| Summary: | === One of the issues that has led to concerns by operators of health plans, and at the same time, has been the subject of many studies, is rising costs and their concentration in a small portion of the portfolio. Within this context, different types of customers are responsible for writing plans and generate costs. However, no one knows how many there are and what the characteristics of each one of them, and our goal in this work is to identify them. The database is used for a particular health plan, and the method used to separate customers into groups is called cluster analysis. The purpose of cluster analysis is to seek a classification according to the natural features that the sample, forming groups of objects by similarity. However, when applied to the database in question, the method fails to separate customers in groups with homogeneous characteristics according costs. Thean, we look a way to rewrite the costs through the wavelet coefficients, which summarize all the information contained in the time series of the costs of each client's health plan. Several analysis were performed, but we will bring the better result. We describe the customer profiles formed, as well as their characteristics with respect to the series of costs and descriptive general group, such as age, sex, total cost ownership, among others. === Um dos assuntos que tem trazido preocupações por parte das operadoras de planos de saúde, e ao mesmo tempo, tem sido alvo de muitos estudos, é a elevação dos custos e sua concentração em uma pequena parcela da carteira. Dentro deste contexto, diferentes tipos de clientes são responsáveis por compor os planos e gerar os custos. No entanto, não se sabe quantos existem e quais as características peculiares de cada um deles, e nosso objetivo neste trabalho será identificá-los. A base de dados utilizada é de um determinado plano de saúde, e o método adotado para separar os clientes dessa carteira em grupos ou perfis é denominado análise de cluster. O propósito da análise de cluster é buscar uma classificação de acordo com as relações naturais que a amostra apresenta, formando grupos de objetos por similaridade. Porém, quando aplicado à base de dados em questão, o método não consegue separar os clientes em grupos com características homogêneas de acordo com os custos. Buscamos, então, uma forma de reescrevê-los através dos coeficientes de wavelets, os quais resumem toda a informação contida nas séries históricas dos custos de cada cliente do plano de saúde. Várias análises foram realizadas, mas traremos a que obteve melhores resultados. Descreveremos os perfis de clientes formados, assim como suas características com relação às séries dos custos e às descritivas gerais do grupo, tais como idade, sexo, custo total, titularidade, entre outras.
|
|---|
