Utilização de Business Intelligence no Apoio a Gestão de Saúde Pública

Transcrição

1 Utilização de Business Intelligence no Apoio a Gestão de Saúde Pública Vanderlei Cardoso; Regis Rodolfo Schuch Curso de Bacharelado em Ciência da Computação Universidade de Cruz Alta (UNICRUZ) Campus de Cruz Alta clcsupri@ibest.com.br, regis.schuch@gmail.com Resumo Este trabalho tem como propósito utilizar tecnologias de Banco de Dados para oferecer apoio ao processo de tomada de decisões aos gestores de saúde pública, tendo em vista que saúde qualidade é um direito de todos os cidadãos e um dever das autoridades públicas. Após obter as informações do SIA no portal do DataSus, foi carregado o Banco de Dados Relacional. Após criação do DW, foi feita o ETL e a filtragem das informações relevantes ao negócio. Com as informações filtradas foram criadas as tabelas dimensões, onde estão as informações filtradas com chave principal associada, onde fará a ligação com a tabela Fato. A pesquisa classifica-se como quantitativa, serão avaliados através de uma pesquisa com os gestores, quais dados são mais relevantes para uma pesquisa mais rápida e confiável. Abstract This work aims to use database technologies to offer support to the decision-making process for public health managers, given that health quality is a right of all citizens and a duty of public authorities. After obtaining the SIA information from the DataSus portal, the Relational Database was loaded. After the creation of the DW, the ETL and the filtering of the relevant information to the business were made. With the filtered information, the dimension tables were created, where the filtered information is associated with the associated primary key, where it will link to the Fact table. The research is classified as quantitative, will be assessed through a survey with managers, which data are most relevant to a faster and more reliable search. 1. Introdução Banco de Dados (BD) é um conjunto de arquivos relacionados entre si com registros sobre pessoas, lugares ou coisas. São coleções organizadas de dados que se relacionam de forma a criar algum sentido (Informação) e dar mais eficiência durante uma pesquisa ou estudo. (SANTOS, 2016) São de vital importância para empresas e há duas décadas se tornaram a principal peça dos sistemas de informação. Normalmente existem por vários anos sem alterações em sua estrutura. Com a valorização da informação, passouse a explorar e desenvolver outras estruturas de bancos de dados, com o intuito de auxiliar os gestores das organizações. Este trabalho tem como propósito utilizar tecnologias de Banco de Dados para oferecer apoio ao processo de tomada de decisões aos gestores de saúde pública, tendo em vista que saúde qualidade é um direito de todos

2 os cidadãos e um dever das autoridades públicas. A idéia fundamental consiste em adquirir os dados operacionais, reduzi-los ao- escopo do problema e estrutura-los em um Banco de Dados analítico (Data Warehouse). Um data warehouse é utilizado para armazenar informações relativas às atividades de uma organização de forma consolidada. Possibilita a análise de grandes volumes de dados, que são coletados a partir de sistemas transacionais (OLTP Online Transaction Processing) (RIBEIRO, 2011), é um Banco de dados organizado para dar suporte à tomada de decisões estratégicas da empresa. O conceito de Data Warehouse surgiu da necessidade de integrar dados corporativos espalhados em diferentes máquinas e sistemas operacionais, para que fosse possível tornar os dados acessíveis a todos os usuários dos níveis decisórios. O tema da pesquisa se resume em: Modelagem de um Data Warehouse (DW) com enfoque no Sistema de Informação Ambulatorial do SUS (SIA). Sobre o tema em que a pesquisa se situa, restringe-se a ela o estudo do ambiente, da arquitetura e da modelagem multidimensional que envolve um DW, e também o estudo do SIA e SIH para elaboração de um estudo de caso envolvendo a construção de um DW. 2. Data Warehouse Segundo o autor POE (1997) podemos definir um DW como sendo um banco de dados analítico de somente leitura que pode ser usado como a origem para o desenvolvimento de um sistema de suporte a decisão, podendo atender grandes volumes de dados de somente leitura, fornecendo acesso intuitivo as informações que irão ser usadas para tomada de decisões. Um DW pode ser considerado uma coleção de dados para dar suporte à tomada de decisões, com dados integrados de múltiplas fontes, orientados por assunto, não voláteis e que sofrem variação no tempo (INMON, 1997). Um DW tem o objetivo de integrar dados de diferentes fontes e formatos. 2.1 Arquitetura do Data Warehouse Compreende os sistemas OLTP, arquivos em diversos formatos (XLS, TXT, etc), sistemas de CRM, ERP, entre vários outros. ETL: o ETL, do inglês Extract, Transform and Load, é o principal processo de condução dos dados até o armazenamento definitivo no DW. É responsável por todas as tarefas de extração, tratamento e limpeza dos dados, e inserção na base do DW. Staging Area: a Staging Area é uma área de armazenamento intermediário situada dentro do processo de ETL. Auxilia a transição dos dados das origens para o destino final no DW. Data Warehouse: essa é a estrutura propriamente dita de armazenamento das informações decisivas. Apenas os dados com valor para a gestão corporativa estarão reunidos no DW. Data Mart: o Data Mart é uma estrutura similar ao do DW, porém com uma proporção menor de informações. Trata-se de um subconjunto de informações do DW que podem ser identificados por assuntos ou departamentos específicos. O conjunto de Data Marts em conformidade dentro da organização compõe o DW. OLAP: o OLAP, do inglês On-line Analytical Processing, na arquitetura de um DW se refere as ferramentas com capacidade de análise em múltiplas perspectivas das informações armazenadas.

3 Data Mining: Data Mining ou Mineração de Dados, se refere as ferramentas com capacidade de descoberta de conhecimento relevante dentro do DW. Encontram correlações e padrões dentro dos dados armazenados. Este será assunto de outro trabalho e por isso não será detalhado aqui. A Figura 1 ilustra as etapas descritas acima. 3. Modelagem dimensional Figura 1. Arquitetura do DW. Fonte: Adaptado de Machado (2000). É uma técnica de concepção e visualização de um modelo de dados de um conjunto de medidas que descrevem aspectos comuns de negócios. É utilizada especialmente para sumarizar e reestruturar dados e apresentá-los em visões que suportem a análise dos valores desses dados, MACHADO (2000). Há três elementos envolvidos na modelagem multidimensional, cujos conceitos dos mesmos são esclarecidos nas subseções seguintes: 3.1 Fatos A tabela de fatos armazena medições numéricas do negócio, cada uma das medidas é obtida na intersecção de todas as dimensões, KIMBALL (1998). Cada fato representa um item de negócio, uma transação, e é utilizado para analisar o processo de negócio de uma empresa, sua principal característica é a sua representação dada por valores numéricos e implementado em tabelas denominadas de FATO, MACHADO (2000). Segundo KIMBALL (1998), os fatos melhores e mais úteis são numéricos, continuamente valorados (diferentes a cada medida) e aditivos (podem ser adicionados às diversas dimensões). A razão disto é que praticamente todas as consultas feitas a essa tabela fatos resultaram na utilização de dezenas até milhares de linhas para construir o resultado. Esse grande número de registro será compactado, sumarizado, em algumas dezenas de linhas e a única forma de sumarizá-los é adicioná-los, portanto se as medições forem numéricas facilita a formação da resposta para a consulta. 3.2 Dimensões As tabelas de dimensões armazenam as descrições textuais das dimensões do negócio, elas participam de um fato, cada registro da dimensão produto representa um produto especifico, e comumente não possuem atributos numéricos, são textuais, discretos e usados como fonte de restrições e cabeçalhos de linha no conjunto de resposta do usuário, KIMBALL (1998). As dimensões determinam o contexto de um assunto de negócios, as dimensões que participam do fato Vendas são: Produto, Tempo, Loja. Na maioria das vezes as dimensões representam hierarquias, como por exemplo,

4 um produto, que é de uma marca ou categoria, que por sua vez pertence a uma subcategoria etc. Só que, na maioria das vezes, quando esta é representada na dimensão, não temos várias tabelas normalizadas com ligações um-para-muitos, e sim uma única tabela de dimensão. Isso faz com que o desempenho das consultas aumente muito, já que não são necessários junções para se obter os dados relacionados com algum assunto, KIMBALL(1998). 3.3 Medidas Medidas são atributos numéricos que representam um fato: representam a performance de um indicador de negócios relativos às dimensões que participam desse fato. Os números atuais são considerados de variáveis. Seguindo o exemplo da Figura 6, temos como medidas: Unidades vendias, custo venda. A medida é determinada pela combinação de um fato, e estão localizadas como atributos de um fato, MACHADO (2000). 4. Datasus Como exemplifica SANTOS (2007), o DATASUS é o órgão governamental que corresponde ao Departamento de Informática do SUS, responsável pela coleta, processamento e disseminação de informações sobre Saúde. É um órgão de âmbito nacional e assume um papel importante como centro tecnológico de suporte técnico e normativo para a montagem dos sistemas de informática e informação da Saúde. Foi criado em 1988 pela Constituição Federal Brasileira para ser o sistema de saúde de todos os brasileiros. DATASUS: O Departamento de Informática do Sistema Único de Saúde (DATASUS) surgiu em 1991 com a criação da Fundação Nacional de Saúde (Funasa). Na época, a Fundação passou a exercer a função de controle e processamento das contas referentes à saúde que antes era da Empresa de Tecnologia e Informações da Previdência Social (DATAPREV). Foi então formalizada a criação e as competências do DATASUS, que tem como responsabilidade prover os órgãos do SUS de sistemas de informação e suporte de informática, necessários ao processo de planejamento, operação e controle. Em quase 25 anos de atuação, o DATASUS já desenvolveu mais de 200 sistemas que auxiliam diretamente o Ministério da Saúde no processo de construção e fortalecimento do SUS. Atualmente, o Departamento é um grande provedor de soluções de software para as secretarias estaduais e municipais de saúde, sempre adaptando seus sistemas às necessidades dos gestores e incorporando novas tecnologias, na medida em que a descentralização da gestão torna-se mais concreta. 4.1 Sistema de Informações Ambulatorial (SIA) O SIASUS foi criado em 1992 e implantado a partir de julho de 1994, nas Secretarias Estaduais que estavam substituindo os sistemas GAP e SICAPS para financiar os atendimentos ambulatoriais. Em 1996 foi largamente implantado nas Secretarias Municipais de Saúde então chamadas de gestão semiplenas pela NOB 96. O SIASUS recebe a transcrição de produção nos documentos BPA e APAC, faz consolidação, valida o pagamento contra parâmetros orçamentários estipulados pelo próprio gestor de saúde, antes de aprovar o pagamento para isto utiliza-se do sistema FPO.

5 5. Metodologia A proposta tem como objetivo organizar os dados corporativos da melhor maneira possível, para que possam ser acessados e utilizados pelos gerentes e diretores, a fim de auxiliá-los na tomada de decisões, é muito importante ressaltar a importância de um SAD, sistema de apoio à decisão, em uma organização, visto que é uma ferramenta que trata os dados os transformando em informações relevantes para o processo de tomada de decisões da organização. A maneira com que as informações são fornecidas ao usuário é ponto principal nesse processo. Assim o DW fornecerá suporte a esse importante aliado dos tomadores de decisão, fornecendo informações precisas e confiáveis aos SADs e esse fornecendo aos gerentes uma visão global da organização, permitindo uma tomada de decisão mais precisa. 5.1 Recursos utilizados Foi utilizado nesta etapa do trabalho os seguintes softweres: - IBM DB2 e SQLService2005 O DB2 é a versão gratuita de um dos sitemas de gerenciamento de banco de dados mais avançados do mundo. Ele é um servidor de dados rápido, seguro, confiável e incrivelmente escalável e, portanto, ideal para startups e empresas de pequeno e médio porte. O DB2 está disponível para Linux, Unix, Windows e até mesmo Mac OS X! Além disso, permite aos desenvolvedores lidar facilmente com XML por meio da tecnologia de armazenamento de dados nativa chamada purexml. Como pode ser utilizado com Java,.NET, Ruby, Python, Perl e praticamente qualquer linguagem de programação. Já com o SQLService podemos criar um cubo para hospedar seus dados é que é possível centralizar suas regras de negócio para cálculos que você não pode armazenar facilmente em um data mart relacional. Além disso, com a estrutura do cubo fica muito mais fácil escrever consultas para comparação de dados ano após ano ou para criar valores cumulativos, como procedimentos desde o início do ano. Além do mais, você ganha a capacidade de gerenciar dados agregados no cubo de maneira transparente. Para melhorar o desempenho de consultas em um data mart relacional que contém muitos dados, os administradores de banco de dados com frequência criam tabelas de resumo para preparar dados para consultas que não exigem detalhes no nível da transação 6. Resultados Após obter as informações do SIA no portal do DataSus, foi carregado o Banco de Dados Relacional. Após criação do DW, foi feita o ETL e a filtragem das informações relevantes ao negócio. Com as informações filtradas foram criadas as tabelas, nas tabelas dimensões estão as informações filtradas com chave principal associada, onde fará a ligação com a tabela Fato. Figura 2 ilustra as tabela Dimensões e suas ligações com a tabela Fato.

6 Figura 2. Modelo Estrela. Acima um exemplo da ligação da tabela fato com suas dimensões, através das chaves principais associadas. Simplifica a visualização e entendimento, com mais clareza e desempenho nas consultas. Figura 2, dá um exemplo de consulta com ferramenta OLAP. Figura 2. Geração de relatórios.

7 7. Considerações Com uma boa elaboração de um DW, pesquisando-se o que realmente é importante para os gestores, pode-se proporcionar organização e facilidade na obtenção de informações de interesse ao negócio, decompondo um grande conjunto de informações em partes menores e analisando-as a partir de diferentes perspectivas para que se tenha um melhor entendimento. Referencias Bibliográficas DATASUS. (2016). Portal DATASUS. Departamento de Informática do SUS. Disponível em: < Acessado em 10 nov INMON, William H.. Como construir o Data Warehouse. 4º Tiragem. Rio de Janeiro. KIMBALL, Ralph. Data Warehouse Toolkit. São Paulo: Makron Book, MACHADO, Felipe Nery R., Tecnologia e Projeto de Data Warehouse. Editora: Erica POE, Vidette; Klauer, Patricia; Brobst, Stephen. Building a Data Warehouse for Decision SANTOS, R. Ambiente para Extração de Informações através da Mineração das Bases de Dados do Sistema Único de Saúde. Tese apresentada à Universidade de São Paulo, Ribeiro (2011) abordou a importância de se disponibilizar os dados corretos, de forma consolidada e íntegra para nos permitir uma tomada de decisão baseada em fatos, em dados reais.