Author: 2B-On

A 2B-On, BUSINESS & TECHNOLOGY, DIGITAL MARKETING CONSULTING, reconhece a importância dos seus profissionais desenvolverem competências analíticas na área de Business Analytics e Business Performance Management. Estas ferramentas traduzem uma enorme vantagem competitiva, no mercado laboral, ao justificarem e orientarem o processo de tomada de decisão.

A Gestão do Conhecimento engloba vários processos para os quais os nossos profissionais estão aptos a dar resposta:

1) a apropriação dos dados de forma a garantir o entendimento do core business da empresa;

2) posteriormente, é necessário o entendimento das suas Data Warehouses, os pressupostos por detrás da sua criação, bem como a localização dos dados e o seu dignificado. Por fim,

3) inicia-se a etapa de processamento dos dados, lidando com questões de qualidade de informação de forma a gerar os Data Marts que irão alimentar o processo de modelagem dos dados.

Esta linha de abordagem foi posta em prática em vários contextos, nomeadamente no setor da banca e seguros, e na indústria da saúde. 

No setor da banca e seguros, o cliente pretendia um serviço que melhorasse a experiência do utilizador no âmbito da utilização dos seus serviços digitais (websites, applications, entre outros). Devido ao grande volume de dados e à necessidade de resposta rápida e eficaz, foram criados modelos de Data Mining implementados em tecnologia Cloud. Os modelos de Association Rules foram construídos de forma a detetar problemas e notificar a equipa de alarmísticas para que estes os possam solucionar de forma atempada. Este processo é crucial uma vez que, caso seja comprometido, pode colocar em causa a viabilidade de equipamento físico e/ou a utilização dos serviços digitais pelo cliente. Os modelos continuam a ser atualizados e otimizados pela equipa da 2B-On.

Na indústria da saúde, o cliente pretendia a implementação de um serviço no âmbito da deteção de abuso/fraude com o objetivo de:

1) aumentar a eficácia dos processos já existentes na identificação de situações potencialmente abusivas,

2) diminuir os Falsos Positivos, ou seja, casos que foram erradamente identificados como potencialmente abusivos, o que traduzem mais esforço e tempo dedicado dos seus recursos humanos na análise do processo, e

3) diminuir os Falsos Negativos, que são casos que os métodos do cliente não conseguiam identificar como potencialmente abusivos, quando o eram.

Desta forma, foram desenvolvidos modelos de Machine Learning para identificar os outliers, isto é, clientes com padrões que se destacam da maioria, quer em percurso clínico, frequência de utilização, volume de faturação, entre outros. Em suma, este serviço permitiu ao cliente libertar os seus Recursos Humanos para outras tarefas, bem como aumentar o número de casos captados como sendo verdadeiros casos de abuso.