Aperfeiçoamento de algoritmos para a gestão de risco no agronegócio e sua aplicabilidade comercial

• Processo: 22/04231-6
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de junho de 2022
• Data de Término da vigência: 30 de setembro de 2023
• Área de conhecimento: Ciências Sociais Aplicadas - Economia - Economias Agrária e dos Recursos Naturais
• Acordo de Cooperação: SEBRAE-SP
• Pesquisador responsável: Lucas Magro Koren
• Beneficiário: Luiz Fernando Satolo
• CNAE: Tratamento de dados, provedores de serviços de aplicação e serviços de hospedagem na internet
• Vinculado ao auxílio: 21/10928-7 - Aperfeiçoamento de algoritmos para a gestão de risco no agronegócio e sua aplicabilidade comercial, AP.PIPE
• Assunto(s): Aprendizado computacional Big data Algoritmos Análise de risco Agropecuária
• Palavra(s)-Chave do Pesquisador: algoritmo para mensuração de risco rural | big data | Índice comparativo | machine learning | Risco rural | Mensuração do risco na agropecuária

Resumo

A Matriz Brasileira de Risco Agro é uma empresa residente da ESALQTec, a Incubadora de Empresas de Base Tecnológica da Escola Superior de Agricultura "Luiz de Queiroz" da Universidade de São Paulo (ESALQ/USP). O presente projeto é a continuidade da pesquisa realizada pela empresa em seu projeto PIPE I, cuja proposta foi o desenvolvimento de algoritmos com Big Data para mensuração de risco operacional rural. A metodologia criada propõe uma maneira inovadora de avaliar o risco presente em produções do setor agropecuário por meio de um índice comparativo, o "IMBR", derivado de um conjunto de dados coletados para compreensão da realidade produtiva e mercadológica de um determinado local. A principal inovação proposta foi a criação de um processo de machine learning que dinamiza e padroniza a obtenção de resultados vinculado ao risco rural para diferentes culturas e localidades, denotando sua ampla abrangência comparativa. O produto da Matriz Brasileira de Risco Agro, o índice "IMBR", é interpretado como um "score" para avaliação do risco operacional rural. Não existe atualmente uma agência/consultoria/startup ("big data" e "fintech") especializada nesse tipo de análise de risco e, uma vez que há uma tendência de aumento nos mercados financeiros e de capitais, em especial, no seguro e no crédtio, tem-se um potencial de mercado a ser explorado. Para o mercado, a inovação da Matriz Brasileira de Risco Agro é poder agregar informações sobre riscos rurais de forma padronizada, o que não existe de forma consolidada no setor. Colocando-se uma perspectiva de curto prazo, esse tipo de análise pode ajudar, principalmente, no setor de créditos e seguros rurais, tanto para produtores que estão buscando melhores negociações, quanto para instituições financeiras que irão compreender melhor seus negócios. No longo prazo, muitos especialistas do agronegócio brasileiro consideram que haverá uma consolidação da política de seguros rurais (GUIMARÃES e NOGUEIRA, 2009; LOPES et al, 2016), o que demandará uma análise mais estruturada sobre risco. Consequentemente, o IMBR será útil a diferentes players do agronegócio brasileiro, em diferentes esferas. Nesse sentido, destaca-se o uso por seguradoras, que utilizam os dados para melhorar o cálculo do risco e calibrar o valor dos prêmios cobrados nas apólices de seguros; e as instituições financeiras têm a possibilidade de compreender melhor os riscos de suas operações de crédito e financiamento. A Matriz Brasileira de Risco Agro já possui provas de conceito com agentes ambos os setores que validam o valor e a aplicabilidade de seu produto. Portanto, os objetivos deste projeto são: continuar o aperfeiçoamento dos algoritmos criados, para agregar maior valor à análise dos dados coletados; aumentar a quantidade de commodities agrícolas trabalhadas pela empresa, para além de soja e milho, o que demandará o desenvolvimento de novas metodologias; e aprimorar as tecnologias e sistemas de informação, para dar ao mercado um produto mais robusto e com funcionamento perfeito. (AU)