PROTÓTIPO DE UM SISTEMA DE RECOMENDAÇÃO DE DADOS AGRÍCOLAS BASEADO EM UMA PLATAFORMA DE DADOS ESCALÁVEL

Este projeto visa desenvolver uma plataforma de dados robusta para análises exploratórias na área técnica da agronomia. Foram utilizados conceitos de arquitetura de aplicações e computação em nuvem voltados ao processamento de big data. Diferentes tipos de dados foram centralizados em uma plataforma escalável e segura, utilizando serviços da AWS, reconhecidos por sua confiabilidade e alta disponibilidade. A solução incorporou ferramentas open-source como Apache Spark e Apache Airflow, responsáveis pelo processamento e orquestração distribuída dos pipelines de dados. As principais fontes de dados incluíram informações meteorológicas do Instituto Nacional de Meteorologia (INMET) e dados agrícolas do Ministério da Agricultura e Pecuária (MAPA). A estrutura proposta permitiu o processamento detalhado dessas informações, possibilitando a geração de insights relevantes. Foram realizadas análises que investigaram a influência da soma térmica e da pluviometria na produtividade de diferentes híbridos de milho, segmentadas por localização e período. Como produto final, foi desenvolvido um dashboard interativo e intuitivo, permitindo que agrônomos visualizem dados históricos e realizem projeções futuras com base nas informações processadas. Conclui-se que a plataforma oferece uma base resiliente, escalável e eficiente para o tratamento de grandes volumes de dados, com grande potencial para apoiar decisões técnicas mais precisas e fundamentadas no setor agrícola.