logo
Top

Big Data e Advanced Analytics: os fertilizantes para a evolução no agronegócio

Com a crescente abundância de dados decorrentes do cenário de transformação digital que testemunhamos atualmente, mais do que práticas eficientes ou fertilizantes adequados, big data & analytics passou a ser considerada chave para o futuro do agronegócio. Essencial tanto para o aumento da produtividade no campo, quanto para a logística e atendimento dos mercados, resultando no incremento do resultado econômico dos negócios.

 

Se olharmos para o passado, identificamos o alto custo que havia para mensurar operações reais, restringindo algumas tomadas de decisão no setor. Em contraposição, nos dias atuais, tecnologias de mecanização, automação, sensorização, aprendizado de máquina e inteligência artificial associadas à big data estão cada vez mais comuns, proporcionando frutos surpreendentes. Como resultado, as empresas conseguem reduzir incertezas sobre o futuro, por meio de análises preditivas, e estabelecer melhores definições sobre planos de ação diante de um cenário de tomada de decisão, via análises prescritivas na busca de melhores resultados.

 

Conceituações iniciais

Antes de seguir, quatro conceituações se fazem essenciais para este artigo:

  1. Big Data diz respeito tanto à profusão de dados quanto aos métodos de processamento, medição e análise das diversas fontes de informações, resultando em uma ferramenta imprescindível em um processo de tomada de decisão. A partir de uma combinação dinâmica entre tecnologia e Advanced Analytics, o resultado é uma nova maneira de processamento da informação, de maneira mais útil, ágil e assertiva.
  2. Advanced Analytics, por sua vez, refere-se ao emprego de técnicas do mundo da matemática aplicada que nos permitem ir muito além da capacidade do olho nú humano, mesmo que apoiado por ferramentas de BI (business intelligence) ou planilhas eletrônicas. A área de conhecimento da análise preditiva (ex.: estatística avançada e machine learning) e análise prescritiva (ex.: otimização matemática) representam bem os meios possíveis na obtenção de insights preciosos para apoio à tomada de decisões. Por fim, trata-se de uma abordagem poderosa na geração de resultados significativamente melhores nos principais indicadores de performance da empresa.
  3. Agronegócio são cadeias de suprimento que começam com o elo primário da agropecuária de grãos, cana-de-açúcar, leite, carnes (bovina, suína, ovina etc.), madeira (papel e celulose), frutas, flores, etc. e que se estendem até agroindústria e o atacado ou varejo de alimentos, bebidas e outros itens semiacabados ou produtos de consumo.
  4. Produção e Coprodução – no agronegócio, diferentemente da manufatura industrial (montagem), são comuns as cadeias de desmonte (ou desmontagem), ou seja, cadeias produtivas onde parte-se de uma matéria prima inteira e precisa-se desmontá-la para vender as partes, adicionadas ou não a outros componentes. São os casos de proteína animal, cana-de-açúcar, leite, madeira, grãos, frutas, etc. Tomando o soja como exemplo, a partir do esmagamento do grão, podemos produzir óleo, margarina, tofu, molho de soja, leite de soja, proteína de soja, ração animal enriquecida com farelo de soja, etc.

 

Tomada de decisões

Um produtor de agropecuária ou uma agroindústria integrada precisa tomar inúmeras decisões de alocação de recursos produtivos para atender seus clientes atacadistas e varejistas, todos os dias e diversas vezes ao dia. Começa pelo entendimento do perfil da demanda, passa pela escolha de “o que plantar” e “onde plantar”, mas já pensando nos mercados que serão atendidos a partir daquelas localidades. Na agroindústria, pergunta-se “onde devo originar” a matéria prima para ter a qualidade mais adequada à demanda, com o menor custo de produção e logística possível. O mesmo aplica-se para a cadeia do reflorestamento/madeira/celulose e papel, assim como para produção avícola, bovina ou suína. Com isso destaca-se que as decisões tomadas no início da cadeia são fundamentais para o sucesso no atendimento dos produtos finais em cada localidade de mercado alvo, passando por decisões de portfólio e nível de serviço.

 

De forma sucinta, as principais decisões do agronegócio podem ser resumidas à:

  • Originação: quanto e onde comprar matéria prima
  • Produção: onde produzir e o que produzir – como lidar com a geração de co-produtos e balanceá-los segundo rendimentos x custos
  • Armazenagem: onde guardar e como distribuir
  • Atendimento: quem atender, de onde atender, em que ordem e como atender

Tomar decisões que envolvam mais de 5 ou 6 fatores ao mesmo tempo vai se tornando algo extremamente complexo, pois a quantidade de combinações possíveis é enorme. Encontrar o cenário que represente o “ótimo global”, ou uma situação ideal para a empresa é muito difícil. Gestores almejam tomar ótimas decisões todos os dias, mas muitos deles foram educados no método empírico, bastante similar ao “tentativa e erro”, que se mostra cada dia mais caro e ineficiente. O que fazer para fugir deste ciclo vicioso? Só existe uma maneira de tomar ótimas decisões constantemente: apoiando todo o processo de decisão em aplicações analíticas com motores de inteligência embarcados (técnicas de Advanced Analytics).

 

Benefícios 

Com o uso de planejamento apoiado em otimização matemática, uma empresa é capaz de atingir o máximo de eficiência operacional e de mercado – um fenômeno que já citei neste artigo conhecido como “ótimo global”. Em cada um dos elos da cadeia produtiva do agronegócio – agrícola, industrial, distribuição ou comercial – é possível gerar ganhos econômicos e tratar muitas ineficiências da cadeia ao mesmo tempo.

É difícil de acreditar?

Isso é possível pois o emprego de Advanced Analytics viabiliza a redução de falhas e imprecisões na tomada de decisões trazendo simultaneamente melhoria no atendimento aos clientes, maior eficiência operacional e melhoria na margem de contribuição. Para empresas de médio e grande porte, são comuns os projetos com ganhos na ordem de dezenas de milhões de reais ou mais.

 

Desafios

Se a vantagem é tão significativa, você pode estar se questionando sobre o porquê desta ainda não ser uma realidade de mercado em várias empresas. Acredito que podemos reunir as razões em três principais desafios que dificultam a adoção de Advanced Analytics:

  1. Feeling: as pessoas estão muito acostumadas com o paradigma das decisões baseadas na experiência ou no “sentimento”, o que faz com que a tomada de decisão em atividades de planejamento siga esta mesma prática;
  2. Desconhecimento: a área da matemática aplicada ainda é pouco conhecida por corporações do mercado, em especial porque ainda está muito distante da experiência acadêmica da grande maioria das profissões. Ainda hoje o contato acadêmico deste conteúdo restringe-se a profissionais da matemática, estatística, ciência da computação ou engenharia da produção, reduzindo o entendimento geral sobre o enorme potencial desta abordagem. Segundo pesquisa mundial da McKinsey, somente 3% das empresas têm ou teve algum projeto com uso de modelos prescritivos para tomada de decisão. Portanto, a falta de familiaridade com o tema gera dificuldade de acreditar na grandeza do potencial de resultados;
  3. Visão restrita: muitos gestores ainda não conhecem os benefícios de começar a usar a solução e acabam buscando o ótimo local para sua área, de forma isolada. Via de regra os ganhos são pequenos (ou marginais) e com frequência geram efeitos colaterais em outras áreas. Com isso, tal experiência de otimização “não matemática” deixa a percepção errônea de que o potencial de resultados não é relevante.

 

Na prática

Nada melhor do que citarmos alguns cenários reais para demonstrar, na prática, como a otimização é capaz de entregar resultados diferenciados para a tomada de decisões.

 

Atividade agrícola de cana-de-açúcar: a semente é plantada uma vez e são feitas de 4 a 6 colheitas com este mesmo pé de cana. A partir da terceira ou quarta colheita, de acordo com a produtividade de cada talhão, o gestor agrícola precisa fazer um trade-off: tomar a decisão entre replantar ou investir em técnicas de manejo para revitalizar a planta e a terra para ter mais uma colheita. Neste caso, a otimização matemática pode ajudar o gestor a considerar as dezenas de fatores envolvidos para indicar o plano de ação capaz de maximizar a quantidade e qualidade da cana-de-açúcar a ser colhida, ao mesmo tempo em que minimiza o custo operacional.

 

Elo industrial da soja: o otimizador matemático pode ajudar a encontrar o plano de produção ótimo para maximizar a quantidade produzida, o atendimento aos pedidos de clientes e, ao mesmo tempo, reduzir as trocas de set-ups de linha, o custo operacional e a ruptura e desperdício de matérias primas.

 

Elo comercial: quando enfrentamos um pico de demanda, que excede a capacidade de oferta da empresa, o otimizador tem o potencial de ajudar a identificar o conjunto de pedidos que trarão a maior margem de contribuição ou aqueles que o comercial deve tentar obter mais prazo com os clientes. Neste mesmo cenário de demanda maior que a oferta, o otimizador pode apontar as regiões que têm maior margem de contribuição e que devem receber mais atenção de marketing e vendas para ações que aumentem o volume vendido e, por consequência, a rentabilidade global.

 

Com quem contar para colocar tudo em prática

Vale destacar aqui que o mercado trabalha o conceito de otimização analítica de muitas formas. Existem soluções genéricas vendidas com essa roupagem, mas que definitivamente não possuem o potencial de entregar todos os benefícios citados. Todo este poder transformador só é alcançável com soluções que contem com algoritmos de modelagem desenvolvidos sob medida e que considerem as principais particularidades do cliente. Portanto, fique sempre atento aos detalhes e, antes de investir, consulte um especialista.

 

Aqui na UniSoma, nosso time é capacitado para utilizar a técnica a favor do seu negócio e gerar resultados. Fale conosco e saiba mais!

 

*Sérgio Moog é Executivo de Desenvolvimento de Clientes da UniSoma. É formado em Administração de Empresas pela UFRGS e Pós-Graduado em Finanças Empresariais e Marketing e Vendas, ambos pela Fundação Getúlio Vargas. Possui experiência de 21 anos em vendas de soluções para negócios com base em tecnologia no mercado corporativo de grandes e médias empresas.