Previsão de demanda para telemedicina
Dimensionar equipe começa por saber quantos atendimentos vão chegar, e demanda de saúde tem sazonalidade em várias frequências ao mesmo tempo. Três modelos respondem a partes diferentes do fenômeno, e um ensemble combina as previsões.
Stack
Previsão hora a hora, com validação temporal em vez de embaralhamento aleatório.
O desafio
A demanda de um serviço de saúde não é um fenômeno só: há a tendência de longo prazo, a sazonalidade de calendário que responde a feriado, dia da semana e fim de mês, e o efeito do contexto recente, que nenhum calendário antecipa. Um modelo único privilegia uma dessas explicações e perde precisão nas demais, e o erro de previsão custa nos dois sentidos, com equipe ociosa ou horário descoberto. Há ainda uma armadilha metodológica que invalida boa parte das previsões de série temporal: validar o modelo embaralhando os dados aleatoriamente faz o treino enxergar o futuro e produz uma métrica excelente que não se sustenta em operação.
A abordagem
- 01
Modelo de série temporal captura tendência e sazonalidade automática.
- 02
Modelo de gradient boosting sobre atributos de calendário trata a sazonalidade explícita: feriado, dia da semana e fim de mês.
- 03
Terceiro modelo, contextual, incorpora defasagens e médias móveis para o efeito de curto prazo.
- 04
Ensemble combina as três previsões por média ponderada ou regressão, mantendo a contribuição de cada modelo.
- 05
Validação temporal, respeitando a ordem do tempo, para que o treino nunca enxergue dado posterior ao que está prevendo.
- 06
Configuração por granularidade, de hora a semana, e por período do dia, servida por API.
O resultado
- Previsão hora a hora alimentando o dimensionamento de equipe
- Validação temporal, sem vazamento de informação futura para o treino
Frente aplicada
IA & Advanced Analytics
Modelos em produção, com o pipeline que os sustenta depois do go-live.
Ver a frente completa →
Traga o problema para um engenheiro.
A primeira conversa é com um engenheiro e não tem custo. Se o projeto não for adequado à OmniTech, dizemos isso logo no início e, quando possível, indicamos quem atende.