ABI em saúde: processos ETL

Abstract

Esta documento enquadra-se num projeto de dissertação de mestrado em Engenharia e Gestão de Sistemas de Informação na Universidade do Minho, sendo o tema da dissertação “ABI em saúde – Processos ETL”. O Adaptive Business Intelligence pode ser definido como um conjunto que combina dados operacionais com ferramentas analíticas, de forma a apresentar informações complexas e competitivas para otimizar o agendamento das cirurgias. O trabalho desenvolvido no projeto seguiu a metodologia de investigação Design Science Research (DSR). Este documento inclui a identificação dos objetivos, motivações, bem como o seu enquadramento. Após esta etapa foi elaborada uma revisão de literatura sobre os temas a abordar na dissertação, que tem como objetivo clarificar alguns conceitos, por forma a que se possa ter uma visão geral e clara sobre todos os temas. Depois, procedeu-se a um estudo da abordagem metodológica CRISP-DM para o desenvolvimento da plataforma Adaptive Business Intelligence, sendo realizado uma compreensão do negócio, de onde deve constar os problemas existentes e complementando com os objetivos para a sua resolução, bem como uma compreensão do datataset, seguindo-se pela preparação de dados, modelação, avaliação e implementação da plataforma. O principal objetivo desta dissertação consiste em melhorar a qualidade da informação e a eficiência do processo de decisão, onde se pretende uma otimização de agendamento de eventos (cirurgias), através da criação de uma plataforma de Adaptive Business Intelligence, que tem como principal funcionalidade a utilização de processos padronizados e otimizados para a realização de uma marcação de eventos mais eficaz. Nesta plataforma, que se pretende universal e aplicável a qualquer atividade, foi explorado um data warehouse aplicado à área da saúde, por se tratar de uma atividade que precisa de uma intervenção urgente, por sofrer constantemente atrasos (e consequentes remarcações) nos seus eventos, requerendo um processo ETL pormenorizado. Posto isto, o maior desafio prático desta dissertação foi desenvolver uma plataforma de Adaptive Business Intelligence, que tem como funcionalidade a previsão do tempo de espera na sala de cirurgia e a otimização do agendamento daquelas, diminuindo os desperdícios dos turnos e permitindo, consequentemente, um menor tempo de duração daqueles, evitando atrasos nas cirurgias. Para fazer esta plataforma foram utilizadas técnicas de data warehouse, data mining, otimização, previsão e adaptabilidade.

This document project is part of a Master's dissertation project in Engineering and Management of Information Systems, at the University of Minho, the theme of which being "ABI in Health - ETL Processes". Adaptive Business Intelligence may be defined as a set which combines operational data with analytical tools, in order to present complex and competitive information to optimize surgery scheduling. The work developed in this project will follow the Design Science Research (DSR) methodology. This document includes the identification of goals, motivations, as well as its framework. After this stage, we shall do a literature review on the topics which we will approach in the dissertation, which aims to clarifying some concepts, in favour of having a more clear and general view on these subjects. After that, a study about the methodology approach, CRISP-DM, was made. In order to develop de Adaptive Business Intelligence platform, a deeper comprehension of the business took place, which involves the existing problems and complemented by the goals to solve those problems, as well as a comprehension of the dataset, followed by the data preparation, modeling, valuation and implementation of the platform. The main goal of the dissertation consists of improving the decision-making process's information quality including its efficiency, seeking to optimize of the event schedule (surgeries), through the development of an Adaptive Business Intelligence platform, which shall have as a main feature the use of standardized and optimized processes which allow for more efficient scheduling of events. In this platform, designed to be universal and applicable to any activity, a data warehouse applied to the health sector will be explored, as it is an activity that calls for an urgent intervention, due to its constant delays (and consequential rescheduling) of its events, requiring a detailed ETL process. With this in mind, the biggest practical challenge of this Dissertation will be to develop an Adaptive Business Intelligence platform, which shall have a feature that predicts the waiting time at the operating room as well as its optimized scheduling, diminishing the shifts’ waste but also allowing, as a result, a shorter duration of those, avoiding surgery delays. To create this platform, we shall use techniques such as data warehouse, data mining, optimization, forecasting and adaptability.