A célebre frase “Aquilo que não se pode medir, não se pode melhorar”, de Peter Drucker, pai da administração moderna, se tornou um mantra nas mais diversas áreas, inclusive no agronegócio. De fato, muitos índices são essenciais de serem monitorados frequentemente na agropecuária para que seja possível garantir o desempenho e bem-estar dos animais.
Todos que trabalham com animais estão habituados a métricas como conversão alimentar (CA), ganho de peso (GP) e mortalidade. Afinal, elas são um excelente indicativo de como um lote está. Assumindo-se a mesma lógica, conclui-se que quanto mais dados se têm, melhor poderá ser a gestão da produção.
O que muitos não se dão conta é que obter dados é um processo caro. Ter uma pessoa que manualmente anota a mortalidade, consumo de alimento ou uso de medicamentos é laborioso.
Notícias Relacionadas
Atualmente, com novas tecnologias, houve uma redução significativa de custos em grande parte de dados que podemos coletar. Um exemplo clássico é o uso de dataloggers de temperatura: o que antes exigia uma pessoa ir fisicamente até um termômetro olhar a marcação e anotar em uma planilha, agora pode ser feito a quilômetros de distância. Nesse exemplo específico, foi retirada a limitação que é ter alguém dedicado a realizar esse monitoramento de forma constante. A partir do momento em que isso é feito, temos a curiosidade aliada à vontade de melhorar a produção criando registros gigantescos, o chamado big data. No entanto, é realmente importante saber a variação de temperatura de um galpão segundo a segundo? Provavelmente o registro a cada hora seja suficiente na maior parte das aplicações.
O impacto que uma decisão como essa – a frequência em que o dado está sendo coletado – é importantíssima. A diferença entre o volume de dados é a seguinte: 1 dia contém 86.400 segundos, mas apenas 24 horas. A obtenção de 86.400 registros de temperatura em um único dia em um galpão de frangos irá ajudar mais na tomada de decisão do que 24 registros?
A facilidade na coleta de informações e o barateamento dos mecanismos de armazenamento fazem com que quantidade de dados atuais seja sem precedentes na história da humanidade, e a tendência é o volume de dados continuar aumentando drasticamente, uma vez que, os dispositivos de coleta estão cada vez mais acessíveis.
Esse grande volume de informações torna a gestão dos dados mais complexa e pode tornar a tomada de decisão mais difícil, algo oposto do que se propõe quando se instala qualquer sistema de coleta destas informações.
Justamente nessa etapa, o big data atrelado ao uso da inteligência artificial, machine learning, internet das coisas, entre outros, poderá dar respostas às várias perguntas na cadeia do agronegócio.
Poucas empresas do agronegócio atualmente dispõem de um cientista de dados, atividade que tem um dos maiores déficits de profissionais no momento, visto a importância que o uso de informações atingiu. Além disso, há uma lacuna entre o profissional “high tech”, com a capacitação necessária para minerar e analisar dados por meio das mais diversas ferramentas (redes neurais, lógica fuzzy, árvores de decisão, dentre outros modelos) e o profissional com conhecimento veterinário, que conheça quais são as variáveis relevantes biologicamente.
No entanto, é importante que produtores, veterinários e zootecnistas possam realizar análises simples do ponto de vista estatístico, mas que ainda assim agregam na tomada de decisão. Afinal, é necessário começar de algum lugar.
Invertendo-se um pouco a frase de Peter Drucker, pode-se ser mais objetivo na escolha de dados a serem mensurados: “O que eu preciso melhorar é aquilo que irei medir.”
Assim como qualquer caminho serve para aquele que não sabe onde chegar, não se trata apenas de fazer uma aquisição de dados disparadamente, carregando todas as planilhas de informações, se na verdade não houver um direcionamento dos objetivos a serem atingidos. Quando se inicia uma coleta de dados de qualidade e os colaboradores percebem que as informações são de fato utilizadas, tem-se a movimentação da empresa em direção ao data-driven. Começa então um ciclo virtuoso de análises e decisões assertivas, que levam à coleta de mais dados e em determinado momento será factível ter uma estrutura para a análise desses dados de toda a empresa.
Portanto, é importante entender qual o objetivo ao se coletar um dado e como a informação será organizada para fundamentar a tomada de decisão, seja ela realizada por computadores ou por seres humanos. É possível delegar diversas decisões às máquinas (machine learning) e utilizar nosso tempo e a riqueza que informações de qualidade trazem para fazermos o nosso melhor: a inovação.
Vivemos um momento em que o armazenamento de dados é necessário, inclusive pela dificuldade que tivemos no passado. Neste momento, estamos vivendo a formação de um banco de dados robusto e consistente, para depois verificarmos o que se pode fazer. Na verdade, acredita-se que com a facilidade de registro de dados isso ficou fácil, mas existe ainda a carência profissional de quem fará o refinamento da informação e como serão realizadas as análises. É justamente nessa etapa que entram os conceitos da inteligência artificial atrelados ao big data, que com o treinamento de redes poderá dar respostas às várias perguntas na cadeia do agronegócio.
Indiscutivelmente, o uso da informação na produção animal está passando por uma revolução, seja dentro das granjas, no chamado pós-porteira, identificando cada vez mais os gargalos de perdas produtivas e possibilitando a prevenção, por meio de simulações e modelos ajustados à realidade não apenas no nosso país, mas de cada propriedade.
Quer acompanhar o que acontece na avicultura e na suinocultura?
Siga-nos no Facebook:
https://www,facebook.com/aviculturaindustrial
https://www.facebook.com/suinoculturaindustrial
Acompanhe nosso Linkedin:
https://www.linkedin.com/company/gessulliagribusiness
Precisa de algum serviço ou produto?
Pesquise no Guia Gessulli:
https://www.guiagessulli.com.br/
