Uma grande parcela do PIB brasileiro advém do agronegócio e o avanço da tecnologia é um dos principais motivos para este ramo ser ainda muito expressivo no Brasil. Desse modo, nessa era tecnológica em que dados são essenciais em tomadas de decisão, é fundamental que grandes empresas consigam se adaptar. Assim, a Embrapa (Empresa Brasileira de Pesquisa Agropecuária) tem como missão a inovação tecnológica focada na geração de conhecimento e tecnologia para a agropecuária brasileira.
Dessa maneira, em 2018, a Quanta teve a oportunidade de compartilhar desse propósito e fez um projeto de análise de dados para a Embrapa que previa o crescimento de capim e o crescimento de gado em uma certa região, utilizando modelos de predição, obtendo um algoritmo que aponta a tendência na realidade, demonstrando consistência com os dados observados.
O desafio do projeto
A análise de dados pode ser dividida em duas principais áreas: a análise descritiva e a preditiva. A primeira descreve os dados de forma quantitativa e qualitativa, já a segunda visa prever o comportamento dos dados.
Muitos produtores rurais têm dificuldade em entender como se comportam algumas variáveis e sentem necessidade de predizer certas informações. Por este motivo, a Quanta Jr. foi procurada. A Embrapa precisava de uma análise que previa o crescimento de capim e o crescimento de gado em uma certa região.
A solução pensada para a Embrapa
Modelos de crescimento de capim e de gado de corte procuram estimar a variação e o crescimento dos mesmos. Tais modelos podem parecer bem simples de serem calculados. Porém, existem algumas variáveis aleatórias como genética e componentes no solo de uma determinada região que costumam deixá-los bem mais complexos e caros. Assim, muitos produtores rurais não usam essas ferramentas devido à ineficiência de alguns modelos com a presença de alguns parâmetros.
Porém, a Quanta estudou e fez alguns testes com diversos modelos de predição e chegamos a uma conclusão interessante. A melhor opção seria criar um modelo a partir da ferramenta estatística Moving Horizon Estimation (MHE). Em português, seria a estimativa de horizonte móvel, que nada mais é que um algoritmo de otimização.
Esse método é relativamente novo e, apesar de ter um alto custo computacional, atualmente já é viável a sua aplicação. O algoritmo usa uma série de medições feitas ao longo de um horizonte finito de tempo que contém imprecisões. A partir disso, ele estima variáveis e parâmetros até então desconhecidos. Uma boa maneira informal de entender esse método é pensar que conforme o tempo “caminha”, esse horizonte de observação também “caminha”.
Com essa ferramenta, os modelos responderam de maneira satisfatória e eficiente para a demanda do projeto.
Conclusão
Por meio desse projeto, foi possível o alinhamento entre a Quanta e a Embrapa no quesito de inovação. A aplicação do MHE, um método estatístico relativamente novo, permitiu que nosso legado se estendesse para uma das principais áreas do nosso país, a agropecuária.
E aí, o que achou dessa parceria entre a Quanta Jr. e a Embrapa? Ficou interessado sobre análise de dados? Se sim, não deixe de entrar em contato com a Quanta Jr. para realizarmos, em conjunto, sua própria análise de dados.
