à dados siginifica ter – a partir dos dados disponíveis – a capacidade de criar algoritmos que criem oportunidades de negócio, até então invisíveis ao mercado.

Por vezes vimos a culpa recair sobre os departamentos de TI, que não foram capazes de escolher as melhores tecnologias, quando na verdade muitas empresas ainda não enxergaram como os papéis de suas áreas internas mudaram. Para nós está claro, que além das simples demandas das áreas agrícolas e financeiras, áreas como a administrativa, operacional, jurídica, marketing e comercial de uma companhia deverão estar orientadas à análise de dados para que a empresa consiga se diferenciar, o que na prática se traduzirá em redução de custos e aumento de receita. Sob esta ótica TI tem que deixar de ser meramente ferramental e passar a ser estratégico e atuar como integradora e disponibilizadora de todos dos dados fundamentais para o negócio, com atenção sob os aspectos de governança e segurança da informação. Já os outros departamentos precisam radicalmente ter mais afinidade com tecnologia e isto está absolutamente ligado com as habilidades profissionais dos colaboradores. Estar orientado à análise de dados significa saber manipular dados nas mais diversas formas e isto é incoerente com não saber organizar os próprios arquivos na rede, não entender o funcionamento da Internet, utilizar há anos os recursos mais básicos de planilhas, ou mesmo errar nos princípios de estatística. Mas talvez uma das formas mais evidentes de saber o quão desorientado à dados um departamento está, é acreditar que ter internamente um profissional com conhecimentos de programação é desnecessário. Em última instância, estar orientado à dados siginifica ter – a partir dos dados disponíveis – a capacidade de criar algoritmos que criem oportunidades de negócio, até então invisíveis ao mercado.

E é claro que algoritmos são feitos com linguagens de programação, portanto, ter domínio de uma linguagem de programação ágil e versátil permite que grupos de pessoas prototipem e desenvolvam análises e modelos que validam hipóteses e aceleram processos. Isso é o cerne da transformação digital.

Em nossa experiência observamos algumas empresas que abraçaram essas mudanças e entenderam quais as perguntas mais importantes que poderiam ser respondidas pela análise de dados. Essas organizações passaram a criar equipes que difundiam os novos conceitos pela empresa e coletavam dados e ideias que rapidamente eram transformados em algoritmos desenvolvidos por membros da própria equipe. Dentre essas empresas inovadoras estavam importantes sucroalcooleiras, bancos com forte foco no Agro , tradings e empresas de insumos. Tais grupos de pessoas abandonaram o uso de planilhas e apresentações e passaram a compartilhar suas descobertas em ferramentas abertas como o Jupyter Notebook.

A medida que tínhamos contato com mais empresas do mercado de alimentos e agricultura, em diferentes momentos de maturidade e em diferentes países, confirmamos a visão de que nossos produtos deveriam trazer autonomia e liberdade aos nossos clientes. Autonomia para criar além de nós e liberdade de modificar a forma de uso de seus dados e integrá-los das maneiras que melhor lhe parecerem. Para isso, nossos clientes precisam criar seus próprios algoritmos, e por esta razão iniciamos os nossos treinamentos de produção de algoritmos para não programadores.

Especificamente iniciamos com treinamentos de Python e Data Science. Dentre tantas linguagens existentes, a linguagem de programação Python tem se destacado no mundo todo, pela facilidade de aprendizado e velocidade nos resultados. Duas referências sobre a popularidade do Python são bem esclarecedoras:

Assim entregamos ao mercado um conjunto completo de tecnologias habilitadoras e transferência de conhecimento que permitirão aos nossos clientes e parceiros avançar na nova fronteira de produtividade agrícola trazida pelos dados.

About Jose.Damico
Damico tem 23 anos de experiência em tecnologia e é especialista em transformação digital. Em sua primeira empresa desenvolveu tecnologias pioneiras para e-learning e dispositivos de segurança da informação. Durante esse mesmo período foi co-fundador de uma startup de e-procurement ativa até hoje. Posteriormente, iniciou suas atividades na IBM. Foi engenheiro de software, e se destacou com o desenvolvimento da plataforma DB2 para análise de grandes volumes de dados, ainda nesta época foi eleito para o Technology Leadership Council da IBM. Durante 8 anos desenvolveu projetos inovadores, fundou uma startup de sistemas de segurança embarcados em processadores no Vale do Silício, investida pelo Intel Capital. Nos últimos anos, atuou como CIO e P&D em empresas de tecnologia focadas no mercado financeiro do Brasil e Europa. Ele também tem uma forte presença na comunidade internacional de software livre. Na SciCrop, José coordena todos os desenvolvimentos tecnológicos, aplicando o conhecimento de suas pesquisas inovadoras em big data e IOT para a agricultura.

No Comments, Be The First!

Your email address will not be published.