CASES DE SUCESSO

Otimização da Gestão de Escala

A Rede Mater Dei de Saúde, em parceria com a A3Data, implementou com sucesso um projeto de Gestão de Escala, utilizando dados estruturados e ferramentas AWS Data Science.

Resumo Executivo:

A Rede Mater Dei de Saúde, em parceria com a A3Data, implementou com sucesso um projeto de Gestão de Escala, utilizando dados estruturados e ferramentas AWS Data Science. A plataforma desenvolvida centraliza informações sobre colaboradores e pacientes, otimizando alocações de pessoal e previsões de demanda. Resultados incluem ROI de 22,5% em 10 meses, redução de 85% em horas extras e melhorias operacionais. As ferramentas Sagemaker, S3, Lambda e DeepAr foram essenciais para construir uma solução eficaz, garantindo escalas assistenciais seguras e eficientes.

Desafio:

A Rede Mater Dei de Saúde enfrentava desafios significativos na comunicação e gestão de escalas de colaboradores, afetando diretamente a logística de atendimento aos pacientes. A situação se agravou com a pandemia da Covid-19, exacerbando as dificuldades devido às altas taxas de ocupação das unidades de saúde. Diante desse cenário, a necessidade de otimização e automação dos processos tornou-se evidente para garantir a escalabilidade e aprimorar o atendimento.

Abordagem

Em parceria com a A3Data, a Rede Mater Dei adotou uma abordagem baseada em dados para desenvolver o projeto de Gestão de Escala, visando assegurar a segurança e a eficiência no atendimento aos pacientes. Utilizando dados estruturados, a equipe centralizou informações sobre as habilidades dos colaboradores e as necessidades dos pacientes em uma solução tecnológica. A plataforma desenvolvida sugere alocações ótimas de profissionais de enfermagem a curto e médio prazos, levando em consideração a ocupação das unidades, registros de ponto, características e habilidades dos enfermeiros, além de prever a demanda futura. Os gestores têm acesso a dashboards atualizados em tempo real, permitindo uma visão abrangente de diferentes setores e facilitando a tomada de decisões rápidas e eficazes, como remanejamento de pessoal e previsões de demanda utilizando modelos de séries temporais.

Resultados:

A implementação dessa abordagem resultou em melhorias operacionais significativas e aprimoramento no atendimento aos pacientes:

  • ROI de 22,5% em apenas 10 meses de operação: A automação do controle de jornada e a otimização da escala contribuíram diretamente para esse retorno sobre investimento.
 
  • Redução significativa de 85% nas horas extras em comparação ao ano anterior: A capacidade de treinar novos enfermeiros para cobrir ausências foi otimizada, aumentando a produtividade de forma eficiente.
 
  • Validação e acompanhamento rigoroso dos dados disponíveis: A plataforma proporcionou altos índices de acertos na previsão de demanda e oferta para o dia atual.
 
  • Facilidade de uso e eficácia na alocação de recursos: A ferramenta desenvolvida em parceria com a A3Data e utilizando as ferramentas AWS Data Science se mostrou fácil de usar e eficaz para alocar recursos de acordo com as necessidades, garantindo escalas assistenciais seguras e eficientes.

Ferramentas usadas:

  • Health Scale: Ferramentas AWS Data Science foram fundamentais para o desenvolvimento e implementação do projeto, oferecendo uma infraestrutura robusta e confiável.
 
  • Sagemaker: O SageMaker facilitou a construção, treinamento e implementação de modelos de machine learning na nuvem, permitindo análises preditivas precisas para a gestão de escala.
 
  • S3: O Amazon S3 proporcionou um armazenamento de dados virtual na nuvem, garantindo acesso rápido e seguro às informações necessárias para o projeto.
 
  • Lambda: O AWS Lambda possibilitou a execução de código sem servidor, contribuindo para a agilidade e eficiência na operação da plataforma.
 
  • DeepAr: O algoritmo DeepAR, integrado ao SageMaker, foi utilizado para análises
    preditivas avançadas, melhorando a precisão das previsões de demanda e oferta.