Originalmente publicada em inglês no blog da AIMMS, adaptamos a entrevista concedida por nosso diretor técnico, Volnei dos Santos, na qual ele apresenta algumas visões sobre o avanço do Analytics e a popularização da ciência de dados no Brasil.
A AIMMS é uma empresa global de software de análise prescritiva, que atua com parcerias locais para estabelecer um ecossistema capaz de fornecer poderosas soluções de otimização a clientes em todo o mundo. Na América Latina, a principal parceira da AIMMS é a UniSoma. Juntas, elas contribuem para que empresas como Tereos, Petrobras, Arcelor Mittal, Suzano, Raízen, Marfrig e JBS melhorem a tomada de decisões ao longo da cadeia de suprimentos.
Conte-nos mais sobre o seu papel na UniSoma?
Como diretor técnico, sou responsável por escolher as tecnologias que usamos para resolver os problemas de negócios de nossos clientes, assim como organizar as equipes técnicas para melhor atender às suas necessidades.
Nosso relacionamento com os clientes varia caso a caso. Pode ser baseado em projeto, ou seja, uma empreitada em que criamos uma solução ou aplicação para resolver um problema de negócios com um modelo específico. Também pode ser um relacionamento de longo prazo, no qual nossas equipes oferecem suporte dedicado de maneira contínua. Ou, ainda, pode ser um relacionamento focado em fornecer manutenção e ajudar a evoluir uma solução do cliente desenvolvida em um projeto.
Que tipo de soluções você fornece?
Nossas soluções são principalmente aplicações de advanced analytics, que incorporam modelos matemáticos avançados. Nós existimos há 35 anos, tendo trabalhado principalmente com otimização e estatística. Recentemente, adotamos uma abordagem mais ampla que passou a contemplar a ciência de dados. Atualmente, nosso portfólio abrange inúmeras técnicas, como otimização, machine leaning, estatística e muito mais.
Como você viu o mercado evoluir ao longo do tempo?
Métodos analíticos, como os de Pesquisa Operacional, não foram tão utilizados no Brasil em comparação a outros países ou mercados. Ainda assim, vejo isso evoluir desde que ingressei na UniSoma, há 15 anos.
No passado, o desafio era introduzir um assunto tido como acadêmico para pessoas que nunca haviam ouvido falar dele antes. Nos anos 1980 e 1990, a UniSoma explorou um mercado de atuação praticamente sem concorrentes. Naquela época, os projetos eram, principalmente, voltados aos setores de papel e celulose, aço e produção animal. De fato, até o início da última década, dois terços dos nossos projetos estiveram focados nessas indústrias, tendo construído modelos estatísticos e soluções de planejamento para várias empresas de papel e celulose, incluindo líderes de mercado, como a Suzano.
A partir de 2010, começamos a observar uma gama mais ampla de indústrias usando otimização, como os setores de manufatura, alimentos e bebidas, educação e muito mais. Essa ampliação se deu justamente na época em que ingressei na empresa. Atualmente, pelo menos dois terços de nossos projetos estão focados em setores relativamente novos em termos de otimização no mercado brasileiro.
A diversificação tem sido o lema da última década, especialmente com o crescimento da ciência de dados. Empresas brasileiras não são estranhas ao hype criado ao redor de tecnologias voltadas à ciência de dados e aprendizado de máquina. Pelo contrário, elas são curiosas e procuram parceiros para desenvolver projetos.
Como a composição das equipes evoluiu para atender às novas demandas?
No passado, 80% de nossa equipe era formada por matemáticos, além de poucos estatísticos e cientistas da computação. Hoje, pouco mais de um terço é composto por matemáticos, 20% por estatísticos e um terço são cientistas da computação. A diversidade cresceu internamente, assim como no mercado.
Quantos deles trabalham com o AIMMS regularmente?
Atualmente, em torno de 50 pessoas trabalham na UniSoma, sendo a maioria voltada para atuação técnica. Dessas, praticamente metade conhece o AIMMS muito bem. O AIMMS é a melhor ferramenta para desenvolver soluções de otimização e é nosso caminho padrão nesses casos, pois nos permite fornecer soluções robustas muito rapidamente.
Você consegue pensar em um projeto do AIMMS do qual se orgulha particularmente?
Não é fácil escolher apenas um. Mas destaco um projeto que desenvolvemos junto à Raízen, uma das maiores empresas de energia do Brasil, produtora de etanol, açúcar e combustível. Na ocasião, trabalhamos principalmente com pessoas da divisão de produção de cana de açúcar e eles tinham um desafio muito difícil de otimização, que envolvia encadeamento de atividades e decisões industriais em vários níveis operacionais da empresa. As menores mudanças poderiam impactar bastante a eficiência, além do fato de o mercado ser muito instável, com oscilação considerável nos preços do açúcar e do etanol. Usando o AIMMS PRO, conseguimos criar uma plataforma para enfrentar esses desafios complexos de planejamento.
A solução desenvolvida, que chamamos de Integra, trata de todo o processo de planejamento deste segmento da empresa e possui modelos auxiliares para vários tipos de decisão, seja ela de curto ou longo prazo. Além disso, a empresa possui um departamento de planejamento integrado e temos uma equipe dedicada de quatro pessoas trabalhando com eles continuamente para evoluir suas soluções.
Atualmente, estamos usando o novo recurso de Workflow no AIMMS WebUI para desenvolver fluxos de trabalho para diferentes tipos de usuários. Isso facilitará a solução do problema de colaboração de dados e decisões com pessoas em diferentes áreas e simplificará muito o ciclo de planejamento. É uma solução fantástica.
Você pode nos contar mais sobre os resultados dessa aplicação aos negócios?
A empresa registrou ganhos significativos por conta do processo otimizado. O ciclo de planejamento se tornou muito mais fácil e robusto. No total, são em torno de 17 localidades (usinas ou indústrias) participando do mesmo processo. Qualquer alteração no planejamento que antes da introdução do AIMMS poderia ser incrivelmente difícil, se tornou um processo muito mais simples de ser feito.
Qual foi o maior desafio técnico?
Tínhamos modelos de otimização do tipo MIP (em inglês, Mixed Integer Programming) que eram muito grandes e, consequentemente, muito difíceis de resolver, com inúmeros tipos de variáveis e restrições. Tivemos desafios do ponto de vista matemático e também devido à quantidade de dados.
Por mais que o departamento de planejamento integrado da empresa esteja em um único local, há 17 instalações espalhadas pelo estado de São Paulo e arredores. Cada uma delas possui várias fazendas e fornece dados sobre as culturas, o impacto do clima e muito mais. São centenas de pessoas contribuindo com informações, direta ou indiretamente, para os modelos.
A coleta, a consolidação e a orquestração de dados é um desafio. E, no começo, ainda tínhamos um fator complicador que era conseguir que todas as áreas seguissem o plano. Isso demandou que a empresa trabalhasse em um processo corporativo de gerenciamento de mudanças.
Qual foi a maior lição aprendida?
Acredito que a maior lição é que é preciso envolver o maior número possível de pessoas. Tivemos workshops com gerentes para que eles aprendessem a interagir com a solução e fornecer feedback. O fato de a Raízen ter uma equipe muito ágil e aberta a mudanças durante a modelagem e o desenvolvimento também ajudou. Eles foram flexíveis desde o início e nos permitiram focar em valor. A importância dada à flexibilidade foi uma das principais lições aprendidas.
Também ajudou o fato de a gestão da Raízen estar totalmente comprometida com o projeto. Encontramos um ambiente ideal para expandir o uso da otimização aqui no Brasil, no qual o diretor da área de Supply Chain entende o valor da otimização e deseja expandir o uso de modelos por toda a empresa.
