O Engenheiro Agrônomo e o Cientista de Dados

engenheiro agrônomo produtor rural cientista dados

Seja bem-vindo(a) a Newsletter da Agro Insight, um espaço de artigos autorais e curadoria sobre tecnologias, sustentabilidade e gestão para o agro.

Se você ainda não é assinante, junte-se a mais de 8 mil profissionais do Agro, consultores e produtores rurais que recebem gratuitamente conteúdos de qualidade selecionados toda semana, adicionando o seu e-mail abaixo:

“In God we trust; all others must bring data”.

Ou, “Nós acreditamos em Deus, para os demais, mostrem os dados”, ≠ frase de William Edward Demings, que foi um estatístico, professor universitário, autor, palestrante e consultor estadunidense amplamente reconhecido pela melhoria dos processos produtivos nos Estados Unidos durante a Segunda Guerra Mundial.

Em uma visão mais pragmática, seu ponto se baseia em analisar dados e em cima disto tomar decisões mais assertivas e que as crenças não baseadas em fatos sejam eliminadas, a não ser a crença em Deus.

Claro que há certo exagero nesta frase, necessário para mostrar o ponto principal de ter-se uma base de dados para poder embasar as decisões e não apenas na crença e no feeling, mesmo sabendo que estes também tem seu grau de importância na tomada de decisão, mas que não devem ser quem pauta a decisão, e sim os dados.

Nesse contexto emerge uma das duplas mais importantes para o meio agro. Não, não estamos falando do Chitãozinho & Xororó, embora não se faça lavoura sem ter Terra Tombada n’Um Rancho Fundo com Fogão de Lenha!; mas sim do Engenheiro Agrônomo e do Cientista de Dados.

O primeiro já vem há muito tempo em carreira solo muito próximo ao seu principal ouvinte, o Produtor Rural, porém agora ele pode contar com esse reforço de peso exatamente em um papel de segunda voz.

Geralmente, em um papel principal, parte do Engenheiro Agrônomo as principais sugestões de manejo desde a montagem do plano, como o acompanhamento e checagem de sua execução, pautado em seu conhecimento técnico adquirido através de sua formação e experiência, tentando entender o funcionamento da lavoura junto as condições que sob ela incidem bem como suas combinações – e haja combinações!

Há quem diga que temos mais de 50 fatores que influenciam a produtividade alocado dentro dos 3 grandes grupos: genética, manejo e ambiente, dos quais a grande maioria, principalmente no grupo de ambiente, temos pouca interferência. Agora imagine quantas genéticas e fases fenológicas junto a alternativas de manejo e combinações de ambientes temos para integrar e a partir disso compreender seus efeitos. E é exatamente aqui que entra o Cientista de Dados.

Advindo da área de TI (como popularmente falamos) o Cientista de Dados é um profissional que trabalha em um ponto bastante específico de todo esse processo tecnológico que vai desde a coleta dos dados, armazenamento em um banco de dados, até construção de back-end front-end. – para quem não conhece essa área, dentro de cada segmento deste há competências e especialidades específicas do trabalho, sendo um processo multidisciplinar feito à várias mãos.

Mas então o que faz o Cientista de Dados e onde ele age no Agro?

Basicamente o Cientista de Dados acessa os dados já em um banco, ou storage, e realiza tratamentos, conversões e padronização dos dados, trabalha em cima de análises exploratórias buscando padrões e correlações entre os dados na busca de insights.

Apenas para ter ideia da especificidade dos profissionais da área de tecnologia, este não atua  muito nas áreas anteriores aos bancos de dados, ficando muito focado no que chamamos de back-end e avançando um pouco em front-end, que nada mais é do que as telas bonitas de BI (Business Inteligence) como PowerBI, Tableau, Spotfire entre outros, que vemos (geralmente esta área é destinada para profissionais especializados também em design).

E como que estas duas vozes se encaixam e formam um dueto perfeito?

Simples. O Engenheiro Agrônomo continua no seu principal papel porém tem agora o auxílio de alguém que consiga acessar e vincular todos os dados coletados na fazenda, tratar e buscar as correlações em conjunto.

Na era em que estamos vivendo, passamos e continuamos passando por um verdadeiro boom de geração de dados onde muitos processos anteriormente manuais foram automatizados e são potencializados pela IoT, ou “internet das coisas” (Internet of Things) que basicamente toma medidas de forma automática e em tempo real aumentando em muito o banco de dados.

Um exemplo simples que gosto de colocar é a respeito desses relógios digitais que utilizamos que tem como uma de suas funções medir a frequência cardíaca. Agora imagine uma pessoa que vai ao médico uma vez por ano realizar um check-up ,  dentre seus exames é comum ter o eletrocardiograma que tem por objetivo medir a frequência cardíaca. O aparelho é instalado na pessoa e em uma amostra de poucos segundos temos o resultado (demora mais para instalar o aparelho do que o tempo do exame – Tony Ramos sabe muito bem do que estou falando).

Agora volte ao relógio e imagine este pregado ao seu pulso 24 horas por dia (exceto na recarga) medindo sua frequência a cada série de segundos. Uma pessoa de 30 anos que foi ao médico uma vez por ano desde seu nascimento teria em média monitorado 30 minutos de batimento ao longo da vida enquanto ao usar um relógio deste por um dia teríamos mais de 1.000 minutos – é surreal o crescimento exponencial em termos de geração de dados.

Quando passamos a ter dados nesta magnitude entramos no que famosamente chamamos de big data e isso trás um poder enorme de análise pois um dos princípios do data science, trabalho do Cientista de Dados, é realmente buscar os padrões e sua frequência de ocorrência começando a transformar os dados em informação – dados isolados não é informação, lembre-se disto.

E é justamente aqui que o Engenheiro Agrônomo e o Cientista de Dados convergem, pois um tem o direcional técnico e prático da lavoura e o outro a competência de transformar dados em informação dentro de direcionais de ambos os lados.

Tanto o Engenheiro Agrônomo como o Cientista de Dados podem trazer o insight  primeiro, seja o Engenheiro Agrônomo apontando buscas através de suas hipotéses (por exemplo buscar relações entre produtividade e dados de qualidade de plantio como taxa de semeadura, população final, genética, fornecedor, etc.) como o Cientista de Dados trazendo as correlações encontradas em sistema por ordem de importância (com os dados do exemplo anterior fazer um ranking entre as variáveis da que mais tem correlação para o que tem menos – resultados surpreendentes aparecem aqui!), sempre em conjunto, um validando a busca ou insight do outro.

Por vezes o que o Engenheiro Agrônomo valida suas hipóteses com informações que vem do Cientista de Dados e tenta entender a campo se o que o Cientista de Dados trás faz sentido.

Lembro-me muito bem quando estávamos rodando um modelo de projeção de implantação de lavouras e o modelo apontava que as épocas mais adequadas de semeadura estavam um mês a frente do que é praticado na região.

Buscando mais a fundo o que poderia ser, descobrimos que as áreas de sistema de plantio irrigado poderiam estar influenciando o modelo pois geralmente produzem bem e são cultivados, em média, um mês a frente do cultivo de sequeiro. Bingo! Ao buscar, entender e tratar esta variável, o modelo se normalizou e começou a tratar estas duas variáveis de maneira independente.

Então vejam que no exemplo citado o Cientista de Dados trouxe as saídas simples do modelo e em conjunto com o Engenheiro Agrônomo refinaram o modelo baseado nos conhecimentos técnicos de campo junto a uma estatística de dados multi-variadas.

É muito importante ter os dois lados entrando no conhecimento de área do outro para que juntos entendam como montar o modelo. Tanto o Engenheiro Agrônomo terá que ampliar a sua base analítica quando o Cientista de Dados entender da operação técnica da lavoura. Modelos são apenas equações matemáticas baseadas em dados que entram e saem de maneira a que o primeiro condiciona muito o que sai, logo se os dados que entram não são suficientes e/ou não tem qualidade, a informação gerada pelos modelos não terá grande grau de assertividade.

Por isso é importante a dupla!

Se você ou a sua empresa ainda não trabalham, ou não buscam este tipo de metodologia de trabalho, sinto dizer-lhes que estarão cada vez mais ficando para trás…

Data is the new oil“, ou “dados é o novo petróleo” é um dos termos em alta do momento que se baseia no valor de capitalização de mercado das maiores empresas do mundo em 2006 e 2016. Em 2006, as maiores empresas do mundo estavam ligadas ao setor de Óleo e Energia e que 2016 foram ultrapassadas por empresas do setor de Tecnologia.

Portanto, com um recurso precioso como este e que já acontece nas empresas rurais, seja dentro da porteira com softwares de gestão, monitoramento de pragas, monitores em máquinas, pluviômetros automatizados, entre outros; ou fora da porteira, não faz o menor sentido não trabalhar o seu próprio dado – que é o mais importante para você, diga-se de passagem.

Convidamos a esta reflexão pois vejam como as empresas usam o marketing digital de maneira eficiente. Basta notar quando pesquisamos determinado assunto na internet e começamos a receber um monte de propaganda sobre aquilo. Puro tratamento de dados e algoritmos.

A tempo de mais um exemplo bem interessante sobre uso de dados:  a banda de rock Metallica usa dados do Spotify e analisa quais são suas músicas mais ouvidas na cidade em que será o próximo show e assim leva personalização ao público baseado em seu interesse.  Que criatividade!

Por isso, estruture sua equipe, seja criativo e deixe os dados falarem.

Gostou desse insight? Se inscreva na nossa newsletter e tenha este e outros conteúdos na palma de sua mão. Clique aqui.

 

Rinaldo Grassi Pirozzi

Engenheiro Agrônomo

 

 

 

 

 

 

Se inscreva na nossa Newsletter gratuita

Espaço para parceiros do Agro aqui

Posts Relacionados

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Preencha esse campo
Preencha esse campo
Digite um endereço de e-mail válido.
Você precisa concordar com os termos para prosseguir

Esse site utiliza o Akismet para reduzir spam. Aprenda como seus dados de comentários são processados.

junho 2024
D S T Q Q S S
 1
2345678
9101112131415
16171819202122
23242526272829
30  
LinkedIn
YouTube
Instagram