O projeto em andamento passou por uma revisão estratégica significativa, e o grupo optou por adotar uma nova abordagem. Essa decisão foi motivada pela impossibilidade de prosseguir com a ideia inicial devido à escassez de informações relevantes e fundamentais para a concepção e implementação efetiva do modelo proposto. Após uma avaliação criteriosa, ficou claro que a falta de dados essenciais comprometia a viabilidade da antiga ideia, tornando essencial a reorientação do projeto para garantir um caminho mais fundamentado. Com essa ideia em mente, foi elaborada uma nova Pergunta Norteadora:
"Como otimizar o tempo de aprovação de atestados da plataforma FacilitySafe a fim de aprimorar e automatizar estratégias operacionais da empresa"
Levando em consideração que a nova problematica ja estava sendo abordada no modelo de Machine Learning do Status Report anterior, o grupo decidiu criar uma Matriz CSD para garantir um caminho mais solido na codificação e conseguir alcançar resultados esperados:
Nome: Ana Silva
Cargo: Coordenadora de Recursos Humanos
Empresa: SafeCare
Descrição da Persona:
Ana Silva atua como Coordenadora de Recursos Humanos na SafeCare, uma empresa que oferece serviços de seguro de saúde para organizações corporativas. Sua principal responsabilidade é aprovar atestados médicos enviados por funcionários que utilizam os serviços de plano de saúde da SafeCare.
Ana enfrenta desafios consideráveis em seu papel de coordenação de RH. Ela é responsável por garantir uma avaliação eficiente e precisa dos atestados, permitindo que os colaboradores tenham acesso rápido às aprovações necessárias para cuidar de sua saúde. No entanto, alguns dos principais problemas que Ana enfrenta incluem:
Demora na aprovação de atestados: Ana e sua equipe frequentemente lidam com atrasos na aprovação de atestados médicos, o que pode impactar negativamente a capacidade dos funcionários de receberem os cuidados de saúde necessários.
Inconsistências nas avaliações: A falta de padronização nos critérios de aprovação de atestados leva a inconsistências e erros nas decisões, resultando em descontentamento entre os funcionários.
Insatisfação dos colaboradores: A demora e a falta de clareza na aprovação de atestados contribuem para a insatisfação dos funcionários, afetando o moral e o bem-estar no ambiente de trabalho.
Ana está buscando maneiras de aprimorar o processo de aprovação de atestados, otimizando a eficiência e garantindo decisões mais rápidas e precisas. Ela está disposta a colaborar com as equipes internas e está aberta a soluções inovadoras, como o projeto de machine learning, para melhorar a experiência dos funcionários e garantir a eficácia no gerenciamento de atestados médicos.
De acordo com a Matriz CSD e informações extrídas do cliente, foi possivel elaborar as seguintes hipoteses:
O diagnóstico fornecido no atestado está alinhado com as condições cobertas pela apólice de seguro?
A clareza e precisão do diagnóstico podem influenciar a decisão de aprovação.
Se o paciente teve atestados aprovados anteriormente, isso pode influenciar a decisão futura?
A consistência nos atestados submetidos pode ser um fator relevante.
O tempo de ausencia de um atestado afeta diretamente a tendencia de aprovação do atestado
O fluxo de interação do usuario, responáavel por aprovar os atestados, com o FacilitySafe é bastante claro e intuitivo. Isso permitiu concluir que o problema nao estava voltado para a dificuldade de acessar o atestado e as informações do funcionário, mas sim em analisá-las e chegar a um resultado a partir dos dados disponibilizados.
Com isso, foi possível entender que a implementação de um modelo de Machine Learning poderá sim otimizar o processo de aprovação de atestado, visto que a lacuna do fluxo está diretamente associada a validação das informações e não a dificuldade no acesso aos atestados.
Da página inicial, indo para a página de controle de absenteísmo:
Existe um campo na side bar chamado "Aprovação de atestados" ele redireciona para apágina de atestados e expoe as informações dos atestados pendentes:
a criação de hipóteses, a analise do fluxo de interação e a definição de uma nova persona permitiram à equipe abordar as lacunas identificadas de maneira mais específica, considerando as necessidades e expectativas do usuário final. A incorporação de uma persona atualizada, representativa do usuário-alvo, resultou em uma nova solução mais informada, adaptada às nuances do contexto e das pessoas envolvidas no ciclo de aprovação de atestados.
Criação de um modelo que seja alimentado e treinado de acordo com os relatórios de atestados gerados pelo Facility Safe. O objetivo é predizer se um atestado será aceito ou não de acordo com um modelo baseado em árvores de decisão.
É válido resaltar que a ideia da solução como um centralizador de dados que foi planejada inicialmente no SR1 é fundamental ser elaborada em conjunto à nova solução, visto que o tratamento por meio de uma pipeline de dados e o armazenamento das informações de forma adequeada irá garantir um modelo de mlehor acurácia, porém, com objetivo de cumprir os requisitos do projeto, o grupo decidiu concentrar seus esforços no modelo de predição.
Tendo isso em mente, O DataCare será um centralizador de dados que irá ser alimentado, por meio de relatórios, pelo Facility Safe e criará um modelo para predizer se um atestado será aceito de acordo com um modelo baseado em árvores de decisão, de acordo com os dados da empresa, a fim de otimizar o processo de aceitação de atestados.