Modelo de IA para previsão de Absenteísmo
Há alguns anos atras, realizei um trabalho de gerenciamento de Absenteísmo em uma empresa de Saúde, que oferecia a seus clientes relatórios de utilização de planos de saúde e absenteísmo de colaboradores desses clientes. Um dos focos de meu trabalho nessa empresa foi a de propor modelos estatísticos, com a utilização de Inteligência Artificial, para a criação de modelos preditivos de absenteísmo. Gerenciar o absenteísmo é muito importante, pois afeta diretamente a produtividade, a qualidade do trabalho e os custos operacionais. Absenteísmo excessivo pode resultar em interrupções nos processos de trabalho, sobrecarga dos colaboradores presentes, queda na moral da equipe e insatisfação dos clientes. Além disso, altos índices de ausência podem indicar problemas de gestão de recursos humanos, clima organizacional e saúde ocupacional.
O estudo junto a essa empresa foi realizado utilizando uma base de dados de respostas de questionários de saúde de um de seus maiores clientes. São as respostas que os colaboradores desse cliente davam no momento do exame de saúde admissional e periódico. Essa base representava o histórico de todas as respostas dadas pelos colaboradores. Além disso foi agregado uma base complementar que indicava, para cada colaborador, se ele saiu de licença médica no período mensurado.
Utilizamos o software de IA Nética, que permite a criação e teste de modelos preditivos baseados em Redes Bayesianas. Redes Bayesianas são modelos probabilísticos que representam relações de dependência entre diferentes variáveis por meio de um grafo direcionado acíclico. Cada nó no grafo representa uma variável aleatória, e as arestas indicam as influências probabilísticas entre elas. Esses modelos são baseados no teorema de Bayes e são utilizados para representar e inferir sobre incertezas em sistemas complexos, possibilitando a análise de causalidade, diagnóstico, previsão e tomada de decisões em diversas áreas, como medicina, engenharia, finanças e inteligência artificial. As redes Bayesianas oferecem uma estrutura intuitiva e formal para modelar a incerteza e o conhecimento em um problema específico.
O software permitiu a leitura de uma base de dados que foi customizada (tratamento de variáveis contínuas e discretas), criando um modelo preditivo, que teve 31 variáveis de entrada e 1 variável de saída. Esse modelo previa a possibilidade de absenteísmo durante um ano de um determinado novo colaborador, comparando as respostas dadas no questionário por esse colaborador, com o modelo histórico da empresa.
O software permitiu que, ao imputar novos dados no modelo, ele automaticamente calculasse a probabilidade de absenteísmo do novo colaborador.
Nesse caso, o software simulou que, dadas as respostas do questionário, esse colaborador tem um percentual de 60% de sair de licença dentre de um ano. Varáveis como Sedentarismo e Alcoolismo tem um alto grau de influência no modelo de previsão.
Um possível desdobramento desse modelo, seria incluir o CID previsto para cada tipo de afastamento como variável de saída, desde que fosse incluído na base de dados de motivos de afastamento e adicionado ao modelo.
Além desse modelo de IA, realizamos também outras modelagens para a empresa: 1) previsão de gasto individual do plano de saúde por colaborador, utilizando redes bayesianas; 2) previsão de gasto total com plano de saúde pelo cliente, utilizando Simulação de Monte Carlo, o que facilita no momento do cálculo da renovação do plano e negociação com a Operadora de Saúde.
Recomendados pelo LinkedIn
Quer saber mais? Entre em contato !