Inteligencia Analítica para la Gestión

de Recursos en la Salud

Segundo Encuentro Analítica de Negocios

e Ingeniería Matemática

Departamento de Inteligencia Analítica

Setiembre 2014
Sven Schaffrath
El modelo de generación de valor de CPA Ferrere

2
 Contenido

¿Qué es Inteligencia Analítica? ¿Por qué aplicarla en

salud?
Algunos ejemplos:
Modelos de predicción de fuga
Ubicación óptima de vehículos e instalaciones
Modelos de gestión y capacidad de camas
Una solución al problema de la coordinación de horarios
 Inteligencia Analítica: ¿Qué es?

¿Qué es Inteligencia Analítica?:

La Inteligencia Analítica refiere al conjunto de habilidades, herramientas, tecnologías,
aplicaciones y prácticas orientadas a la continua e iterativa exploración de datos para
revelar nuevos insights de negocios y transformarlos en incrementos permanentes de
valor agregado.
ACCIONES
ESTRATÉGICAS Y
DATOS VALOR
AGREGADO

4
 Inteligencia Analítica, 4 objetivos y el marco conceptual
Datos y herramental analítico

Gestión
Óptima Maximizar
de Ingresos
Recursos
Minimizar
Inteligencia Objetivos
Costos
Analítica
Optimizar
Gestión Recursos
Reducir la
Comercial
Volatilidad

Mejora continua de la gestión

Extracción de información oportuna y relevante

5
 Crecimiento económico y Reforma de la Salud proponen
nuevos desafíos a ASSE y el sistema mutual
A partir de la Reforma de la Salud…
La cantidad de personas que tiene acceso a un
prestador integral se ha incrementado
significativamente.
En su mayoría acceden a través de la seguridad
social, y se ha volcado principalmente hacia los
prestadores privados.

Esto implica grandes desafíos para las

instituciones…
• Continuar incrementando la cartera de
afiliados.
• Retener afiliados clave.
• Optimizar estructura, infraestructura y
procesos de atención
Fuente: MSP
6
Inteligencia Analítica aplicada al Área de la Salud:
Gestión Óptima de Recursos
Negocios Analítica

¿Existe un número óptimo Mét. de Opt. No Lineal

de camas para cada sector? Simulación Eventos Discretos

¿Tengo mis salas

correctamente dotadas Mét. de Opt. Combinatoria
de personal? Algoritmos Genéticos

¿Cómo asignar
Mét. de Opt. No Lineal
óptimamente el uso de la
Simulación Eventos Discretos
infraestructura disponible?

¿Existen prácticas Análisis Multivariado

desviadas de lo “normal”? Datos de Panel
¿Están justificadas?

7
Inteligencia Analítica aplicada al Área de la Salud
Gestión Comercial
Negocios Analítica

¿Cuáles son mis afiliados Customer Lifetime Value

más rentables?

¿Quiénes son propensos a Modelos de Decisión Binaria

contratar servicios y no lo Market Basket Analysis
están haciendo?

¿Qué usuarios tienen

mayor probabilidad de Modelos de Decisión Binaria
“fugarse”?

8
 ¿Qué impacto tendría atender estos objetivos en una
Mutualista promedio?
Estado de Resultados IAMC “Tipo” Montevideo, 2012* Ahorros anuales potenciales IAMC “tipo” MVD 2012*

La eficiencia como un producto de

negocio:
Incrementos de eficiencia del orden del 0,5% -
1,5% en áreas clave podrían inducir más de USD
*$ ajustados por inflación a febrero 2014
1.000.000 de ahorros anuales.
9
 Contenido

¿Qué es Inteligencia Analítica? ¿Por qué aplicarla en

salud?
Algunos ejemplos:
• Modelos de predicción de fuga
• Ubicación óptima de vehículos e instalaciones
• Modelos de gestión y capacidad de camas
• Una solución al problema de la coordinación de horarios
 Contenido

¿Qué es Inteligencia Analítica? ¿Por qué aplicarla en

salud?
Algunos ejemplos:
• Modelos de predicción de fuga
• Ubicación óptima de vehículos e instalaciones
• Modelos de gestión y capacidad de camas
• Una solución al problema de la coordinación de horarios
La importancia de detectar tempranamente a los usuarios
“en fuga” y retenerlos.

Para generar mayores ingresos, las Instituciones

pueden o bien captar nuevos clientes, o bien
maximizar el valor de su cartera de clientes
actual. Muchas veces lo primero puede resultar
más costoso que lo segundo.
En este sentido, y de cara a la apertura del
corralito mutual, cobra sentido no sólo captar
nuevos clientes, sino también detectar
tempranamente a los afiliados con alta
probabilidad de desafiliación.

12
 Ejemplo 1: Detección temprana de afiliados “en fuga”

Objetivo: Optimizar las acciones comerciales para retención de afiliados durante

la apertura del corralito mutual mediante la detección de afiliados con alta
probabilidad de fuga.

 Se realiza la identificación de patrones

comunes en aquellos afiliados que se
hayan dado de baja en el pasado, para
predecir cuáles son los afiliados
presentes que dadas sus características
tienen una mayor probabilidad de
fuga. Esto permite desarrollar acciones
para retener afiliados rentables que
pudieran estar evaluando cambiarse de
institución de cara a la próxima apertura
del corralito mutual.

13
 La intuición detrás de la predicción de la fuga…

02/2013 02/2014 02/2015

Detección de patrones y estimación de efecto sobre

propensión a retiro: ¿?
• Tanto los socios que continúan en la institución como los que
se retiran comparten patrones en común (edad, género,
formas de pago, servicios adicionales, intensidad de uso, etc.)
que los diferencian del otro grupo.
Modelo
• A partir de la detección de estos patrones y de la estimación
de su efecto sobre la propensión a desafiliarse, es posible
pronosticar qué harán otros afiliados. ℛ ∈ {0,1}
14
 Alternativas para la focalización de las acciones comerciales
1) Reglas de • Definición a priori en base a experiencia de los analistas de segmentos.
negocio ad-hoc • No se conoce número a contactar a priori (ni presupuesto de
campaña).
• Reglas no están necesariamente validadas contra datos.

2) Sorteo aleatorio • Se define presupuesto de campaña y se seleccionan aleatoriamente

los afiliados a contactarse.
• Se contacta aproximadamente a un % de socios “en fuga” similar al
promedio de la institución.
• Alto número de falsos positivos en contextos de bajo % de movilidad.

3) Priorización por • Se define presupuesto de campaña y se priorizan por probabilidad los

riesgo de fuga afiliados a contactarse.
• En promedio, % de verdaderos positivos se incrementa
significativamente (2-5 veces).
• Mínimo contacto a falsos positivos.
• Intuiciones de negocios se validan estadísticamente y cuantifica
su efecto unitario total.

15
 Contenido

¿Qué es Inteligencia Analítica? ¿Por qué aplicarla en

salud?
Algunos ejemplos:
• Modelos de predicción de fuga
• Ubicación óptima de vehículos e instalaciones
• Modelos de gestión y capacidad de camas
• Una solución al problema de la coordinación de horarios
Ejemplo 2: Distribución óptima de vehículos de asistencia
médica

Problema:
• Dados un mapa de demanda, un
conjunto de instalaciones y un
número de vehículos, ¿cuántos
móviles se deben ubicar en cada
instalación tal que el tiempo de
respuesta promedio sea mínimo?
• ¿Es esta distribución estable en el
tiempo o existen óptimos diferentes
para distintos intervalos de tiempo?

Solicitudes de visita: 0 1000

17
Otra óptica para un problema similar…
Ubicación óptima de nuevas instalaciones

Problema:
• Dados un mapa de demanda y un
conjunto original de
instalaciones, ¿cuál es la
¿ ? ubicación óptima para mi
próxima instalación, tal que el
tiempo de respuesta promedio
sea mínimo?

Solicitudes de visita: 0 1000

18
 Contenido

¿Qué es Inteligencia Analítica? ¿Por qué aplicarla en

salud?
Algunos ejemplos:
• Modelos de predicción de fuga
• Ubicación óptima de vehículos e instalaciones
• Modelos de gestión y capacidad de camas
• Una solución al problema de la coordinación de horarios
 Ejemplo 3: Modelos de Gestión y Capacidad Óptima de
Camas (i)
Fuentes de Eventos por Admisión / Internación y
demanda período “Rechazo” ocupación de cama
p

Emergencia
#
p
p

tiempo
Policlínica #

Admisiones #
coordinadas
Políticas de calidad, estándares
mínimos de atención y garantía
de máximo en “rechazos”

20
 Ejemplo 3: Modelos de Gestión y Capacidad Óptima de
Camas (ii)

Problema:
Dadas las demandas y extensiones de estadías, ¿cuál es el número óptimo
de camas a habilitar para cada período de optimización?
Elementos a tomar en cuenta:
• Costos de las camas vacías (“costos fijos”) y de las camas ocupadas (“costos variables”).
• Costo del “rechazo” (pérdida de reputación, traslados internos de pacientes, alquiler de camas
en otros hospitales, etc.).
• Ingresos por cama ocupada y beneficios adicionales contratados (cama privada,
servicios premium, alquiler de camas a 3eros, etc.).
• Asignación de camas por sectores (incluyendo sectores “pivot”).
• Asociación de sectores con tratamientos específicos (restricciones a los pivot).

Óptimo = Máximo Beneficio / Mínimo Costo

21
 Contenido

¿Qué es Inteligencia Analítica? ¿Por qué aplicarla en

salud?
Algunos ejemplos:
• Modelos de predicción de fuga
• Ubicación óptima de vehículos e instalaciones
• Modelos de gestión y capacidad de camas
• Una solución al problema de la coordinación de horarios
 El “rostering” y el problema de coordinación de
horarios (i)
¿Qué es un “roster”?:
Un roster es una lista de miembros del personal con tiempos, tareas y
locaciones asignadas para trabajar en determinadas fechas y horarios.

¿Por qué es importante?:

El País, setiembre 2013

El País, agosto 2014

Red21, abril 2012

23
 El “rostering” y el problema de coordinación de
horarios (ii)
Una sala de hospital sin un buen roster no podrá ofrecer
servicios de calidad a sus pacientes

• Distribuciones de horarios y tareas “subóptimas” derivan en:

• Sobrecargas de trabajo sobre personal performante.
• Descoordinación de tareas y duplicación de actividades.
• Sub-asignación de personal en distintas salas.
• Programas no robustos a las inasistencias no programadas de personal e incapacidad
de responder a contemplaciones al personal (solicitud de turnos y recoordinación).

A pesar de su importancia, el “roster” se realiza

principalmente a mano en los hospitales uruguayos.

24
 La intuición detrás de la complejidad del problema
de coordinación de horarios (i)
Complejidad del personal: El personal de enfermería muestra un alto grado de
heterogeneidad (habilidades, contratos y restricciones personales).

María López
Alejandro Gómez • Sólo experiencia en salas
• Experiencia en supervisión generales.
de salas cerradas. • Suplente para turnos de 6 hrs.
• Contratado bajo 4+1 y 6 hrs. • Condición mínima de llamado: 2
• Tiene 2 trabajos y sólo días consecutivos, 4 días en la
puede tomar turnos semana.
nocturnos en zona céntrica • Prefiere turnos en la mañana,
sin preferencia geográfica.

Carla Gutierrez
• Presupuestada con años de experiencia en
pediatría.
• 2 trabajos con tiempo largo de traslado, entra
6:30, en vez de 6:00.
• Contrato en formato 5+2, acuerdo anterior de
trabajo sólo en policlínicas.
• Disponible para horas extras en horario de
salida.

25
 La intuición detrás de la complejidad del problema
de coordinación de horarios (i)
Complejidad de la demanda de personal:
• Ocupación de camas es “previsible” (especialmente bajo sistema de gestión
proactiva), pero estocástica.
• Existen ratios regulatorios y operativos que deben ser cumplidos
(médicos/supervisores/nurses/asistentes de enfermería/camas).
• Salas pueden tener ratios específicos, requerimientos de habilidades
particulares y niveles de imprevisibilidad aumentados.
• Existen soluciones no deseables (“restricciones blandas”) y otras no factibles
(“restricciones duras”).
• Descanso de personal y tareas administrativas deben de ser tenidas en cuenta
para asegurar correcta cobertura de requerimientos.
• Resultados tienen que ser visibles para todos. Gerencia, Analistas de RRHH,
Supervisores y Personal coordinado. Se debe gestionar el acuerdo y asegurar su
cumplimiento.

26
Coordinación de horarios: “el statu quo”
Statu quo – roster a mano • Resultados tienden a ser
“sub-óptimos”, porque
A modo de ejemplo: exploración de los millones
1) Una semana. de soluciones factibles no es
2) 30 personas. posible a mano.
3) 4 turnos. • Personal de coordinación
4) Sin tomar en cuenta requiere entrenamiento
habilidades, contratos, específico en “rostering”.
vacaciones, etc.
• Solución a mano es susceptible
4210 = 2,7 × 10126 posibilidades a sesgo personal.
• Es una tarea tediosa, pocos
están realmente motivados
para su armado eficiente.
• Publicidad de resultados es
limitada y/o anticuada.

27
Coordinación de horarios: “enfoque analítico”

Tareas
administrativas

Geografía

28
Inteligencia Analítica para la Gestión
de Recursos en la Salud

Segundo Encuentro Analítica de Negocios

e Ingeniería Matemática

Departamento de Inteligencia Analítica

Setiembre 2014
Sven Schaffrath