A digitalização do campo e a democratização da ciência de dados: perspectivas para aplicação por produtores agropecuários

Autores

Palavras-chave:

Covid-19; Digitalização; Ciência de Dados; Inovação.

Resumo

O contexto da pandemia da Covid-19, entre as suas diversas consequências, acelerou o processo de digitalização do campo e estimulou a adoção da internet pelos produtores agropecuários. A ciência de dados (data science) a cada dia que passa se torna mais acessível e já começa a chegar nas mais diversas organizações, inclusive as relacionadas a agropecuária e ao agronegócio. O paper buscou discutir as potencialidades oriundas da digitalização do campo e da utilização da ciência de dados com poucos recursos pelos produtores agropecuários. Trata-se de um ensaio acadêmico, baseado privilegiadamente em pesquisa bibliográfica. Os principais resultados apontam que os produtores podem se beneficiar de inúmeras formas da digitalização e da ciência de dados, entretanto o principal desafio é o aumento da abrangência do acesso à internet e o desenvolvimento da cultura de obter, armazenar e analisar dados.  

Biografia do Autor

Leonardo de Oliveira Dresch, Empresa Brasileira de Serviços Hospitalares (EBSERH).

Doutorando em Administração no Programa de Pós-Graduação em Administração e Contabilidade (UFMS).

 

Adriano Marcos Rodrigues Figueiredo, Professor do Programa de Pós-Graduação em Administração e Contabilidade da UFMS.

Doutorado e Pós-Doutorado em Economia Aplicada (UFV). 

Mayra Batista Bitencourt Fagundes, Professora do Programa de Pós-Graduação de Administração e Contabilidade da UFMS.

Doutorado em Economia Aplicada (UFV).  

Referências

AMARAL, F. Introdução à ciência de dados: mineração de dados e big data. Rio de Janeiro: Alta Books, 2016.

ANATEL. www.gov.br/anatel. Overview of telecommunication in Brazil, 2021. Disponivel em: <https://www.gov.br/anatel/pt-br/dados/acompanhamento/relatorios-de-acompanhamento/2021#R2021_3>. Acesso em: 8 Abril 2021.

BANCO MUNDIAL. www.worldbank.org. Brasil: aspectos gerais, 2020. Disponivel em: <https://www.worldbank.org/pt/country/brazil/overview>. Acesso em: 7 Janeiro 2021.

CIELEN, D.; MEYSMAN, A.; ALI, M. Introducing data science: big data, machine learning, and more, using Python tools. [S.l.]: Manning Publications Co, 2016.

COLLIS, J.; HUSSEY, R. Pesquisa em administração: um guia prático para alunos de graduação e pós-graduação. 2ª. ed. Porto Alegre: Bookman, 2005.

COSTA, F. D. www.ufrgs.br/jornal. Pandemia acelera processo de digitalização de produtores orgânicos, 2020. Disponivel em: <https://www.ufrgs.br/jornal/pandemia-acelera-processo-de-digitalizacao-de-produtores-organicos/>. Acesso em: 8 Abril 2021.

FAYYAD, U.; PIATETSKY-SHAPIRO, G.; SMYTH, P. From data mining to knowledge discovery in databases. AI magazine, v. 17, n. 3, p. 37, 1996.

GRUS, J. Data Science do zero: Primeiras regras com o Python. Rio de Janeiro: Alta Books, 2016.

HAIR, J. F. et al. Análise multivariada de dados. [S.l.]: Bookman Editora, 2009.

IGUAL, L.; SEGUÍ, S. Introduction to Data: A Python Approach to Concepts, Techniques and Applications. 1ª. ed. Cham: Springer, 2017.

JAMES, G. et al. An introduction to statistical learning: with Applications in R. New York: Springer , 2013.

KALLIANDRA. kalliandra.com.br/. Manejo Inteligente para sua lavoura: Tenha um manejo mais eficiente com acompanhamento de profissionais, ferramentas e sensores para uma decisão mais assertiva, 2021. Disponivel em: <https://kalliandra.com.br/>. Acesso em: 13 Abril 2021.

KOTU, V.; DESHPANDE, B. Data science: concepts and pratice. 2ª. ed. Cambridge: Morgan Kaufmann, 2019.

OLIVEIRA, W. D. Software para reconhecimento de espécies florestais a partir de imagens digitais de madeiras utilizando deep learning. Dissertação (Mestrado em Tecnologias Computacionais para o Agronegócio) – Universidade T ecnológica Federal do Paraná, Medianeira. 2018.

PREMIX. www.premix.com.br. Tecnologia na pecuária: como ter mais produtividade, 2021. Disponivel em: <https://www.premix.com.br/blog/tecnologia-na-pecuaria/>. Acesso em: 13 Abril 2021.

PROVOST, F.; FAWCETT, T. Data Science para Negócios: o que você precisa saber sobre mineração de dados e pensamento analítico de dados. Rio de Janeiro: Alta Books, 2016.

RODRIGUES, R. B. br.granular.ag/. O que é o Índice Vegetativo?, 2020. Disponivel em: <https://br.granular.ag/blog/o-que-e-o-indice-vegetativo/>. Acesso em: 6 Abril 2021.

SCHNEIDER, S. et al. Os efeitos da pandemia da Covid-19 sobre o agronegócio e a alimentação. Estud. av., São Paulo, v. 34, n. 100, p. 167-188, Dezembro 2020.

SOLLITTO, A.; VENÂNCIO, R. http://plantproject.com.br/. Pandemia acelera a digitalização do campo: processos que poderiam levar anos aconteceram em meses, 2020. Disponivel em: <http://plantproject.com.br/novo/2020/08/pandemia-acelera-digitalizacao-do-campo/>. Acesso em: 11 Abril 2021.

THOMÉ, A. C. G. http://docplayer.com.br/. Redes Neurais: uma ferramenta para KDD e Data Mining, 2002. Disponivel em: <http://docplayer.com.br/694203-Redes-neurais-uma-ferramenta-para-kdd-e-datamining.html>. Acesso em: 12 Abril 2021.

WU, X. et al. Top 10 algorithms in data mining. Knowl inf Syst, 2008. 1-37.

Downloads

Publicado

2022-03-15