Recomendados
Recomendados
Mais conteúdo relacionado
Semelhante a Agricultura Digital Revolução e Oportunidades no Agro
Semelhante a Agricultura Digital Revolução e Oportunidades no Agro (20)
Mais de Strider
Mais de Strider (17)
Agricultura Digital Revolução e Oportunidades no Agro
- 1. s t r i d e r d a y . c om
- 2. BEM VINDOS!
- 3. Cinco anos que valem por vinte
- 4. 0 1 1
- 5. "A revolução digital contata pelos seus autores (não pelos observadores)"
- 6. Estágios da adoção tecnológica
- 7. Estágios da adoção tecnológica (no agro)
- 8. Estágios da adoção tecnológica (no agro) agricultura digital
- 9. Nenhum produtor deveria entrar na safra com os dedos cruzados Análise Planejamento Monitoramento Execução?
- 10. A resposta está na simplicidade
- 11. A resposta está na simplicidade
- 12. A resposta está na simplicidade
- 14. … não precisa ser a fazenda do lado! 1500ha 500ha 500ha 500ha 63 sc/ha +5% custo
- 15. Abrindo o capô da máquina
- 16. Visão e método The Knowledge Pyramid (Longlivetheux, CC-BY-SA) O fato de uma camada não existir sem a outra exige pressa na adoção da tecnologia para conseguir usufruir as vantagens dos futuros avanços... e eles virão rápido.
- 17. IoT (Internet das Coisas) - Objetos e o espaço ("coisas") se associam a suas respectivas representações virtuais - Sensores embarcados e telecomunicação, enxergando e reagindo ao ambiente - As tecnologias envolvidas em IoT servem justamente para possibilitar essa visão, do Hardware ao Software
- 18. IoT (Internet das Coisas) - Conectado a todo e qualquer TEMPO - Conectado a qualquer COISA - Conectado em qualquer LUGAR - Conectado a qualquer PESSOA Big Data: Volume, Variedade e Velocidade de acesso
- 19. Data science - Campo de domínio dos pesquisadores e estatísticos, inclusive bem antes da invenção dos computadores - Computação = problemas maiores e mais complexos; Habilidade determinante - Estatística, Big Data, Aprendizado de Máquina, Data Analytics - Conhecimento aplicado: E-commerce, Indústria, Agricultura ….
- 20. E quando agricultura digital for 'mainstream'? agricultura digital
- 21. Depois de instalada, a transformação digital muda as indústrias para sempre muda o mercado de carros muda o mercado de salas de cinema
- 22. No Agro não dá para prever, mas estes são alguns palpites ● Novas formas de compartilhamento de risco agronômico dentro da cadeia de valor ● Seguros muito mais sofisticados ● Novos modelos de comercialização de insumos ● Técnicas de manejo coletivo de pragas
- 23. "A melhor forma de prever o futuro e ajudar a construí-lo"
- 24. É a primeira revolução tecnológica onde os 'early adopters' ficam no Brasil
- 25. s t r i d e r d a y . c om
Notas do Editor
- Agradecimentos (5 min) time de marketing (20 seg) agradecer nominalmente todo mundo - citar a Bia especificamente apresentar os heads (40 seg) Carlos, Gabi, Vanessa (renata e thais), Henrique, Flora (Ana), Paulo, Gustavo. Agradecer aos clientes que vieram: destaque para a Mafra - primeiro cliente (20 segundos)
- falar da jornada 5 anos (1 min) É pouco tempo para muita coisa (intenso, parece 20 anos) Estratégia de time matador com uma cultura de empoderamento e independência Brasil olhando para o Oeste a maioria não era do agro setor agro chupando talento dos outros
- Aquisição há 4 meses Syngenta (2:30) 0 a 1 -> 1 a infinito (1 min) Strider é excelente para fazer o 0 a 1 - (uma coisa coisa que não existe até uma coisa que existe) - é a especialidade de todas as startups Agora precisamos nos aliar com o especialista de 1 a infinito parabéns ao time e á Syngenta por que conseguirmos emergir de uma aquisição e cair correndo em pouquíssimos meses, este evento é uma prova disto (tem 4 meses da aquisição) - pode esperar muito mais depois que a gente aprender a explorar 100% das sinergias (1 min) agradecer ao pessoal da SYT que acreditou neste time e na cultura, citar Dan, Savino, Valdemar e todo o time de liderança da companhia.(30 segundos)
- Por que fizemos este evento (30 segundos) apesar de chamar Strider day não é sobre a Strider o foco são os produtores - a jornada é deles evento de insiders (chega de outsiders explicando agtech) vamos deixar os atores (e não observadores) explicar o que está acontecendo.
- Mostrar a curva de adoção (com early adopters) - (1:30 min) mostrar curva dar exemplos por estágio Óculos Rift Nubank, smart watch, vocês!! Uber, Netflix Banco no celular
- Mostrar a curva de adoção (com early adopters) - (1:30 min) mostrar curva dar exemplos por estágio Óculos Rift Nubank, smart watch, vocês!! Uber, Netflix Banco no celular
- Mostrar a curva de adoção (com early adopters) - (1:30 min) mostrar curva dar exemplos por estágio Óculos Rift Nubank, smart watch, vocês!! Uber, Netflix Banco no celular
- Nenhum produtor deveria entrar na safra com os dedos cruzados, não é assim que a gente lida com risco. Quando chegar a corrida para plantar, o produtor precisa saber exatamente onde prestar atenção. Vem uma grande confusão de informação e ciclos cada vez mais curtos, é humanamente impossível gerenciar a tempestade de eventos que surgem em todas as etapas da operação.
- Podem ter certeza de que a única forma de gerenciar bem nesse cenário caótico é através de DIGITAL: explicar o paradigma da simplicidade e que para acertar vc precisar ter a informação necessária para decidir rápido à mão.
- Podem ter certeza de que a única forma de gerenciar bem nesse cenário caótico é através de DIGITAL: explicar o paradigma da simplicidade e que para acertar vc precisar ter a informação necessária para decidir rápido à mão.
- Podem ter certeza de que a única forma de gerenciar bem nesse cenário caótico é através de DIGITAL: explicar o paradigma da simplicidade e que para acertar vc precisar ter a informação necessária para decidir rápido à mão.
- A próxima fazenda não precisa ser a fazenda do lado. custo de terra só subindo e disponibilidade cada vez menor o processo de expansão de áreas cultiváveis não dura para sempre existe muito suco para tirar na mesma área, para fazer mais com o mesmo (tenho um slide dessa história de a próxima fazenda não ser a fazenda do lado)
- A próxima fazenda não precisa ser a fazenda do lado. custo de terra só subindo e disponibilidade cada vez menor o processo de expansão de áreas cultiváveis não dura para sempre existe muito suco para tirar na mesma área, para fazer mais com o mesmo (tenho um slide dessa história de a próxima fazenda não ser a fazenda do lado)
- Visão para desenvolvimento de software (1 min) DADOS, o primeiro passo é a coleta de dados; INFORMAÇÃO, o segundo é transformar os dados coletados em informações organizadas e de fácil acesso, que podem ser usadas na tomada de decisão; CONHECIMENTO, em seguida, torna-se possível gerar conhecimentos que permitem melhores decisões e resultados; SABEDORIA, prover a habilidade de usar o conhecimento adquirido quando necessário, e não ignorá-lo por escolha ou sorte; PREDIÇÃO. O fato de uma etapa não existir sem a outra exige pressa na adoção da tecnologia para conseguir usufruir as vantagens dos futuros avanços, e eles virão rápido; Além da metodologia, uma componente muito importante é a capacidade de absorver e criar novas tecnologias, mas sempre considerando primeiro o problema no mundo real a ser resolvido e depois a solução técnica viável. Tal comportamento exige que a empresa seja capaz mover rápido sem criar produtos inúteis.
- Definição: Ainda existe um processo de convergência para a definição do termo IoT, mas acredito que a melhor definição para o termo é que Internet das Coisas compreende em uma camada digital de informação sobre o mundo físico. Objetos e o espaço (terra) se associam a seus respectivos elemento virtuais. Os principais recursos para criar esse tipo de conexão entre "coisas" são sensores embarcados e telecomunicação, que enxergam e reagem ao ambiente. A capacidade de comunicação deve permitir que a representação virtual da "coisa" seja a mais próxima da realidade, permitindo reação e análise detalhada para que ações sejam tomadas no mundo físico. As tecnologias envolvidas em IoT servem justamente para possibilitar essa visão, do Hardware ao Software. Potencial exponencial de geração de dados. Big Data: Se quantitativamente um conjunto de dados possui desafios em termos de Volume, Variedade e Velocidade de acesso. Big Data sem análise é inútil. Devemos buscar conhecimento contido nos dados. Mas pouco ou nenhum conhecimento é gerado sem dados. Exemplo práticos famosos : Controle de maquinário Estações climáticas Armadilhas automatizadas
- Definição: Ainda existe um processo de convergência para a definição do termo IoT, mas acredito que a melhor definição para o termo é que Internet das Coisas compreende em uma camada digital de informação sobre o mundo físico. Objetos e o espaço (terra) se associam a seus respectivos elemento virtuais. Os principais recursos para criar esse tipo de conexão entre "coisas" são sensores embarcados e telecomunicação, que enxergam e reagem ao ambiente. A capacidade de comunicação deve permitir que a representação virtual da "coisa" seja a mais próxima da realidade, permitindo reação e análise detalhada para que ações sejam tomadas no mundo físico. As tecnologias envolvidas em IoT servem justamente para possibilitar essa visão, do Hardware ao Software. Potencial exponencial de geração de dados. Big Data: Se quantitativamente um conjunto de dados possui desafios em termos de Volume, Variedade e Velocidade de acesso. Big Data sem análise é inútil. Devemos buscar conhecimento contido nos dados. Mas pouco ou nenhum conhecimento é gerado sem dados. Exemplo práticos famosos : Controle de maquinário Estações climáticas Armadilhas automatizadas
- Definição: O campo de Data Science não é necessariamente novidade, é um campo de domínio dos estatísticos, inclusive bem antes da invenção dos computadores Com o desenvolvimento da computação, as nova tecnologias deram mais poder aos estatísticos e pesquisadores para resolver uma maior gama de problemas e inclusive problemas maiores, considerando a imensa quantidade de dados que também começaram a ser acumulados com o progresso da informática. Inclusive, o termo Big Data surge a partir dos anos 90 a partir desse momento. Em seguida, o termo Data Science surgiu junto com um conjunto de técnicas e ferramentas que deram mais poder aos pesquisadores e estatísticos. Conhecimentos necessários: Resumo: "Uma pessoa que é melhor em estatística que qualquer programador e é melhor em programação do que qualquer estatístico" Josh Wills (desenvolvedor famoso, hoje trabalho no Slack e em projetos de ferramental para Data Science) Conhecimento teóricos: Matemática Estatística Conhecimentos de engenharia de software: Big Data: Se quantitativamente um conjunto de dados possui desafios em termos de Volume, Variedade e Velocidade de acesso. Inteligencia Artificial - Machine Learning : Capacidade de identificar padrões ocultos nos dados automaticamente, através de redes neurais, por exemplo. Analytics: Buscar e analisar padrões nos dados, mas a partir de uma hipótese específica usando, inclusive, técnicas de visualização de dados. É essencial a capacidade de absorver novos conhecimentos de forma profunda pois, para compreender a natureza dos dados é necessário entender a natureza do problema, uma vez que a tecnologia é um meio e não o fim. Agricultura é um exemplo.
- Mostrar a curva de adoção (com early adopters) - (1:30 min) mostrar curva dar exemplos por estágio Óculos Rift Nubank, smart watch, vocês!! Uber, Netflix Banco no celular
- Mostrar a curva de adoção (com early adopters) - (1:30 min) mostrar curva dar exemplos por estágio Óculos Rift Nubank, smart watch, vocês!! Uber, Netflix Banco no celular
- Mostrar a curva de adoção (com early adopters) - (1:30 min) mostrar curva dar exemplos por estágio Óculos Rift Nubank, smart watch, vocês!! Uber, Netflix Banco no celular
- Mostrar a curva de adoção (com early adopters) - (1:30 min) mostrar curva dar exemplos por estágio Óculos Rift Nubank, smart watch, vocês!! Uber, Netflix Banco no celular
- Mostrar a curva de adoção (com early adopters) - (1:30 min) mostrar curva dar exemplos por estágio Óculos Rift Nubank, smart watch, vocês!! Uber, Netflix Banco no celular