Desafio
- Com décadas de experiência na gestão de serviços de saúde, a AdvanceCare possui um vasto conhecimento sobre Fraude e Abuso, mas necessitava de avançar na automatização e sistematização da respetiva monitorização. A empresa pretendia analisar um maior número de cenários de fraude através de processos automáticos, capazes de detetar mais casos suspeitos e disponibilizá-los com maior rapidez tanto às áreas internas para análise como aos clientes institucionais, através de uma interface de Business Intelligence (BI) de acesso simples e rápido.
- Embora a empresa já utilizasse processos ad-hoc (alguns ainda em vigor, baseados em ferramentas de BI) e análises estatísticas comportamentais para deteção de padrões desviantes, a intervenção manual e o tempo de resposta alargado dificultavam o alcance dos objetivos pretendidos. Dessa forma, tornou-se essencial uma solução integrada e estruturada, que permitisse registar o know-how adquirido, acelerar o tempo de intervenção e minimizar os impactos.
Solução
- O projeto teve início com uma empresa interna ao grupo AdvanceCare, com vasto know-how no mercado americano e indiano em projetos semelhantes. Este parceiro identificou os cenários de fraude e desenvolveu as regras de negócio para deteção dos casos de potencial fraude e abuso.
- A solução tecnológica, implementada pela Gstep, é constituída por processos ETL (aproximadamente 40 processos) onde são aplicadas as referidas regras de negócio para deteção de casos de potencial fraude e abuso, um Data Warehouse onde esses dados são estruturados para consulta, modelos BI (um Cubo ESSBASE e quatro modelos OBIEE) e dashboards/reports.
Resultado
- Inserção e atualização de cerca de 300 mil registos/dia.
- Aproximadamente 40 processos analisados.
- Disponibilização de cerca de 30 reports.
- 8 pessoas envolvidas (Direção de Tecnologias de Informação, Direção Técnica e Gstep).
Mais casos
Ver todos os casos-
DesafioAjuda na escolha de plataforma cloud para novo Data Warehouse. ResultadoAmbiente exclusivamente em Cloud para a análise de dados, integrado com ferramentas de IA e Machine Learning em Azure. Ver o caso -
DesafioO portfólio aplicacional miMed é composto por um conjunto de aplicações distintas mas essenciais para a operação diária do negócio. Cada uma destas aplicações possui uma base de dados (BD) isolada, que armazena todos os dados gerados e registados em cada uma dessas aplicações. As análises e reporting baseavam-se em extrações de relatórios das bases de dados de produção, que eram depois trabalhadas em Microsoft Excel e partilhadas com as equipas. Face ao crescimento do volume de dados gerado e das necessidades de análise, os processos tradicionais e semi-automáticos de extração e transformação de dados começaram progressivamente a deixar de ser solução para o ritmo diário da operação. ResultadoA solução implementada focou-se na monitorização de métricas core da atividade diária da miMed, nomeadamente Consultas, Faturação, Clientes, Mix de Especialidades e Taxas de Ocupação. Ver o caso -
DesafioHavia a necessidade de responder a indicadores de negócio e obter uma visão global do grupo Luz Saúde, nomeadamente através da recolha, análise, transformação, monitorização e partilha de dados de cada unidade hospitalar, tanto para apoio à decisão e melhoria do serviço prestado aos pacientes, como para dar resposta a necessidades contratuais. Além disso, o grupo enfrentava um crescimento contínuo do volume de informação a analisar. Tornava-se essencial trabalhar dados provenientes de fontes distintas de forma integrada e unificada, acrescentando valor e promovendo um processo de melhoria contínua, bem como responder a requisitos de negócio em near real-time. ResultadoMaior capacidade e rapidez de análise construtiva da informação. Ver o caso
Tem um desafio em mãos?
Conte-nos o que quer alcançar e juntamos a equipa certa para o resolver.
Marcar reuniãoQuer juntar-se à equipa?
8 vagas abertas, de estágios a consultoria. Candidate-se no site, com o seu CV.
Ver vagas