Cognitive Business para gestão agrícola utilizando serviços via Cloud Computing com Plataforma Bluemix

Dia 07/12/2016 foi um dia extremamente importante na minha vida, pois foi o dia em que concretizei 5 anos de estudo em Ciência/Engenharia da Computação com a apresentação do meu trabalho de conclusão de curso, juntamente com a minha companheira Sheila Lacerda e que tenho o prazer de compartilhar alguns tópicos da pesquisa realizada.

A otimização dos processos agrícolas vem sendo uma realidade progressiva no Brasil, com foco na agricultura de precisão para o crescimento do agronegócio (EMBRAPA, 2015). Agricultura de precisão consome dados estruturados providos de equipamentos como satélites, tecnologias de sensoriamento remoto e base de dados consistentes que equivale a 15% de toda a massa de dados criada pelo ser humano, entretanto, no mercado competitivo temos os dados não estruturados, que correspondem a 85% da massa de dados, providos de fontes como imagens, artigos, videos, noticiários, documentários, textos e redes sociais. Sendo necessário uma Cloud Computing para armazenamento e um Cognitive Computing para extrair informações pertinentes, auxiliando negócio agrícola (Association of Computing Machinery, 2015).

Objetivo do trabalho foi utilizar ferramentas corporativas (IBM Bluemix) para criar uma solução cognitiva no gerenciamento de decisão do produtor rural.

Como mencionado acima, apenas 15% de toda a massa de dados gerada pelo ser humano são dados estruturados, os 85% são dados desestruturados. Se a indústria conhecesse esses 85% de dados, o poder competitivo de mercado seria um diferencial exponencial.

Para exemplificar, imagine se o produtor rural conhecesse o cliente final, seus gostos, seus sentimentos, suas criticas, suas expectativas ou até mesmo saber qual a repercussão de um determinado produto em certo período do ano.

Questões que o produtor precisa gerenciar durante sua tomada de decisão:

• Onde plantar?
• O que plantar?
• Em que época do ano plantar?
• Quanto investir?
• Como investir?
• Quais são os melhores pesticidas, agrotóxicos para determinada região?
• Quais localidade do Brasil ou do mundo determinado produto tem mais rentabilidade de venda e qualidade?
• Em que período do ano determinado produto está com a venda em maior potencial?
• Qual é o público alvo?
• Etc.

Essas informações só podem ser acessadas quando se conhece o cliente final, ou seja, redes sociais, imagens, artigos, vídeos, noticiários, documentários e textos. Porém dados sem uma análise, não geram nenhuma informação e nenhum conhecimento de valor para o negócio do cliente.

Pensando na analise de todos esses dados não estruturados, podemos começar a falar de cognitive, analytcs e consequentemente em APIs de Watson.

A combinação de API's podem tranquilamente gerar uma solução para todas as regras de negócio mencionados acima, irei mencionar algumas.

Com três APIs disponibilizadas pelo Bluemix, foi possível criar um protótipo composto por:

• Alchemy: é a API que nos permite construir aplicativos cognitivos que entendam o conteúdo e o contexto de uma imagem ou texto. Por exemplo, a partir de um texto em linguagem natural, imagens, noticiários, redes sociais e documentário, é possível analisar e compreender o conteúdo que ela transmite, identificar palavras-chave e análise de emoção. Pensando em algo mais analítico, é possível gerar dashboards (com várias regras de negócio embutido) baseado em todo esse manancial de conteúdo disponibilizado na internet.
• Insights for Twitter: Utilizado pra analise de sentimento baseado em termos agrícolas, para que o produtor tenha noção do que a rede social está falando de terminado produto.
• Conversation: Com o ChatBot é possível que o usuário tire dúvidas simples em linguagem formal ou informal. No ambiente do workspace é desenvolvido um segmento de intenções, entidades e fluxo de conversa baseado no objetivo do usuário. A machine learning é constituída de diversos fluxos de nós (ramificações) com os inputs onde é possível identificar a intenção do usuário e fornecer o output correto, caso a intenção seja desconhecida, é necessário um feedback do usuário para que seja realizado a inserção de novas intenções e ensinar as novas respostas.

Basicamente, esse é resumo de um trabalho feito durante um ano e foi muito gratificante ver os resultados e a repercussão que teve diante dos possíveis clientes da aplicação Agriculture Management que ainda tem muito a ser refinada e estudada.

Espero que tenham gostado e caso queiram saber mais sobre aplicação, o canal de comunicação está aberto para que possamos trocar expertise .