Você está na página 1de 6

A aplicação do Business Intelligence no segmento de Saúde Pública

Ambulatorial
Gilberto Capatina Valente1, Newton Naoki Ahagon1
1
Atech Tecnologias Críticas, São Paulo, SP

Resumo – Este artigo descreve o processo de desenvolvimento do sistema de Business Intelligence, como
ferramenta de apoio à tomada de decisões estratégicas, desenvolvido a partir das informações
ambulatoriais geradas no SIGA Saúde, que é um sistema integrado de gestão e assistência à saúde
pública. O artigo apresenta a metodologia utilizada para construir o sistema a partir da identificação das
áreas de interesse e dos principais relatórios gerenciais almejados pelos gestores, para ter mais
conhecimento sobre o Sistema Único de Saúde (SUS) nos municípios e nos estados do Brasil que utilizem o
SIGA Saúde.

Palavras-chave: Business Intelligence, Data Warehouse, Sistema de Apoio a Decisão, Data Marts.

Abstract – This paper describes the Business Intelligence development process as strategical decision
support system, developed from information stored in SIGA Saúde relational database, a public heath care
integrated system. The paper describes the methodology used to develop the system from subject areas and
the management reports desired from managers for getting more knowledge about SUS in the cities and
states in Brazil wich uses SIGA Saúde.

Key-words: Business Intelligence, Data Warehouse, Decision Support System, Data Marts

Introdução destes dados de forma que um ser humano possa


ter informações para a tomada de uma decisão,
Com a globalização, o mundo impulsionou entra em cena uma arquitetura que oferece total
forças competitivas, as organizações se tornaram apoio aos sistemas de Business Intelligence,
mais ágeis e competitivas e os clientes mais denominada Data Warehouse (DW), que
exigentes. As organizações são pressionadas possibilita a transformação de grandes
pelo mercado a melhorar os serviços prestados quantidades de dados existentes na organização.
aos clientes, melhorar constantemente os Esta transformação consiste em oferecer
processos de negócio, qualidade, resolver os informações úteis e confiáveis, de fácil e rápido
pontos de deficiência, ter colaboradores acesso, que formem o conhecimento e apóiem o
capacitados e ter conhecimento sobre o negócio, processo de tomada de decisão para a oferta de
dentre outros. Assim, entende-se que elas têm a serviços de maior qualidade, adquirindo assim,
obrigação de buscar o conhecimento para obter maior satisfação e confiança dos usuários do
vantagem competitiva sustentável. Sistema Único de Saúde (SUS).

Um sistema de Business Intelligence (BI) O objetivo desse trabalho é descrever o


permite ter uma visão objetiva da organização e processo de desenvolvimento, a arquitetura e
da qualidade de atendimento aos clientes por tecnologias utilizadas no projeto de Business
indicadores alinhados aos objetivos estratégicos Intelligence para apoio a gestão ambulatorial,
do negócio e à missão do negócio, obtidos de tendo como fonte de dados o SIGA Saúde, um
informações dispersas nas bases de dados sistema de informação integrado de Gestão e
existentes, como suporte ao processo de tomada Assistência em Saúde Pública. Além disso, serão
de decisões estratégicas. apresentadas as dificuldades encontradas neste
processo de modelagem, desenvolvimento e
Assim como outra organização, o segmento de homologação da criação de um ambiente de Data
Saúde Pública também visa cada vez mais Warehouse na obtenção dos dados do sistema do
prestar serviços de qualidade e eficiência à SIGA utilizado como base de informações.
população e, por esse motivo, precisa seguir as
tendências tecnológicas de extração de
conhecimento gerado pelos sistemas de
informação transacionais Estes sistemas
normalmente possuem bases de dados em
diferentes tecnologias, plataformas e totalmente
desintegradas. Para que haja uma consolidação
Metodologia

Definição - O BI é um processo integrado


que envolve conceitos, metodologias, arquiteturas
e tecnologias e infra-estrutura, que permite a
análise de informações armazenadas
historicamente em uma organização,
provenientes de diversas fontes de dados e
sistemas de informação, a fim de extrair
inteligência ou conhecimento sobre o negócio.

Arquitetura - Para um adequado sistema Figura 1. Modelo de Entidade


de BI, foi adotada a arquitetura tradicional do Relacionamento da área de interesse de
Data Warehouse composta pela fonte de dados Atendimento
dos sistemas transacionais, uma área de
transformação e carga de dados denominada A Staging Area é o elo de ligação entre o
Staging Area, a base de dados do Data sistema transacional e a base de dados do DW,
Warehouse segmentado em Data Marts onde os dados provenientes dos sistemas de
integrados, o que permitiu uma construção informação, no caso o SIGA Saúde, são
incremental de DW e a camada de apresentação, transformados por regras implementadas em
também conhecida como Online Analytical procedures PL/SQL do Oracle para carga correta
Processing (OLAP). no DW, como por exemplo, a carga de vagas e
agendamentos locais e regulados do SIGA Saúde
Segundo Bill Inmon e Ralph Kimball, um de forma unificada no DW. Diariamente a Staging
Data Warehouse é uma coleção de dados Área será carregada com as informações do dia
corporativos, orientados a assuntos, integrados, anterior e apagadas no próximo processo de
históricos e não atualizáveis para suporte a carga. E por isso, é considerada como um estágio
tomada de decisões, análises gerenciais e de extração anterior e temporário ao processo de
descobrimento de tendências [2] e [4]. transformação e carga na base DW [2].

Os sistemas transacionais ou Online A necessidade de carga programada por


Transactions Processing (OLTP) são os sistemas ETL é diária, com processamento noturno,
de informação ou bases de dados que também por execução de procedures PL/SQL que
automatizam um processo de negócio e registram deverão ser agendadas na configuração do
dados diários da organização, no caso, a fonte de SGBD. No atual estágio deste trabalho, o
dados é o SIGA Saúde. processo ainda não foi agendado por estar em
fase de homologação e as execuções estarem
O Data Warehouse é carregado com sendo executadas seqüencialmente para a
dados provenientes do sistema transacional por obtenção de um volume de dados relevante para
um processo denominado Extraction, a sua validação. Como exemplo, a carga para um
Transformation and Loading (ETL), que mês de informações da base do DW leva em
corresponde ao processo de extração da fonte de torno de dois dias para ser executado, após
dados, transformações e padronizações de algumas alterações para melhoria e diminuição
dados, caso seja necessário o carregamento dos do tempo de execução deste processo.
dados para a base de dados do Data Warehouse,
de forma programada e de acordo com a Nesse cenário, as áreas de interesse do
necessidade de execução destas cargas. Os negócio são denominadas de Data Marts, que
dados são carregados em tabelas com estrutura corresponde a um subconjunto lógico e físico de
de colunas relacionais parecidas com a da base segmentação e organização do DW e da camada
de dados transacional, porém em uma instância de apresentação na arquitetura de DW [2].
intermediária do banco de dados do DW
denominada Staging Area, sem relacionamentos, A camada de apresentação de dados,
chaves estrangeiras e “constraints” de banco de também chamada de Front-end, é a interface que
dados. Abaixo segue um exemplo do modelo de apresenta as informações ao usuário e é
dados criado no DW: normalmente composta por ferramentas de
criação de relatórios gerenciais padronizados, de
consultas ad hoc (de domínio conhecido pelo
usuário), denominadas como OLAP (Online
Analytical Processing) e extensões como o SIG
(Sistema de Informação Geográfica) e o Data
Mining (Mineração de dados não intuitivos por
modelos estatísticos como agrupamentos e complexidade de atenção básica, média e alta
predições, de domínio parcial pelos usuários). complexidade. Poderá auxiliar, por exemplo, nos
processos de Faturamento, Atenção Básica e
Processo de Desenvolvimento – As Regulação, incluindo a gestão do processo de
fases do projeto de BI seguidas foram: autorização de procedimentos de alta
Levantamento Preliminar, Planejamento, Análise complexidade (APAC) no que se refere a
do Negócio, Projeto, Construção, Testes, unidades solicitantes, unidades executantes,
Homologação e Implantação. incluindo prestadores de serviço,
autorizador/regulador, CID e tipo de APAC.
Na fase de Levantamento Preliminar do
projeto de BI foram feitas reuniões com os Equipes de Saúde – permitirá um maior
usuários para identificar os relatórios gerenciais e conhecimento e avaliação da quantificação,
as áreas de interesse. distribuição e caracterização das Equipes de
Saúde, Agentes Comunitários, Micro-Áreas e
A partir do protótipo de cada relatório Famílias.
gerencial especificado e validado foi possível
identificar as áreas de interesse para o projeto de Atividades Coletivas – permitirá um
BI: maior conhecimento e administração da
Básicos: Estabelecimentos, Profissionais, quantificação, distribuição e caracterização das
Usuários SUS e Procedimentos. atividades coletivas de acordo com as regiões
administrativas, estabelecimentos de saúde,
Complexos: Equipes de Saúde, procedimentos, nº de sessões, nº de inscritos, nº
Atividades Coletivas, Vacinação, Vagas, de participantes, faixa etária, sexo e raça.
Agendamentos, Fila de Espera, Atendimentos e
Regulação. Vacinação - permitirá um maior
conhecimento e avaliação da quantificação,
Os objetivos das áreas de interesse que distribuição dos lotes de vacinas, caracterização,
derivaram os Data Marts com o mesmo nome são e administração dos lotes e vacinações nas
os seguintes: regiões administrativas, estabelecimentos de
saúde, tipo de vacinação, vacinas, dose válida e
Estabelecimentos – permitirá um maior não válida, apoiando na atividade de mapas e
conhecimento da quantificação, distribuição produção vacinal.
administrativa e caracterização dos
Estabelecimentos de Saúde da rede assistencial Vagas - permitirá um maior conhecimento
no município. e avaliação e administração da quantificação,
distribuição e caracterização das ofertas de vagas
Profissionais – permitirá um maior para agendamentos de acordo com as regiões
conhecimento e avaliação da quantificação, administrativas, estabelecimentos de saúde,
alocação nos Estabelecimentos de Saúde e especialidades, profissionais de saúde, tipo de
caracterização dos Profissionais de Saúde como atendimento e cancelamentos.
especialidade e forma de contratação, que podem
auxiliar na identificação de falta de profissionais e Agendamentos - permitirá um maior
especialidades para possíveis ações de conhecimento e avaliação da quantificação,
contratações. distribuição e caracterização dos agendamentos
de acordo com as regiões administrativas,
Usuários SUS – permitirá um maior estabelecimentos de saúde, especialidades,
conhecimento e avaliação da quantificação, profissionais de saúde, tipo de atendimento e
distribuição e caracterização dos Usuários SUS cancelamentos. Também permitirá avaliar a
cadastrados no município como, por exemplo, demanda reprimida e as regiões de maior
faixa etária, sexo, nacionalidade, residentes em movimentação por especialidade para possíveis
outros municípios, endereço, distrito ações de distribuição e contratações.
administrativo e escolaridade. Permitirá também
avaliar a qualidade dos dados no processo de Fila de Espera - permitirá um maior
cadastramento. conhecimento e avaliação da quantificação,
distribuição e caracterização das filas de espera
Procedimentos - permitirá um maior para agendamentos, de acordo com as regiões
conhecimento e avaliação da quantificação, administrativas, estabelecimentos de saúde,
distribuição e caracterização dos procedimentos usuários SUS em espera, especialidades, tipo de
solicitados e realizados, de acordo com a Tabela atendimento e prioridades para uma melhor
Unificada, nas regiões administrativas, administração e atendimento dos pacientes em
estabelecimentos de saúde, nos seus grupos, espera com mais agilidade.
subgrupos, forma de organização e nos níveis de
Atendimentos - permitirá um maior
conhecimento e avaliação da quantificação,
distribuição e caracterização dos atendimentos,
de acordo com as regiões administrativas,
estabelecimentos de saúde, especialidades, tipo
de atendimento, especialidade, profissional de
saúde, CID e Procedimentos. Também permitirá
conhecer melhor toda a produção, diagnósticos
mais freqüentes, apoio à vigilância
epidemiológica, condutas dos profissionais, que
podem promover melhorias e programas de
saúde para uma melhor assistência ao usuário
SUS. Figura 2. Arquitetura do processo de ETL.
Regulação - permitirá um maior
conhecimento e avaliação da quantificação, A partir da revisão dos processos, regras
distribuição, caracterização e administração das e conceitos, foi feita uma modelagem de dados
solicitações de agendamentos, autorização de relacional do DW das áreas de interesse
agendamentos, devolução de solicitações de identificadas de forma padronizada e mais
agendamentos, reguladores, nível de regulação simplificada como, por exemplo, um modelo para
(Regional ou Central), unidades solicitantes, área de interesse vagas e outro para
unidades executantes e unidades reguladoras. Agendamentos, unificação dos modelos de
Também permitirá o atendimento dos pacientes agenda local e regulada e padronização do status
em espera com mais agilidade, avaliar as regiões para estas duas áreas de interesse.
de maior movimentação por especialidade para
possíveis ações de distribuição e contratações. Por outro lado, foi feita também a
modelagem de dados relacional da Staging Area,
Definida as áreas de interesse acima foi de acordo com cada área de Interesse, com as
possível fazer um Planejamento do Projeto: mesmas tabelas do modelo de dados relacional
requisitos, cronograma, formação da equipe, do SIGA Saúde.
custo, prazos, entregas, tecnologia de apoio,
infra-estrutura e ambientes de desenvolvimento, Finalmente, foi feita a modelagem de
homologação e produção [1]. dados dimensional dos Data Marts, na
representação Estrela (Star Schema), proposta
Em seguida, iniciada a fase de Análise de por Ralph Kimball [2], composto de uma tabela
Negócio, foi elaborado protótipo na ferramenta central de totalizações, denominada tabela Fato, em
OLAP e de telas da funcionalidade de relatórios um conjunto de tabelas periféricas ligadas à tabela
gerenciais no SIGA Saúde, que foram verificados fato, denominadas Dimensões e em alguns casos,
e validados pelos usuários, o que permitiu uma foi necessária a representação Floco de Neve
melhor definição do escopo para a arquitetura de (Snow Flake), que normaliza dimensões. Segue
dados. abaixo um exemplo de modelo de representação
Estrela da tabela fato de Atendimento.
A arquitetura de dados, já na fase de
Projeto, foi desenvolvida em três tipos de
modelos de dados, conforme a proposta de Ralph
Kimball: o modelo de dados relacional do DW, o
modelo de dados relacional da Staging Area e o
modelo dimensional dos Data Marts [1] e [3].

Segue abaixo a arquitetura do processo


de ETL do projeto mencionado acima:

Figura 4. Modelo de representação


Estrela da tabela fato de Atendimento

Em todos os modelos, os metadados e as


regras necessárias para os procedimentos de
ETL associadas às tabelas da Staging Area foram
documentados em uma ferramenta de mercado
para modelagem de dados.

Na fase de Construção, foram criados as


tabelas e os índices, implementados os
procedimentos de extração, transformação e
carga (ETL) na linguagem PL/SQL, definidos os
metadados de orientação, bem como as suas
execuções no SGBD, tanto no ambiente de
desenvolvimento para testes e ajustes, como no
do ambiente de homologação, dentro de um
período menor para efeito e facilidade de
homologação pelo usuário [1].

Ainda nesta fase, os mapeamentos dos


Figura 4. Apresentação de indicador de
Data Marts , Cubos ou Universos das áreas de
quantidades de agendamentos através de mapa
interesse foram construídos na ferramenta de
temático.
OLAP denominada Infomax da Atech, uma
customização com recursos adicionais de uma
Na fase de construção também foram
ferramenta de Business Intelligence, utilizando o
realizados testes em termos de resultados e
DW como uma estrutura relacional de dados,
performance das procedures de ETL, dos
compondo um tipo de implementação
resultados obtidos na ferramenta OLAP
denominado de ROLAP (Relational Online
comparando com dados do próprio sistema
Analytical Processing). A ferramenta Infomax
transacional, em um ambiente de
customizada para atender o BI em Saúde Pública
desenvolvimento [1].
foi batizado como Infosaude, uma ferramenta
amigável ao usuário que oferece recursos de drag
A etapa de Homologação está em
and drop, gráficos, planilhas, drill up, drill down e
andamento, sendo realizada pelo cliente através
publicação de relatórios, onde também foram
da aplicação Infosaude, utilizando a ferramenta
registrados os metadados para orientação.
OLAP de extração de relatórios, onde receberam
um rápido treinamento, em um ambiente
dedicado à homologação. Foram realizadas
diversas reuniões para dirimir as dúvidas e
levantar os desvios nos resultados esperados no
BI, a partir dos dados do sistema transacional. A
cada avaliação foram executados os ajustes
necessários nos procedimentos de carga ou na
própria estrutura de dados do Data Warehouse e
executado o ETL no ambiente de homologação
Figura 3. Apresentação do relatório de para uma nova avaliação dos resultados obtidos
agendamentos em planilha ou gráfico. [1].

Também está sendo implementado o A fase de Implantação, próxima etapa,


SIG, de acordo com os Data Marts em mapa contemplará a instalação do sistema de BI no
geográficos do município integrados à ferramenta ambiente de produção, seja como ferramenta
OLAP Infosaude. Utilizando uma aplicação para OLAP e toda a carga de dados. Também será
visualização de informações geográficas, o realizado o treinamento na ferramenta OLAP
sistema apresenta a distribuição de quantidades Infosaude aos usuários autorizados a utilizá-la [1].
de agendamentos, por exemplo, pelas divisões
operacional/administrativa do município Discussão e Conclusões
Esta aplicação possui as funcionalidades mais
comuns encontradas nas ferramentas SIG de Para este projeto de BI, estão sendo
mercado, como: aproximação (zoom in), muito importante as ações de um patrocinador
afastamento (zoom out), deslocamento (pan), com visão em tendência tecnológica, que investiu
pesquisa e seleção. Além disso, é apresentada a e apresentou os benefícios e resultados, bem
legenda de cores temáticas para determinar em como usuários que conheçam o negócio e a
que faixa de valor cada região se encontra. A tecnologia e que saibam como analisar os dados
vantagem deste sistema é de ter a percepção tradicionalmente gerados diariamente pelo
visual na distribuição espacial dos indicadores sistema transacional, para gerar informações que
relacionados às áreas de interesse definidos pelo o permitam conhecer melhor o negócio para
cliente. ações que possam melhorar a qualidade de
atendimento e assistência aos usuários SUS e
não apenas disponibilizar os dados. Referências

Um dos maiores desafios de um projeto [1] MOSS, Larissa T. ; ATRE, Shaku. Business
de DW é a gestão de requisitos, que deve ser Intelligence Roadmap, The Complete Project
muito bem definido no início do projeto. Na fase Lifecycle for Decision Support Applications.
de Levantamento de Requisitos e Análise de Boston: Addison-Wesley, 2003.
Dados deve ter o acompanhamento e validação
do usuário, para que não haja ajustes, retrabalho [2] KIMBALL, Ralph; ROOS, Margy The Data
ou complementos na fase de homologação. Warehouse Toolkit. Rio de Janeiro: Campus,
Naturalmente, em um projeto deste porte sempre 2002.
há a necessidade da realização de ajustes a partir [3] KIMBALL, Ralph. The Data Warehouse
da análise dos resultados. Lifecycle Toolkit Expert Methods for Designing,
Developing and Deploying Data Warehouses.
Tomamos como aprendizado e melhoria New York: John Willey & Sons, 1998.
no processo, a participação ativa do cliente não
apenas na fase de validação dos requisitos, como [4] INMON, W. H. Como Construir o Data
na validação dos modelos obtidos na arquitetura Warehouse. Rio de Janeiro: Campus, 1997.
de dados, para um processo de homologação [5] MACHADO, Felipe N. Rodrigues. Tecnologia e
mais rápido e alinhado. As solicitações de ajustes Projeto de Data Warehouse. São Paulo: Érica,
e complementos aumentaram o escopo previsto 2006.
no início do projeto, o que resultou em um
trabalho de revisão dos modelos e das [6] BARBIERI, Carlos. Business Intelligence
procedures de ETL para atender os resultados Modelagem e Tecnologia. São Paulo: Axcel
esperados. Books, 2001.
[7] MONTEIRO, André Vinícius G.; PINTO,
Vale ressaltar a facilidade de utilização Marcos Paulo O.; COSTA, Rosa Maria E.
das ferramentas de consulta, relatórios e M.Uma Aplicação de Data Warehouse para
publicação pelas ferramentas utilizadas neste Apoiar Negócios. Rio de Janeiro, 2005.
projeto. Porém, a arquitetura criada e o processo
utilizado em seu desenvolvimento independe da
ferramenta OLAP utilizada, possibilitando a Contato
portabilidade, caso seja necessária.
Gilberto Capatina Valente possui MBA em
O próximo passo é a extensão para a Inteligência Competitiva com ênfase em BI/BPM
extração de informações qualitativas pelo pela FIAP e MBA em Gestão de Tecnologia da
processo, técnicas e ferramentas de Data Mining Informação pela Fundação Getúlio Vargas e é
e a utilização da técnica de Dashboards (painel graduado em Ciência da Computação pela
de indicadores) para acompanhamento dos Pontifícia Universidade Católica de São Paulo,
indicadores de performance, obtidos pela técnica atuando na área de Tecnologia da Informação há
de Balanced Scorecard alinhada aos objetivos e 15 anos. É Consultor Sênior da Atech, onde atua
metas da empresa. nos projetos de implantação e evolução do SIGA
Saúde e no projeto de BI para gestão
Agradecimentos ambulatorial.

Os autores agradecem ao Dr. Cláudio Newton Naoki Ahagon possui graduação em


Giuliano da Costa pelo apoio no projeto, aos Srs. Engenharia Elétrica na Universidade de São
Pedro Scarpim, Marcelo Ribeiro de Almeida e Paulo com ênfase em Automação e Controle. É
Renato Barreto Rosolem por desenvolverem essa consultor especialista em sistemas de BI e SIG
oportunidade de negócio, ao Sr. Robert Douglas (Sistemas de Informações Geográficas) na Atech,
Barbosa Funchal que participou na construção e e implantou soluções de BI e SIG para as
a Sra. Lucia Beatriz de Area Leão Alves por Secretarias de Segurança Pública nos estados de
gerenciar o projeto. Pernambuco, Mato Grosso, Ceará, Amazonas,
Acre e Rondônia. Atualmente desenvolve solução
de BI para gestão ambulatorial.

Endereço: Rua do Rócio, 313 – 11o. andar,


04552000 São Paulo, SP, telefone: 11 3040-7300
e-mails:gvalente@atech.br/gcvalente@uol.com.br
e nahagon@atech.br/nahagon@hotmail.com.