Big Data na base da indústria de alimentos
A agricultura, início da cadeia de alimentos, é uma grande beneficiada pelas inovações trazidas por meio de Big Data Analytics. A começar pela otimização da agricultura de precisão.
Esta prática, que não é nova (os primeiros estudos relacionados a ela datam da década de 1920), sempre teve como método o uso de dados para melhorar a produção agrícola. Por meio da Geoestatística – observação, mensuração e análise de dados específicos de áreas geograficamente referenciadas –, é possível estabelecer as condições ideais às espécies cultivadas. Este processo viabiliza a automação agrícola para melhor gestão da água usada nas colheitas, aumento da produtividade, redução de custos ou diminuição da utilização de agrotóxicos e do desperdício de alimentos.
O grande diferença criada pelo Big Data para a agricultura de precisão, que já partia de uma premissa data-driven, foi a possibilidade de se coletar (por meio de modernos sensores), analisar e correlacionar dezenas de variáveis que influenciam a produção agrícola, como os níveis de humidade, nitrogénio e pH do solo. Desta forma, aumentou-se a qualidade e variedade das informações geradas para administração das colheitas, como determinação das melhores culturas para se plantar e estimativas precisas da quantidade e tipo de fertilizante a ser utilizado.
Big Data também potencializou a manutenção preventiva dos equipamentos usados na produção agrícola. Algumas das principais fabricantes de máquinas agrícolas do mundo, como John Deere e Caterpillar, têm instalado sensores em suas máquinas que guardam, em tempo real, os dados de funcionamento, performance e potenciais valores de desempenho, além de alertarem quando é necessário fazer a manutenção preventiva delas. Desta forma, a gestão da frota é otimizada, evitando equipamentos defeituosos ou mesmo a perda deles.
Não foi só a produtividade das colheitas que aumentou com o auxílio de Big Data. A coleta e análise de grandes volumes de dados também ajudou a revitalizar os processos legais agrícolas.
Empresas especializadas em seguro de colheitas (utilizado em caso de perdas por desastres naturais ou de quedas das receitas dos produtores, por não saberem praticar preços corretamente sobre os seus produtos) têm se valido das ferramentas de Big Data para guiar produtores agrícolas nas tomadas de decisão acerca do que e quando plantar, além dos preços corretos a serem cobrados pelos alimentos, a fim de melhorar a produtividade das plantações e aumentar seus lucros.
Uma destas empresas é a The Climate Corporation, que recolhe dados de milhões de fontes relacionadas a ambiente e agricultura e os combina com os dados já recolhidos em uma série histórica de mais de 30 anos, ajudando a prever padrões de clima e rendimento das culturas.
Padrão de qualidade global
Para o consumidor final comum, o mais importante em toda a cadeia produtiva de alimentos é se a comida que chega até seu prato é de qualidade. E, por qualidade, me refiro não apenas ao gosto do alimento, mas à ausência de bactérias nocivas à saúde, como Salmonella e E.coli.
Big Data tem sido utilizado por grandes redes de restaurantes para garantir esta tão desejada (e necessária) qualidade em todas as filiais, sem exceção. É o que tem feito a The Cheesecake Factory, dos Estados Unidos. Por meio de uma ferramenta de data mining, a empresa analisa os dados de suas 175 estabelecimentos comercias espalhadas pelos EUA – sejam eles dados estruturados, como os nomes de fornecedores e localização das filiais, ou não-estruturados, como um ingrediente que aparenta estar fora dos padrões de qualidade exigidos. A tecnologia de Big Data utilizada pela companhia analisa e identifica, em tempo real, os dados que indicam os pontos críticos em sua cadeia de suprimentos.
Por exemplo, caso um lote de mostarda esteja com uma cor estranha por não ter sido bem misturado na linha de produção, ele será identificado e seu uso será vetado antes mesmo que chegue aos restaurantes. Desta forma, a The Cheesecake Factory recolhe e testa apenas os itens “defeituosos”, em vez de todos os milhares de ingredientes da sua cadeia produtiva. Além de determinar, de forma assertiva, a causa de eventuais problemas com seus alimentos, a empresa poupa tempo e dinheiro.
Previsão de tendências
Big Data também tem sido utilizado para prever tendências dentro do setor alimentício. Um exemplo disto é a empresa norte-americana Food Genius, especializada no uso de data mining e machine learning em dados especificamente da indústria de alimentos (como itens de menus de restaurantes e precários de pratos).
A partir da recolha e análise de dados de mais de 360 mil restaurantes, 110 mil menus e 16 milhões (!) de itens presentes nestes cardápios, a empresa é capaz de gerar diferentes tipos de insights que servem de base para as tomadas de decisão da indústria de alimentos.
No mapeamento de tendências que a Food Genius fez para o ano de 2015, por exemplo, foi apontado que as estratégias de precificação dos restaurantes passaria por atualizações e que haveria um aumento da demanda pela cozinha italiana, dentre outros insights.
Fonte: BigDataBusiness - Hekima