O setor do agronegócio possui uma grande tradição em pesquisa analítica com uso de dados. Foi assim que impulsionamos a revolução verde, conhecida também como a terceira grande revolução da agricultura – período de grande expansão na produção de alimentos nos anos 70 e 80 -, que foi em grande parte fruto de análise de dados e modelagem estatística. Muitas das técnicas de modelagem usadas hoje, a exemplo da análise de experimentos e de variância, apareceram ou foram aperfeiçoadas nesse período por demanda das aplicações no setor agro.

E o Brasil é um dos líderes dentre os países que mais realizam inovação e pesquisa científica na agricultura. Grandes feitos da pesquisa científica brasileira na agricultura ocorridos nos anos 60 aos anos 2000, como a domesticação e expansão da soja no Cerrado, o controle do cancro cítrico e a criação de um dos maiores programas globais de energia renovável – a produção de etanol a partir da cana-de-açúcar – só foram possíveis graças ao uso de dados e modelagem estatística. Como uma amostra dessa relevância, a Empresa Brasileira de Pesquisa Agropecuária (Embrapa) recebeu mais de três bilhões de reais em verbas federais para investimento em pesquisa e inovação agropecuária em 2022.

No âmbito da economia digital, tecnologias como a agricultura de precisão, pesquisa genética contínua e mecanismos de proteção financeira, e a sofisticação dos produtos financeiros como o mercado de derivativos e de seguros, só são escaláveis com uso intensivo de dados e modelos matemáticos e estatísticos. Em um espectro mais amplo, até as recentes demandas da sociedade como rastreabilidade da cadeia, monitoramento e segurança alimentar e o controle sobre atividades de sustentabilidade ambiental são essencialmente cadeias de informações não-estruturadas.

A combinação dados e agricultura, por sinal, é protagonista nas principais pautas da sociedade atual, como a segurança alimentar e a sustentabilidade sócio-ambiental.

A segurança alimentar é um desafio devido ao cenário de estrangulamento da cadeia de suprimentos. Os desencaixes logísticos, consequência dos efeitos da COVID-19, afetam tanto a disponibilidade e preços dos insumos como sementes, defensivos e fertilizantes, como também a distribuição e processamentos dos produtos.

Para dimensionar o problema, no Brasil, é estimado o retrocesso de mais de uma década de programas de erradicação da fome e miséria no período de 2019 a 2022. Para combater esse retrocesso, precisamos reorganizar a cadeia, identificar os pontos de gargalo de logística e armazenamento e digitalizar os dados “da porteira para dentro”, como detalhamento do histórico de produtividade, característica do solo e maquinário, tipos de cultura, entre outros, para conectar os produtores com melhores fontes de financiamento, otimização na compra de insumos e melhora na distribuição dos seus produtos.

Fora as demandas urgentes de segurança alimentar, as pautas de responsabilidade social e ambiental, em especial relacionadas às demandas por descarbonização dos processos produtivos e compensação das emissões de gases do efeito estufa, também são um assunto que tende a ser amplamente discutido. Dentre os Objetivos de Desenvolvimento Sustentáveis (ODS) da ONU, fora a questão do combate à fome, podemos destacar o agronegócio naqueles relacionados ao consumo e produção conscientes, mudanças climáticas e agricultura sustentável. Assim, a inovação em modelos de predição relacionados ao agro se torna fundamental, objetivando a sustentabilidade e as questões sociais.

Em ambos os temas citados, dados e análises são os principais mecanismos de identificação e valoração das iniciativas individuais, como o levantamento global para uso em políticas públicas. Buscando a coleta e análise de informações, bem como a implementação de soluções cada vez mais sofisticadas, podemos esperar protagonismo das empresas especialistas em dados e das agtechs no futuro do agronegócio, setor de crescente importância na agenda mundial.