s.News | Experts | Time de Taxonomia fala sobre o Banco de Regras
Nessa edição, trazemos uma equipe que está no backstage mas é core no que fazemos. E muito importante, totalmente multidisciplinar!
Somente com backgrounds diversos seria possível dar luz a toda inteligência por trás dessa área.
Confira abaixo a nossa conversa com o Time de Taxonomia Samplemed:
Bom dia, vamos continuar aqui com a série Experts da Samplemed para o s.news e viemos mostrar os bastidores de um time que não se vê em muitos lugares por aí. Hoje vamos representar a variedade e importância dos times da Samplemed, com parte da nossa equipe de taxonomia. . Podemos ver aqui todos os rostinhos do pessoal que veio aqui convidado, obrigado a todos vocês. Bem-vindos ao quadro do s.news!
A gente tem aqui com a gente: a Cláudia, que é a nossa Gerente de Service Delivery, a Lígia, que é Product Owner e também taxonomista, a Jéssica, que é subscritora, a Letícia, que é estudante de biblioteconomia, e o Nicolas, que é nosso pesquisador, tradutor, escritor.
Vamos começar?
Sim, vamos lá.
Bom, começando já com agradecimento, né? Eu posso falar que sendo da área de Produtos, eu me sinto um pouco embaixadora dessa iniciativa da taxonomia e dizer que é muito gratificante ver aqui a variedade de pessoas que se engajam com esse projeto. É um projeto que está crescendo há muito tempo na Samplemed. Obrigada a todos pela contribuição, pelo engajamento. É um presente ver todo mundo aqui junto. Tem muitas pessoas que participam dessas iniciativas que não estão aqui, mas hoje a gente tem aqui uma pincelada de todos os perfis para a gente falar um pouco de taxonomia. Por que taxonomia? Alguém tem algum insight para falar pra gente por que a taxonomia é importante na Samplemed?
A ideia de uso da taxonomia é a gente ter as informações estruturadas. No dia a dia da Samplemed, lidamos com um o volume muito grande de informações. Então, são riscos, são patologias, toda uma gama de informações que se não estiverem bem estruturadas, a gente não consegue tirar o melhor do produto. Então o uso de taxonomias, ou de sistemas de organização do conhecimento de um modo geral, agrega esse valor para que tenhamos os dados mais bem estruturados e, com isso, possam entregar melhores produtos.
Na época que começamos a pensar essa migração dos sistemas legados para o s360, ficou evidente aquela pecinha que faltava, que ia trazer mais informação, mais dado, mais granularidade era a taxonomia. E hoje o projeto foi crescendo. A gente vai explicar aqui dentro da entrevista o que é esse projeto. Ficou bem evidente isso na época que a gente começou a fazer as pesquisas, os protótipos, para começar o s.360, que é uma maneira de trazer todos os sistemas legados e a experiência da Samplemed. Desses anos todos para um novo momento ou estratégia estar prontos para o futuro era taxonomia e que isso ia ajuda a gente muito. Hoje temos um banco bem cheio. Vamos pincelar o que é o Banco de Regras do s.360 - ele é nosso próprio “ICD de riscos de subscrição de vida”. Temos aqui uma professora e doutora entre nós, que é a Cláudia Guzzo. Cláudia, você pode se apresentar um pouquinho, falar de você?
Bom, então, eu sou Cláudia Guzzo. Meu background aí desde a Graduação ele vem da área de Ciência da Informação, passando pela Especialização em Tecnologia e aí eu comecei a fazer Gestão de Projetos, que é onde eu fiz o meu Mestrado e finalizei meu Doutorado agora. Dentro da Samplemed, eu sou responsável pela área de Service Delivery, que é a área que cuida de todo o ciclo de vida dos clientes que entram na Sample. Desde o processo de onboarding, quando entram novos clientes, passando pelas fases de entender o modelo de negócios, propor a melhor customização e entrega de cada um dos produtos até a sustentação mantendo toda a equipe de Service Desk, que faz um atendimento 24 por 7 nos nossos clientes.
É ótimo termos uma professora, que ajuda a gente treinar as equipes, a apoiar os times. Como professora, explica pra gente a diferença entre uma taxonomia, uma ontologia e um tesauro.
As taxonomias, ontologias e tesauros, são o que a gente chama de sistemas de organização do conhecimento. A estrutura deles são diferenciadas. Então, se a gente for olhar num grau de complexidade, numa primeira ponta eu vou ter um a taxonomia que agrupa termos de uma forma hierarquizada. Depois o tesauro onde eu tenho essa lista com indicações de aplicabilidade, especificidades e sinônimos. E por fim, a ontologia onde eu faço o mapeamento da relação entre esses termos. As ontologias são bastante usadas hoje nas ferramentas de inteligência artificial, porque elas permitem fazer inferências. Então, eu posso saber que determinadas patologias estão, por exemplo, associadas a quais riscos. Esses relacionamentos, de que forma eles se relacionam, são dados pelas ontologias. Então as ferramentas, são diferentes e devem ser escolhidas de acordo com o nível de especificidade da necessidade do sistema.
Eu vou chamar a Lígia para complementar com a gente. Que são relacionamentos, embora a gente fala que a equipe de taxonomia a gente tem no sistema um mapeamento de ontologias de risco e é um mapeamento 4D, ou seja, tem 4 dimensões no banco de regras, 4 partes diferentes. Você pode explicar um pouquinho para gente dessas partes?
Posso sim. Bom dia a todos! A gente tem uma organização que começa com a classificação dos riscos. Que parecer médico, geográficos, profissionais, tem diferentes tipos de risco e dentro desse risco, então a gente tem uma classe que agrupa. E depois, diante cada classe, a gente tem categorias. Mapeamos também uma dimensão de tipos de perguntas que se faz para diagnostico do risco (qu chamamos de âncoras de decisão). Outra dimensão são Regras de subscrição. Conforme os questionários são preenchidos, existem relacionamentos das respostas dadas com o Banco de Regras, o que garante que tudo será interpretado corretamente. A partir desta estrutura básica, pode-se permitir, no futuro, que o trabalho do subscritor use técnicas com machine learning ou outras tecnologias.
As estatísticas de lugares diferentes chegam com nomes estruturados, seja a questão da interpretação do exame, seja a questão do questionário dinâmico com um subauto, uma tele entrevista...e tudo isso eles se transformam em dados mais profundos, porque eles estão estruturados. São dados médicos anonimizados que podem ser usados pela equipe de Data Science. Data Power em mãos. Pode explicar pra gente um pouquinho como funciona a anonimização no 360?
Como a gente trata com dados sensíveis, de saúde, de hábitos, digamos assim, o sistema bloqueia nosso acesso a dados pessoais. Tanto para os administradores de sistema, quanto os próprios subscritores, que vão utilizar a plataforma, os dados são anonimizados. Então a gente tem a criação do caso, mas a gente só recebe os dados que são essenciais, um código da proposta. Então, por exemplo, as coberturas. o capital segurado, a profissão, sexo, as informações relevantes. Mas a gente não tem acesso, não é disponibilizado na interface do sistema o nome completo, CPF...essas informações, elas ficam, em geral, de posse da própria seguradora. Então trabalhamos os dados sensíveis via integração, estes dados ficam no sistema da seguradora ou da resseguradora e chegam para a gente apenas via integração. Dados de contato, como e-mail e telefone o sistema só acessa quando vai ser usada aquela informação para disparar um SMS ou e-mail, mas pela interface a gente não tem acesso a essa informação.
E também, só ressaltando, que a Samplemed tem todo o cuidado com segurança da informação e com a aplicação da LGPD. Então isso é um ponto que a gente já tem também nos sistemas legados e reforça no s.360, de não ter dados pessoais, né? E quando é necessário esse dado, por exemplo, para um exame. Às vezes, é necessário que tenha alguma informação que vem de um outro lugar, temos processos que é anonimizam esses dados, ocultando os dados sensíveis de um PDF, por exemplo. Então tem várias camadas: ou a não recebemos esses dados ou anonimizamos posteriormente para garantir a segurança da informação. E Lígia, eu te chamei aqui pra conversar aqui puxando conversa da Cláudia, mas você não se apresentou para a gente. Pode falar um pouquinho de você, aí o seu papel hoje na Samplemed?
Sim, assim como a Cláudia, minha formação também é na Ciência da Informação. Sou bibliotecária, tenho especialização na área de TI, e sempre atuei mais com sistemas, com suporte, até um pouco de desenvolvimento e, hoje, na Sample nesse último ano, eu estou atuando como Product Owner nos sistemas de Subscrição Automática, agora focada mais no s.360. Então. o meu contato aqui na Sample é direto com os times de desenvolvimento, né? Então acompanhando eles nas dailys, especifico os itens, vejo se está de acordo com o que foi especificado, valido.
E também estou atuando aqui com esse grupo de taxonomia. A taxonomia é como se fosse o conteúdo, um pilar muito grande pro s.360. Então eu estou um pouco nas 2 pontas: tanto no desenvolvimento quanto na parte de conteúdo.
Sim, e tem que ajudar para fazer as pontas casarem, que é o desafio principal. Bem, como você tem acompanhado as squads já de Subscrição Automática da nossa versão anterior, que ela é muito boa e está ainda em utilização de vários dos nossos clientes para o upgrade que demos no s.360, conta um pouco pra gente: quais os ganhos você acha que um cliente tem de poder usufruir da taxonomia no novo Subscrição Automática?
É, esse é um grande diferencial, eu acho que vai agregar muito aí no valor de mercado porque a gente tem essa parte de inteligência mesmo na raíz. Então a gente não tem só um dado ali, um texto, uma string, uma coisa parada. A gente tem como pegar esse dado, só que como ele é categorizado, a gente tem identificadores que fazem essa conexão para dizer que aquilo é um risco de tabagismo, aquilo é um risco de um esporte. E até a gravidade dos riscos estão tageados também. Então a gente consegue depois, ali com a equipe de Data Science ou com as outras áreas da Samplemed, tirar uma inteligência especial disso. Então, hoje, no sistema legado, conseguimos tirar uma lista, por exemplo, de doenças que aparecem mais. Mas são análises um pouco mais simples. Que são possíveis, claro. A gente tem muito dado a histórico. Mas com o s.360 vamos conseguir agregar um valor muito maior nisso, dando de fato uma inteligência para ver a gravidade. Ah, é o tabagismo leve ou tabagismo avançado? Fazer cruzamentos, interpretar automaticamente comorbidades. O tabagismo leve, mas a pessoa também asmática, ou tem sintomas de asma, ou tem diabetes. Então, a gente vai conseguir trabalhar de uma forma muito melhor, andando em conjunto com esses avanços que a gente tem visto aí em diversas áreas com uso de inteligência artificial e machine learning. Então é colocar a subscrição nesse contexto atual que a gente está hoje pra gente, não perder esse timing de melhorias e novos desenvolvimentos que a gente vê na tecnologia, indo do nosso dia a dia.
Quer conferir a entrevista completa em vídeo? Confira abaixo:
Não conhece ainda nossa nova newsletter do LinkedIn?
Se inscreva agora e garanta acesso a todos os nossos conteúdos exclusivos para entusiastas por subscrição!
