Técnicas de Data Mining aplicadas à melhoria de gestão de medicamentos: estudo de uma farmácia comunitária

Abstract

Com a crescente regulamentação, nacional e comunitária, no sector farmacêutico e a generalização de medicamentos genéricos, bem como as pressões externas e internas que o país atravessa, é cada vez mais reduzida a margem de lucro neste sector, pondo em causa a sustentabilidade de algumas farmácias, pelo existe, actualmente, a necessidade de repensar e dinamizar esta área de negócio. É desta forma que a área de Business Intelligence pode apresentar novos mecanismos de forma a trazer mais-valias para as empresas na generalidade, assim como para este tipo de negócios, que apesar de apresentarem características de natureza muito específica, visam igualmente o lucro e a satisfação dos seus públicos-alvo, nomeadamente os utentes. Assim, este trabalho visa utilizar uma abordagem de Data Mining, pretendendo-se a partir de um conjunto de dados extrair conhecimento válido e útil no sentido de apoiar a gestão e controlo de stocks de medicamentos, produtos de saúde e outros produtos e serviços comercializados numa farmácia comunitária. Esta dissertação versa sobre um estudo de caso de uma farmácia comunitária, com instalações em território nacional, tendo como base a análise de séries temporais, com periodicidade mensal e semanal, de uma selecção de três produtos, nomeadamente através das vendas realizadas entre o período de 2003 e 2012. Do trabalho realizado resulta a comparação entre dois métodos populares de previsão: o alisamento exponencial (incluindo múltiplas das suas variantes) e a metodologia ARIMA, também conhecida por método de Box- Jenkins. Pretende-se, assim, determinar qual o método que melhor se adapta à previsão deste tipo de produtos farmacêuticos, com o intuito de melhor apoiar na tomada de decisões redireccionando assim esforços para uma melhor gestão e controlo de stocks. Embora existisse a intenção original de exploração de um número mais alargado de métodos de previsão (e.g., Redes Neuronais e Máquinas de Vectores de Suporte), tal não foi possível devido a limitações temporais, deixando-se essa análise para trabalho futuro.

With increasing regulation in the pharmaceutical area, at national and community level, and due to the generalization of generic drugs and also increase of economic pressures that the Portuguese country is facing, the profit is shrinking in this area, jeopardizing the sustainability of some pharmacies. Thus, there is a current need to rethink and optimize the pharmaceutical business. One way is to use Business Intelligence technologies, which can provide new mechanisms in order to bring added value to businesses in general, and also for this type of business, which despite showing some characteristics of a very specific nature, also aimed profit and the satisfaction of final consumers. In particular, this study aims to use a Data Mining approach, by extracting useful and valid knowledge from raw pharmaceutial data, in order to support stock management and control of drugs, health products and other products and services sold in a pharmacy. This dissertation focus on a case-study about a Portuguese pharmacy, by analyzing time series of a selection of three products, through sales between the period 2003 and 2012, with monthly and weekly frequency. From this research, results the comparison between two popular forecasting methods: exponential smoothing (including several of its variants) and the ARIMA methodology, also known as Box-Jenkins method. It is also intended to determine which method best fits the prediction of this kind of products, in order to better support decision making and to redirect efforts for better management and stock control. While we intended to also explore more forecasting methods (e.g. Neural Networks and Support Vector Machines), it was not possible to test such methods due to time restrictions. Nevertheless, we intend to experiment such methods in future work.