Em muitos setores, o problema é que os dados estão dispersos por departamentos e sistemas, mas surgem dentro de uma única organização. No setor agrícola, a fragmentação começa ainda antes desse ponto. Grande parte dos dados de sustentabilidade mais solicitados — uso do solo, consumo de água, rotação de culturas, alimentação animal, emissões provenientes de estrume — não surge na própria empresa que reporta, mas sim junto a produtores, fornecedores e cooperativas que não têm nenhuma rotina contabilística ou digital para isso. Onde uma organização de escritório consegue encontrar dados num sistema ERP, uma empresa agrícola muitas vezes tem primeiro de perguntar a uma cadeia de terceiros que não veem essa questão como um problema seu.
Além disso, os dados que estão disponíveis internamente costumam estar registados por unidade de negócio ou por época de cultivo, não por período de relato. Um exercício contabilístico não coincide com um ciclo de colheita, e um fator de emissão válido hoje pode já ter mudado na próxima estação devido a outra cultura ou outra prática de cultivo do solo. A maior parte do tempo dedicado ao relato de sustentabilidade não é gasto a preencher números, mas a descobrir de onde esses números realmente devem vir.
O primeiro ponto é a própria cadeia. Grande parte das emissões de âmbito 3 no setor agrícola está junto de fornecedores que não fazem relato de sustentabilidade e cujos dados — quando existem — estão num formato diferente, numa língua diferente ou simplesmente não estão digitalizados. Quem tenta associar um dado a uma fonte descobre, por vezes, que a fonte é uma pessoa, não um sistema.
O segundo ponto é a operação na própria exploração: o consumo de água, energia e produtos fitofarmacêuticos é muitas vezes registado em papel ou em folhas de Excel dispersas, por parcela ou por estábulo. Estes dados existem, mas não foram atribuídos a ninguém como responsabilidade para fins de relato — é contabilidade agrícola, não contabilidade CSRD, e as duas raramente se encaixam na perfeição.
O terceiro ponto é a conversão para unidades mensuráveis. O uso do solo e o carbono no solo são registados de formas muito diferentes por diferentes atores, e a conversão para uma unidade de relato uniforme é, por si só, uma fonte de erros quando ninguém regista qual foi a suposição utilizada nesse cálculo.
No setor das TIC, os dados de sustentabilidade encontram-se normalmente em sistemas digitais já existentes, e trata-se principalmente de os tornar acessíveis. No setor energético, muitos dados já são medidos porque a obrigação de medição e a monitorização fazem parte da própria operação empresarial. O setor agrícola frequentemente não tem essa base: os dados não estão escondidos num sistema, nunca foram registados de forma sistemática. Isso não torna o problema maior ou menor do que no setor dos serviços financeiros ou no setor imobiliário, mas torna-o diferente na sua natureza: nesses setores o problema é geralmente a integração entre sistemas, aqui é muitas vezes, primeiro, o registo na fonte.
É grande a tentação de comprar um pacote de software que automatize os relatórios do setor agrícola. Mas uma ferramenta que recolhe dados de sistemas que não contêm os dados corretos apenas produz um relatório bem formatado com base nas mesmas pontas soltas. Antes de um sistema poder somar alguma coisa, é preciso ter definido qual dado corresponde a qual fonte, quem é responsável por isso dentro ou fora da própria organização, e qual regra de qualidade determina se um número introduzido é plausível. Isso não é uma questão de software, é uma questão de organização, e essa antecede qualquer sistema de relato.
O Data Readiness Scan regista, para cada ponto de dados, de onde este provém — da própria operação, de um produtor, de uma cooperativa ou de uma fonte externa — e quem, dentro da cadeia, pode ser responsabilizado por ele. Para um setor em que muitos dados surgem fora das próprias paredes, essa titularidade é muitas vezes a peça que falta: não o número em si, mas quem responde por ele. Para determinar quais pontos de dados são efetivamente relevantes para uma empresa agrícola, e quais são reportados sem terem função, é útil a distinção feita em quais pontos de dados são realmente necessários quando existem várias unidades de negócio, assim como o princípio de que um ponto de dados muitas vezes já existe numa das unidades de negócio existentes antes de voltar a ser recolhido.
Uma vez claro quais pontos de dados devem provir da cadeia agrícola e quem os fornece, surge uma segunda questão: quanto do trabalho de recolher, verificar e rastrear esses dados ainda exige ações humanas, e que parte é suficientemente repetitiva para ser entregue à IA. O scan de trabalho da FTE TO AI calcula isso por tarefa, não com base numa estimativa para o setor inteiro, mas com base nas tarefas que são efetivamente executadas numa cadeia específica. Para um setor em que muito tempo é gasto a investigar fontes em vez de interpretar números, isso constitui um ponto de partida para ver onde a automatização traz benefícios e onde não os traz.
O scan que mapeia estes pontos de dados, fontes e titularidade para o setor agrícola está em desenvolvimento. Quem quiser ser informado quando o scan estiver disponível pode inscrever-se na lista de espera.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.