Business Intelligence e modelagem preditiva aplicados à logística agrícola
um estudo de caso na cadeia citrícola
DOI:
https://doi.org/10.14488/1676-1901.v26i4.5893Palavras-chave:
Apoio à decisão, Cadeia citrícola, Business Intelligence, Logística agrícola, Modelagem preditivaResumo
A logística agrícola na cadeia citrícola brasileira enfrenta desafios relacionados à dispersão geográfica, à dependência do transporte rodoviário e à variabilidade operacional. Nesse contexto, a falta de visibilidade estruturada sobre indicadores logísticos compromete o monitoramento e a tomada de decisão. Este estudo avalia como a aplicação de Business Intelligence (BI), associada à análise de indicadores e à modelagem preditiva, pode contribuir para a gestão logística em uma indústria citrícola. Trata-se de um estudo de caso com abordagem quantitativa e descritiva, utilizando dados operacionais extraídos do sistema ERP da empresa, tratados e analisados em ambiente analítico. Foram desenvolvidos indicadores-chave, como Transit Time e Gate to Gate, além de modelos de regressão linear para previsão desses indicadores. A solução foi avaliada por meio da comparação entre os processos de gestão anteriores e posteriores à implementação do painel, da análise do desempenho preditivo fora da amostra e de sua utilização em fóruns gerenciais. Os resultados evidenciam aumento da visibilidade operacional, maior padronização dos indicadores e redução do esforço manual de preparação e consolidação das informações. Os modelos apresentaram capacidade preditiva distinta, com maior estabilidade fora da amostra para o indicador Gate to Gate, enquanto o modelo de Transit Time apresentou maior dependência das características específicas das rotas. A integração entre BI e modelagem preditiva demonstrou potencial para ampliar simultaneamente a visibilidade, a capacidade de diagnóstico e a antecipação de desvios, contribuindo para a transição de uma gestão reativa para uma abordagem mais proativa e orientada por dados.
Downloads
Referências
ANDRADE, Carolina Aparecida Roque de; GERST, Kevin Robert; GIMENEZ, Igor Maciesza. Logística 4.0 e suas Aplicações na Indústria Agrícola. Revista do Encontro de Gestão e Tecnologia, [s. l.], v. 1, n. 03, p. 41–47, 2024. DOI: 10.5281/zenodo.11075165. Disponível em: https://revista.fateczl.edu.br/index.php/engetec_revista/article/view/84. Acesso em: 16 abr. 2026.
ÂNGELO, L. B. Indicadores de desempenho logístico. Florianópolis: Grupo de Estudos Logísticos, 2005.
BALLOU, Ronald H. Gerenciamento da cadeia de suprimentos/logística empresarial. 5. ed. Porto Alegre: Bookman, 2006.
BALLOU, Ronald H. Logística empresarial: transportes, administração de materiais e distribuição física. São Paulo: Atlas, 1998.
BEJARANO-MARTÍNEZ, Carlos; CARO, Martha. Exploring Performance Evaluation Methodologies in Agri-food Supply Chains. Operations and Supply Chain Management: An International Journal, [s. l.], v. 19, n. 2, p. 226-247, 2026. DOI: 10.31387/oscm0650517.
BHAGAT, Deepak; DHAR, U. R. Agriculture supply chain management: A review. IUP Journal of Supply Chain Management, [s. l.], v. 8, n. 3, 2011.
BOECHAT, Cássio Arruda. A questão agrária e a crise da citricultura brasileira. Revista Teoria e Cultura, Juiz de Fora, v. 10, n. 2, p. 66-83, 2015. Disponível em: https://periodicos.ufjf.br/index.php/TeoriaeCultura/article/view/12259/6486. Acesso em: 16 abr. 2026.
BONEL, Cristiano. Metodologia e engenharia de requisitos para projetos de business intelligence: análise de dados levada a sério. Rio de Janeiro: Ed. do Autor, 2021.
BOWERSOX, Donald J.; CLOSS, David J.; COOPER, M. Bixby. Gestão logística de cadeias de suprimento. Porto Alegre: Bookman, 2006.
BOX, George E. P.; COX, David R. An analysis of transformations. Journal of the Royal Statistical Society: Series B (Methodological), [s. l.], v. 26, n. 2, p. 211-252, 1964. DOI: 10.1111/j.2517-6161.1964.tb00553.x.
BREUSCH, Trevor S.; PAGAN, Adrian R. A simple test for heteroscedasticity and random coefficient variation. Econometrica, [s. l.], v. 47, n. 5, p. 1287-1294, 1979.
CAIXETA FILHO, José Vicente. Logística para a agricultura brasileira. Revista Brasileira de Comércio Exterior, [s. l.], n. 103, p. 18-30, 2010. Disponível em: https://esalqlog.esalq.usp.br/upload/kceditor/files/2015/08/Logistica-para-agricultura-brasileira.pdf. Acesso em: 10 dez. 2025.
CONFEDERAÇÃO DA AGRICULTURA E PECUÁRIA DO BRASIL (CNA). A importância da citricultura nacional. Brasília: CNA, 2019. Disponível em: https://www.cnabrasil.org.br/noticias/a-importancia-da-citricultura-nacional. Acesso em: 17 set. 2025.
COOK, R. Dennis. Detection of influential observation in linear regression. Technometrics, [s. l.], v. 19, n. 1, p. 15-18, 1977. DOI: 10.1080/00401706.1977.10489493.
DE BEM NORO, G.; DE OLIVEIRA, J. H. R.; WITTMANN, M.; ZAGO, C. A. A logística como fator determinante para o sistema de agronegócio (SAG) do Brasil. In: CONGRESSO BRASILEIRO DE CUSTOS, 12., 2005, Itajaí. Anais... Florianópolis: ABC, 2005. p. 1-10.
DURBIN, James; WATSON, Geoffrey S. Testing for serial correlation in least squares regression: I. Biometrika, [s. l.], v. 37, n. 3/4, p. 409-428, 1950. DOI: 10.2307/2332391.
EHRIG, Magnus Emanuel; AURÉLIO, Cristian Matheus. A Logística Brasileira: Desafios, Avanços E Perspectivas Para O Desenvolvimento Nacional. RCMOS - Revista Científica Multidisciplinar O Saber, Brasil, v. 1, n. 1, 2026. DOI: 10.51473/rcmos.v1i1.2026.2032.
EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA (EMBRAPA). Citros. Cruz das Almas: Embrapa Mandioca e Fruticultura, 2024. Disponível em: https://www.embrapa.br/mandioca-e-fruticultura/cultivos/citros. Acesso em: 17 set. 2025.
FARO, K. C. Entraves logísticos ao desenvolvimento agrícola brasileiro à luz da Nova Economia Institucional. Diversitas Journal, [s. l.], v. 6, n. 4, p. 4043-4066, 2021. DOI: 10.48017/dj.v6i4.1992.
FAWCETT, Stanley; CLINTON, Steven; BIROU, Laura. Evaluating the impact of logistics performance. International Journal of Physical Distribution & Logistics Management, [s. l.], v. 27, n. 9/10, 1997.
FÁVERO, Luiz Paulo; SANTOS, H. P.; BELFIORE, Patrícia; DUARTE, A.; COSTA, I. P. A.; TERRA, A. V.; MOREIRA, M. A. L.; TARANTIN JUNIOR, W.; SANTOS, M. A proposal for a new Python library implementing stepwise procedure. Algorithms, [s. l.], v. 17, n. 11, p. 502, 2024. DOI: 10.3390/a17110502.
GARCIA, Fernanda A.; SILVA, A. L.; PINHEIRO, R. G. D.; MACHADO, R. L. A framework for measuring logistics performance in the wine industry. International Journal of Production Economics, [s. l.], v. 135, n. 1, p. 284-298, 2012. DOI: 10.1016/j.ijpe.2011.08.003.
GARCIA, Junior Ruiz; VIEIRA FILHO, J. E. R. Logística e armazenamento. Diagnóstico e desafios da agricultura brasileira, Brasília, v. 1, p. 59-88, 2019. Disponível em: https://portalantigo.ipea.gov.br/agencia/images/stories/PDFs/livros/livros/191126_diagnostico_e_desafios_da_agricultura_brasileira.pdf. Acesso em: 16 abr. 2026.
HAOBIJAM, J. W.; SERAM, Devina. Supply Chain Optimization: AI in Agriculture Distribution. In: Transforming Agriculture through Artificial Intelligence for Sustainable Food Systems. Singapore: Springer Nature Singapore, 2025. p. 109-127. DOI: 10.1007/978-981-96-4795-8_7.
HARDJOMIDJOJO, Hartrisari; WIGUNA, B. P.; ARITONANG, I. D. R.; GURITNO, A. D. Sustainable Agro-industry Logistics Solutions using Spatial Analysis. Operations and Supply Chain Management, [s. l.], v. 15, n. 1, p. 41-55, 2022. DOI: 10.31387/oscm0480329.
HIJJAR, Mohammed. Desempenho logístico e suas métricas. Revista Tecnologística, São Paulo, 2005.
JIN, Dong-Hui; KIM, Hyun-Jung. Integrated understanding of big data, big data analysis, and business intelligence: A case study of logistics. Sustainability, [s. l.], v. 10, n. 10, p. 3778, 2018. DOI: 10.3390/su10103778.
KAMBLE, Sachin S.; GUNASEKARAN, Angappa; GAWANKAR, Shradha A. Achieving sustainable performance in a data-driven agriculture supply chain: A review for research and applications. International Journal of Production Economics, [s. l.], v. 219, p. 179-194, 2020. DOI: 10.1016/j.ijpe.2019.05.022.
KHANDELWAL, Chandni; JAIN, P.; SHARMA, A.; TYAGI, S. Agriculture supply chain management: a review (2010–2020). Materials Today: Proceedings, [s. l.], v. 47, p. 3144-3153, 2021.
KIMBALL, Ralph; ROSS, Margy. The data warehouse toolkit. 3. ed. New York: Wiley, 2013.
MAHMUD, Faiyaz Bin; ROUF, Md Jawad Bin; MAHIN, Mohammad Mynul Islam. Optimization of rice supply chain through multivariate forecasting using ensemble learning models. Supply Chain Insider, [s. l.], v. 14, n. 1, 2024. DOI: 10.5281/zenodo.13865817.
MONTGOMERY, Douglas C.; PECK, Elizabeth A.; VINING, G. Geoffrey. Introduction to linear regression analysis. 5. ed. New Jersey: Wiley, 2012.
MUMTAZ, Ubaidullah; ALI, Yousaf; PETRILLO, Antonella. A linear regression approach to evaluate the green supply chain management impact on industrial organizational performance. Science of the Total Environment, [s. l.], v. 624, p. 162-169, 2018. DOI: 10.1016/j.scitotenv.2017.12.089.
NANGPIIRE, C.; SALIFU, Z. N.; BEDUWA, E. Transport optimization practices in the supply chain of agro-firm companies: evidence in Ghana. Journal of Future Sustainability, [s. l.], v. 5, n. 1, p. 1-12, 2025. DOI: 10.5267/j.jfs.2025.1.001.
NASCIMENTO, F. L.; NOGUEIRA, S. M. S.; FERREIRA JUNIOR, L. D.; LORDELO, S. A. V. Aplicação do business intelligence em logística: uma revisão bibliométrica. Revista Produção Online, Florianópolis, v. 24, n. 1, 2024. DOI: 10.14488/1676-1901.v24i1.5113.
NI, Feng; ARNOTT, David; GAO, Shijia. The anchoring effect in business intelligence supported decision-making. Journal of Decision Systems, [s. l.], v. 28, n. 2, p. 67-81, 2019. DOI: 10.1080/12460125.2019.1620573.
NIU, Yanfang; YING, L.; YANG, J.; BAO, M.; SIVAPARTHIPAN, C. B. Organizational business intelligence and decision making using big data analytics. Information Processing & Management, [s. l.], v. 58, n. 6, p. 102725, 2021. DOI: 10.1016/j.ipm.2021.102725.
NORO, G. A.; SCHMITZ, J.; COSTA, V. Custos logísticos no agronegócio brasileiro. Revista de Política Agrícola, Brasília, v. 14, n. 3, 2005.
OLIVEIRA, Andréa Leda Ramos de; LOPES, R. L.; CAIXETA-FILHO, J. V. Logistical transportation routes optimization for Brazilian soybean: an application of the origin-destination matrix. Ciência Rural, Santa Maria, v. 51, n. 2, p. e20190786, 2020. DOI: 10.1590/0103-8478cr20190786.
RAHMAN, SM Toufiqur; HYE, Abdul. The Role Of Predictive Analytics In Enhancing Agribusiness Supply Chains. Review of Applied Science and Technology, [s. l.], v. 6, n. 1, p. 183-229, 2021. DOI: 10.63125/n9z10h68.
ROUTROY, Srikanta; BEHERA, Astajyoti. Agriculture supply chain: a systematic review of literature and implications for future research. Journal of Agribusiness in Developing and Emerging Economies, [s. l.], v. 7, n. 3, p. 275-302, 2017. DOI: 10.1108/JADEE-06-2016-0039.
SHARDA, Ramesh; DELEN, Dursun; TURBAN, Efraim. Business intelligence and analytics: systems for decision support. 10. ed. Boston: Pearson, 2018.
SHARMA, Manoj Kumar; DHAKA, Vijaypal Singh; SHEKHAWAT, Rajveer Singh. Intelligent agro-food chain supply. In: Internet of Things and Analytics for Agriculture. Singapore: Springer Singapore, 2021. v. 3, p. 65-91. DOI: 10.1007/978-981-16-6210-2_4.
SILVA, João Carlos. Business intelligence como ferramenta de apoio à gestão logística. Revista Científica Multidisciplinar Núcleo do Conhecimento, [s. l.], n. 11, 2023.
SIMÃO, João A. S.; SARTORI, G.; REIS, J. S. M.; OLIVEIRA, S. B. Os efeitos da utilização do Power BI no controle de processos de armazenagem em um centro de distribuição. Revista Produção Online, Florianópolis, v. 23, n. 1, p. 1-15, 2023. DOI: 10.14488/1676-1901.v23i1.4431.
SNEE, Ronald D. Discussion of developments in linear regression methodology: 1959-1982. Technometrics, [s. l.], v. 25, n. 3, p. 230, 1983. DOI: 10.2307/1268604.
TIPERLOG. Relatório técnico. [S. l.], 2005. Disponível em: https://pt.scribd.com/document/899878926/3. Acesso em: 16 abr. 2026.
TRIVELLAS, Panagiotis; MALINDRETOS, Georgios; REKLITIS, Panagiotis. Implications of green logistics management on sustainable business and supply chain performance: evidence from a survey in the greek agri-food sector. Sustainability, [s. l.], v. 12, n. 24, p. 10515, 2020. DOI: 10.3390/su122410515.
TURBAN, Efraim; SHARDA, Ramesh; DELEN, Dursun. Decision support and business intelligence systems. 9. ed. New Jersey: Prentice Hall, 2011.
TURBAN, Efraim; SHARDA, Ramesh; DELEN, Dursun; KING, David. Business intelligence: um enfoque gerencial para a inteligência do negócio. Porto Alegre: Bookman, 2009.
VARGAS-MUÑOZ, Juan Camilo; SANCHEZ-NITOLA, Flor Angela; ADARME JAIMES, Wilson; RIOS, Richard. Enhancing Logistical Performance in a Colombian Citrus Supply Chain Through Joint Decision Making: A Simulation Study. Logistics, [s. l.], v. 9, n. 1, p. 30, 2025. DOI: 10.3390/logistics9010030.
VIET, Nguyen Quoc; BEHDANI, Behzad; BLOEMHOF, Jacqueline. Value of information to improve daily operations in high-density logistics. International Journal on Food System Dynamics, [s. l.], v. 9, n. 1, 2018. DOI: 10.18461/ijfsd.v9i1.911.
WAJONG, A. M. R. Logistics indicators could improve logistics performance of hospitals. MATEC Web of Conferences, [s. l.], v. 108, p. 17002, 2017. DOI: 10.1051/matecconf/201710817002.
WOOLDRIDGE, Jeffrey M. Introductory econometrics: a modern approach. 4. ed. [S. l.]: South-Western, 2010.
MORAIS, E. O. de; RIBEIRO, K. de L.; VELOSO, R. B.; VELOSO, M. das D. M. Aplicação de modelos de regressão linear e não linear para estimativa de volume de biomassa e estoque de carbono. Brazilian Journal of Development, [s. l.], v. 6, n. 7, p. 45621–45632, 2020. DOI: 10.34117/bjdv6n7-259.
YAZDANI, Morteza; GONZALEZ, Ernesto D. R. S.; CHATTERJEE, Prasenjit. A multi-criteria decision-making framework for agriculture supply chain risk management under a circular economy context. Management Decision, [s. l.], v. 59, n. 8, p. 1801-1826, 2021. DOI: 10.1108/MD-10-2018-1088.
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Revista Produção Online

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
A Revista se reserva no direito de efetuar, no artigo publicado, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua, respeitando, porém, o estilo dos autores.
A obra publicada é de inteira responsabilidade do(s) autor(es), cabendo à Revista Produção Online apenas a avaliação da obra, na qualidade de veículo de publicação científica. A Revista Produção Online não se responsabiliza por eventuais violações à Lei nº 9.610/1998, Lei de Direito Autoral.
A revista Produção Online permite que o autor detenha o copyright dos artigos aceitos para publicação, sem restrições.
Esta obra está licenciada sob uma Licença Creative Commons.
