Características de utilização de Software as a Service: Um estudo sobre as operadoras de planos de saúde

• Marcus Sucupira Universidade FUMEC
• Fábio Correa Universidade FUMEC
• Luiz Cláudio Gomes Maia Universidade FUMEC
• Ana Maria Pereira Cardoso Universidade FUMEC
• Fernando Silva Parreiras Universidade FUMEC

DOI: https://doi.org/10.5753/sbsi.2016.5994

Resumo

O atual cenário das empresas operadoras de planos de saúde (OPS) consiste em um aumento nas despesas operacionais em detrimento das receitas, que crescem em um ritmo lento. Este fato pode ser justificado por dois fatores principais: (i) As exigências da regulação impostas ao setor de saúde suplementar a partir da criaço da ANS no ano 2000; e (ii) Aumento da utilização e do custo dos procedimentos médico-hospitalares decorrentes do envelhecimento populacional. Como problema de pesquisa, foi definido a análise dos fatores motivadores e inibidores de uso de sistemas no modelo SaaS em operadoras de planos de saúde. A metodologia deste projeto de pesquisa foi a realização de um survey, com base no modelo de aceitação de tecnologia TAM (Technology Acceptance Model ). Considerando esse contexto, acredita-se que o uso racional de sistemas de informação, principalmente com o paradigma da computação em nuvem, especificamente com a adoção de SaaS (Software as a Service), pode ser um caminho para as operadoras de plano de saúde otimizarem os seus orçamentos em tecnologia.

Palavras-chave: Sistemas de Informação

Referências

Y.-Y. Ahn, S. E. Ahnert, J. P. Bagrow, and A.-L. Barabási. Flavor network and the principles of food pairing. Scientific reports, 1, 2011.

W. M. Ferreira, A. P. C. da Silva, F. Benevenuto, and L. H. Merschmann. Comer, comentar e compartilhar: Análise de uma rede de ingredientes e receitas. In Proceedings of Brazilian Symposium on Collaborative Systems, page 120. Sociedade Brasileira de Computação, 2013.

T.-Y. Ko, C.-J. Tseng, H.-H. Chen, J.-J. Ding, and N. Babaguchi. Efficient dc term encoding scheme based on double prediction algorithms and pareto probability models. In Multimedia and Expo (ICME), 2013 IEEE International Conference on, pages 1–6. IEEE, 2013.

H. Krishna and P. S. Pundir. Discrete burr and discrete pareto distributions. Statistical Methodology, 6(2):177–188, 2009.

S. A. Mushtaq and A. A. Rizvi. Statistical analysis and mathematical modeling of network (segment) traffic. In Emerging Technologies, 2005. Proceedings of the IEEE Symposium on, pages 246–251. IEEE, 2005.

M. Pimentel, M. A. Gerosa, D. Filippo, A. Raposo, H. Fuks, and C. J. P. Lucena. Modelo 3c de colaboração para o desenvolvimento de sistemas colaborativos. Anais do III Simpósio Brasileiro de Sistemas Colaborativos, pages 58–67, 2006.

D. Schneider, J. de Souza, and K. Moraes. Multidões: a nova onda do cscw. Proceedings of the SBSC & CRIWG-VIII Simpósio Brasileiro de Sistemas Colaborativos. Paraty, Brazil, 2011.

B. Sigurbj¨ornsson and R. Van Zwol. Flickr tag recommendation based on collective knowledge. In Proceedings of the 17th international conference on World Wide Web, pages 327–336. ACM, 2008.

M. A. Stephens. Asymptotic results for goodness-of-fit statistics with unknown parameters. The Annals of Statistics, 4(2):357–369, 03 1976.

M. Ueda, S. Asanuma, Y. Miyawaki, and S. Nakajima. Recipe recommendation method by considering the user´s preference and ingredient quantity of target recipe. In Proceedings of the International MultiConference of Engineers and Computer Scientists, volume 1, 2014.

M. Ueda, M. Takahata, and S. Nakajima. User´s food preference extraction for personalized cooking recipe recommendation. In Proc. of the Second Workshop on Semantic Personalized Information Management: Retrieval and Recommendation, 2011.

N. Yu, D. Zhekova, C. Liu, and S. K¨ubler. Do good recipes need butter? predicting user ratings of online recipes. In Proceedings of the Cooking with Computer workshop at the International Joint Conference on Artificial Intelligence (IJCAI2013), 2013.