UTILIZAÇÃO DE TÉCNICAS DE BUSINESS INTELLIGENCE NA BASE DE CONSULTAS ESPECIA-LIZADAS DO SISTEMA ÚNICO DE SAÚDE

Paulo Vitor de Campos Souza, José Araújo Damasceno

Resumo


Este trabalho visa explorar técnicas de Business Intelligence aplicadas na base de consultas especializadas do SUS (Sistema Único de Saúde) onde foram feitas as classificações dos dados e encontradas equações capazes de predizer através do cruzamento das informações o valor de um exame médico especializado em um determinado tempo, tornando-se assim um trabalho que possibilitará um melhor controle dos gastos efetuados pelo Ministério da Saúde, pois o mesmo mostra com base nos resultados obtidos através das referências encontradas e com o auxilio da ferramenta WEKA que é possível um melhor planejamento estratégico a respeito dos gastos públicos voltados para a área da saúde

Palavras-chave


Business Intelligence; Weka; Mineração de Dados; Exames Médicos por Especialidades

Texto completo:

Artigo

Referências


AHA, David W.; KIBLER, Dennis; ALBERT, Marc K. Instance-based learning algorithms. Machine learning, v. 6, n. 1, p. 37-66, 1991.

ANTONELLI, Ricardo Adriano. Conhecendo o Business Intelligence (BI).CAP Accounting and Management, v. 3, n. 3, p. 79-85, 2010.

BARBIERI, Carlos. BI – Business Intelligence – Modelagem & Tecnologia. Rio de, 2001.

BEZERRA, Alessandro Augusto et al. BUSINESS INTELLIGENCE: uma perspectiva de soluções aplicadas no contexto da Gestão da Informação.

CAMILO, Cássio Oliveira; SILVA, João Carlos da. Mineração de dados: Conceitos, tarefas, métodos e ferramentas. Goiânia: Universidade Federal de Goiás, 2009.

CIELO, Iva Rafael. Etl: Extração, transformação e carga de dados. 2002.

CUTLER, Adele; ZHAO, Guohua. Pert-perfect random tree ensembles.Computing Science and Statistics, v. 33, p. 490-497, 2001.

DARÓS, Leandro Luís; BRASIL, Marcos Alexandre Damonin; BORGERT, Altair. A contribuição de uma ferramenta de business intelligence na gestão de custos: a experiência do Estado de Santa Catarina. In: Anais do Congresso Brasileiro de Custos-ABC. 2005.

Exames Médicos Periciais por Especialidade. Disponível em :. Acessado em: 18 ago. 2015.

Folha UOL. Mercado/Brasil é o pior em retorno de impostos a população, aponta estudo. Disponível em: Acessado em: 01 out. 2015.

GARTNER IT Glossary. Business Intelligence (BI). Disponível em: . Acessado em: 01 out. 2015.

HALL, Mark A.; SMITH, Lloyd A. Practical feature subset selection for machine learning. 1998.

HOLMES, Geoffrey; HALL, Mark; PRANK, Eibe. Generating rule sets from model trees. Springer Berlin Heidelberg, 1999.INMON, William H. Como construir o data warehouse. Campus, 1997

KORF, Richard E. Linear-space best-first search. Artificial Intelligence, v. 62, n. 1, p. 41-78, 1993.

LUCKOW, Décio Heinzelmann; DE MELO, Alexandre Altair. Programação Java para a WEB. Novatec Editora, 2010.

Scielo. Técnicas de mineração visual de dados aplicadas aos dados de instrumentação da barragem de Itaipu. Disponível em: . Acessado em: 01 out. 2015.

Portal Brasil. Ministério da Saúde amplia em sete vezes investimentos em pesquisas. Disponível em:. Acessado em: 01 out. 2015.

QUINLAN, John R. et al. Learning with continuous classes. In: 5th Australian joint conference on artificial intelligence. 1992. p. 343-348.

SGUARIO DOS REIS, E.; ANGELONI, M. T. Business intelligence 2006.

WEKA, W. E. K. A. 3: data mining software in Java. University of Waikato, Hamilton, New Zealand (www.cs.waikato.ac.nz/ml/weka), 2011.


Apontamentos

  • Não há apontamentos.


ISSN: 2594-9624

Este trabalho está licenciado sob a licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional (CC BY-NC-ND 4.0).