Empresas cheias de dados que não sabem o que fazer com eles.

A agroindústria gera muita informação: produção, colheita, pós-colheita, qualidade, logística, vendas. Mas geralmente fica guardada em planilhas e arquivos mortos, e as decisões são tomadas no feeling.

Minha solução

Transformo essa informação dispersa em visibilidade para decidir. Não entrego gráficos; entrego clareza para agir.

Dividir para entender. Medir para melhorar.

01

Observar o processo

Como engenheiro agroindustrial, divido os processos em suas unidades mínimas e entendo os desafios biológicos, físicos e químicos da matéria-prima. O contexto operacional não é um detalhe: é metade do diagnóstico.

02

Medir e cruzar dados

Limpo históricos, cruzo variáveis que ninguém havia conectado e segmento. O que as médias escondem aparece quando os dados são bem observados.

03

Traduzir em decisões

A análise não termina em um gráfico: termina em uma ação que alguém pode executar. Conecto a operação com as vendas.

Evidências, não promessas.

Projetos sob acordo de confidencialidade, apresentados de forma anonimizada. Mesmo padrão, mesmo método: passar da intuição para a decisão.

Caso 01

Visibilidade comercial

De decidir "no olho" para planejar com dados

Contexto

Distribuidora de berries frescos, com canais B2B e B2C.

Desafio

Decisões tomadas no feeling; sem visibilidade por canal, região ou cliente.

Método

Transformei cinco bases dispersas em um painel de controle: vendas, dinâmica regional, alertas de risco e portfólio.

Resultado

Uma equipe comercial que passou de reativa a planejadora, com semáforo de riscos e matrizes de dependência.

TableauExcelPython
Caso 02

Produtividade agrícola

Da média estática ao plano de colheita prescritivo

Contexto

Agroindústria de mirtilos com planejamento no feeling, horas extras surpresa e efeito chicote.

Pergunta

Como transformar registros históricos em um plano semanal de horas, lacunas e custos com incerteza à vista?

Descoberta

As médias escondiam um ciclo vicioso: impacto da curva de aprendizado, fadiga, sazonalidade e concorrência laboral.

Decisão

Um zoológico de previsões para um modelo prescritivo: contratar quando o break-even justifica e recalibrar metas em janelas de estresse.

StreamlitPolarsPlotly
Caso 03

Sensibilidade cambial

O que mais dói, em um número

Contexto

Produtora de rosas para exportação na Colômbia.

Desafio

A operação depende do dólar, salário, perda, preço e frete. Cada movimento muda a margem, sem instrumento para quantificar.

Método

Modelo de sensibilidade que traduz o movimento de cada variável em pesos de lucro perdidos ou ganhos. Diagrama de tornado para priorizar alavancas.

Resultado

Cada sensibilidade aponta para uma alavanca diferente. O modelo quantifica a exposição; o cliente toma a decisão.

PythonPandasPlotly

Método próprio, aplicado ao agro.

Não escolho a ferramenta por moda. Escolho a que reduz a fricção entre o dado bruto e a decisão de quarta-feira às 9h.

Mapeamento de Fluxo de Valor (VSM)

Percorro o processo produtivo etapa por etapa —tempos, perda, mão de obra, gargalos— para desenhar onde se perde valor antes de propor qualquer coisa.

DiagnósticoCampo

Sensibilidade e Risco

Traduzo o movimento do dólar, salário, perda e frete em pesos de lucro perdidos ou ganhos. Diagramas de tornado para decidir com números.

ModeloRisco

Painéis de Controle

Unifico bases dispersas em painéis interativos que mostram canal, região, cliente e risco em uma única visão. Projetados para comitês, não apenas monitores.

StreamlitPlotlyPolars

Limpeza e Análise Estatística

Limpo históricos e segmento trabalhadores, variedades e clientes para encontrar o que as médias escondem. Soluções explicáveis sem caixas-pretas.

PythonDuckDBSQL

Experiência, passo a passo.

Não cheguei aos dados de uma mesa. Cheguei do campo, entendendo primeiro os processos biológicos e operacionais para depois medi-los com rigor.

O Fundamento

Engenharia Agroindustrial

A base técnica. Aprendi a dividir os processos em suas unidades mínimas e entender os desafios biológicos, físicos e químicos da matéria-prima.

O Campo

Operações em cultivos de alto valor

Experiência direta em cogumelos, cannabis e berries. Aqui aprendi que as médias mentem e que a mão de obra é o gargalo mais crítico.

A Grade

Análise de Dados e Certificação Google

A evolução natural. Incorporei Python, SQL e outras ferramentas. Passei de relatar o que aconteceu a construir modelos preditivos explicáveis.

A Síntese (Hoje)

Analista de Dados Agroindustriais

Hoje traduzo essa dualidade. Falo a língua do campo e a dos dados, construindo pontes entre ambos para decidir com clareza.

Seus dados agrícolas estão realmente sendo usados?

Baixe nosso guia rápido e audite a maturidade dos seus dados em 10 minutos. Identifique os 5 erros mais comuns na agroindústria e como resolvê-los.

Baixar Checklist (PDF)

Vamos falar sobre seus dados.

Se seu projeto ou empresa tem informação operacional ou comercial que não está sendo usada para decidir, escreva para mim. Revisamos o contexto, avaliamos a viabilidade e digo com clareza o que pode ser feito.

Localização: Colômbia (Disponível para projetos remotos)

Resposta: Em menos de 48 horas úteis.