Oracle Data Platform para o setor público

Setor público – avaliações das necessidades de serviços sociais

Entenda as necessidades dos serviços sociais e ofereça um atendimento mais direcionado com análises avançadas

O processo de avaliação das necessidades de assistência social desempenha um papel importante para garantir o bem-estar e o apoio daqueles que precisam de assistência devido a desafios físicos, mentais ou sociais, ajudando a identificar e entender suas necessidades específicas. Ao avaliar as necessidades físicas, emocionais e sociais de um indivíduo, os profissionais podem desenvolver uma compreensão mais ampla e diferenciada de suas circunstâncias. Isso permite que eles criem planos de atendimento personalizados que abordem os desafios exclusivos de cada pessoa, o que pode promover uma abordagem mais eficaz e centrada no cliente para o atendimento social.

O processo de avaliação é importante por vários motivos, incluindo:

  • Promoção e preservação da independência: ao identificar as áreas em que os indivíduos podem precisar de assistência, os prestadores de serviços de saúde podem se concentrar em capacitá-los a manter a autonomia no dia a dia. Isso pode envolver a implementação de sistemas de apoio que melhorem sua capacidade de realizar tarefas cotidianas, o que pode contribuir para sua autossuficiência e senso de dignidade.
  • Ajuste o suporte e controle os custos: o processo de avaliação é um meio de intervenção precoce. Identificar possíveis problemas ou desafios em seus estágios iniciais permite intervenções oportunas e direcionadas, o que pode ajudar a evitar que os problemas se agravem. Essa abordagem proativa não apenas ajuda a melhorar a qualidade geral do atendimento, mas também pode resultar em economia ao evitar intervenções subsequentes mais extensas e caras.
  • Permita a colaboração entre diferentes partes interessadas dentro do sistema de saúde: o processo de avaliação promove a comunicação eficaz entre prestadores de serviços de saúde, assistentes sociais e outras partes relevantes. Essa abordagem colaborativa ajuda a garantir que todos os aspectos do bem-estar de um indivíduo sejam considerados, o que pode levar a um plano de cuidados mais abrangente e integrado.
  • Alocação de recursos de forma eficiente, justa e equitativa: ao avaliar com precisão o nível de apoio que um indivíduo ou grupo necessita, os formuladores de políticas de assistência social podem alocar recursos de forma eficiente, visando áreas de maior necessidade. Isso não apenas otimiza o uso dos recursos disponíveis, mas também ajuda a evitar o fornecimento insuficiente ou excessivo de serviços, tornando todo o sistema de assistência social mais sustentável e responsivo.

Os recursos de assistência social geralmente são limitados e devem ser alocados de forma eficiente para aqueles que mais precisam. As avaliações orientadas por análises ajudam a identificar indivíduos e comunidades com as maiores necessidades, o que pode ajudar a garantir que os recursos sejam direcionados para onde possam ter o impacto mais significativo. Identificar as necessidades precocemente é crucial na assistência social, pois permite intervenção e apoio oportunos. A intervenção precoce pode evitar que os problemas se tornem mais graves e caros de resolver. E, ao analisar os resultados de diferentes intervenções e avaliar seu impacto no bem-estar de um indivíduo, os prestadores de serviços de saúde podem continuar ajustando e otimizando suas abordagens.

Nos últimos anos, o uso de dados e análises surgiu como uma força transformadora na assistência social, oferecendo oportunidades inigualáveis ​​para melhorar a eficácia e a eficiência das avaliações das necessidades de assistência social. Juntos, os dados e a análise fornecem um conjunto de ferramentas avançado para os profissionais de assistência social, ajudando-os a entender, prever e responder às diferentes necessidades dos indivíduos e capacitando-os com os insights baseados em evidências que precisam para tomar decisões assertivas.

Uma abordagem orientada por dados para avaliar as necessidades de assistência social permite que os prestadores de serviços de saúde desenvolvam estratégias de intervenção personalizadas, detalhadas e precisas para ajudar a aumentar a precisão e a eficácia da assistência social. Ao agregar dados de diversas fontes, incluindo prontuários, interações sociais e informações demográficas, as equipes de atendimento podem desenvolver uma compreensão abrangente das circunstâncias e das necessidades de uma pessoa. A análise avançada permite o desenvolvimento de modelos preditivos que podem identificar pessoas com risco de piora do quadro clínico ou do bem-estar social. Ao analisar dados e padrões históricos, esses modelos podem ajudar os profissionais de saúde a prever possíveis problemas antes que eles se agravem, permitindo a intervenção precoce e ajudando a evitar crises e a reduzir a carga geral sobre os serviços de assistência social.

Os dados e a análise avançada também permitem que as equipes de atendimento adotem uma abordagem proativa para o atendimento social, o que pode beneficiar não apenas os indivíduos, mas também o sistema de atendimento social de modo geral. Por exemplo, os algoritmos de machine learning podem analisar vastos conjuntos de dados para identificar padrões e correlações que podem não ser imediatamente aparentes para humanos. Os prestadores de serviços de saúde podem usar essas informações para oferecer intervenções adaptadas às necessidades atuais e que antecipem desafios futuros, o que pode ajudar a criar um sistema de assistência social mais dinâmico e responsivo.

Além disso, os fluxos de dados em tempo real de dispositivos como vestíveis e sensores domésticos inteligentes podem fornecer informações valiosas sobre as atividades diárias e o quadro clínico do indivíduo e possibilitar o monitoramento contínuo de suas necessidades e da eficácia das intervenções em tempo real. Isso permite tanto a intervenção reativa quanto o planejamento adaptativo, onde as equipes de atendimento podem ajustar as intervenções em resposta às mudanças nas circunstâncias.

Identifique e forneça serviços de assistência social otimizados e direcionados individualmente com uma plataforma de dados abrangente

Uma plataforma de dados capaz de ingerir, selecionar, processar e analisar dados relacionados às necessidades de atendimento e à prestação de serviços pode capacitar as partes interessadas do setor de assistência social com insights orientados por dados para ajudá-las a identificar, avaliar e atender às diversas necessidades em evolução de pessoas e comunidades. A análise de dados, a inteligência artificial e o machine learning têm o potencial de ajudar as organizações a otimizar a alocação de recursos, aprimorar a prestação de serviços e, por fim, melhorar os resultados para as populações vulneráveis. A arquitetura apresentada aqui demonstra como podemos combinar componentes recomendados da Oracle para criar uma arquitetura de análise que abrange todo o ciclo de vida da análise de dados e foi projetada para ajudar os prestadores de serviços sociais a identificar melhor as necessidades de seus clientes.

Setor público – diagrama de avaliações das necessidades de serviços sociais, descrição abaixo

Esta imagem mostra como o Oracle Data Platform for Public Sector pode ser usado para melhorar as avaliações de necessidades de serviços sociais e permitir uma intervenção proativa.

  1. 1. Fontes de dados, Descoberta
  2. 2. Ingestão, Transformação
  3. 3. Persistência, Curadoria, Criação
  4. 4. Análise, Aprendizado, Predição
  5. 5. Medição, Ação

O pilar de fontes de dados e descoberta inclui quatro categorias de dados.

  1. 1. As aplicações incluem dados de registros de serviços sociais, históricos escolares, entrevistas com clientes e anotações de casos, dados sobre o bem-estar infantil.
  2. 2. Os registros comerciais abrangem dados de emprego, dados tributários, dados de saúde pública, pesquisas comunitárias e análises populacionais.
  3. 3. As informações técnicas incluem dados sociais.
  4. 4. Os dados de terceiros incluem dados ambientais, demográficos e de censo.

O pilar conexão, ingestão, transformação abrange quatro recursos.

  1. 1. A ingestão em lote usa OCI Data Integration, Oracle Data Integrator e DB Tools.
  2. 2. A transferência em massa usa OCI Fast Connect, OCI Data Transfer, MFT, OCI CLI.
  3. 3. A captura de dados alterados usa OCI GoldenGate, Oracle Data Integrator.
  4. 4. A ingestão de streaming usa Kafka Connect.

Todos os quatro recursos se conectam unidirecionalmente ao armazenamento de dados de serviço e ao armazenamento em nuvem no pilar Persistência, Curadoria, Criação.

Além disso, a ingestão de streaming está conectada ao processamento de streaming no pilar análise, aprendizado, previsão.

O pilar persistência, curadoria e criação abrange cinco recursos.

  1. 1. O armazenamento de dados de serviço usa Oracle Autonomous Data Warehouse, Exadata Database Cloud Service e Exadata Cloud@Customer.
  2. 2. O Hadoop gerenciado usa Oracle Big Data Service
  3. 3. O armazenamento em nuvem usa OCI Object Storage.
  4. 4. O processamento em lote usa OCI Data Flow.
  5. 5. A governança usa OCI Data Catalog.

Esses recursos estão conectados no pilar. O armazenamento em nuvem é conectado unidirecionalmente ao armazenamento de dados de serviço e ao Hadoop gerenciado; ele também é conectado bidirecionalmente ao processamento em lote.

O Hadoop gerenciado é conectado unidirecionalmente ao armazenamento de dados de serviço.

Dois recursos se conectam ao pilar Análise, Aprendizado, Previsão. O armazenamento de dados de serviço se conecta ao recurso de análise e visualização e também ao recurso de produtos de dados e APIs. O armazenamento em nuvem se conecta ao recurso de machine learning.

O pilar Análise, aprendizado, previsão abrange quatro recursos.

  1. 1. Análise e visualização usam Oracle Analytics Cloud, GraphStudio e ISVs.
  2. 2. Produtos de dados, APIs usam Autonomous Data Sharing, API Gateway e Functions.
  3. 3. O machine learning usa o Oracle Machine Learning e o Oracle ML Notebooks.
  4. 4. O Processamento de streaming usa o OCI Goldengate Stream Analytics e terceiros.

O pilar "medir, agir" captura como a análise de dados pode ser usada: por pessoas e parceiros, analistas de assistência social e alertas de intervenção.

O Peoples and Partners inclui perfil social (dados demográficos, indicadores socioeconômicos e dados relacionados à saúde), avaliações de risco, análise de tendências sociais e análise de coorte.

Os analistas de atendimento social incluem análise de causa raiz, identificação de padrões, processamento de linguagem natural, análise de sentimentos, modelagem de classificação, clustering, detecção de anomalias.

Os alertas de intervenção estão conectados ao processamento de fluxo.

Os três pilares centrais (ingestão, transformação; persistência, curadoria, criação e análise, aprendizado, previsão) têm suporte de infraestrutura, rede, segurança e IAM.


Conecte, ingira e transforme dados

Nossa solução é composta por três pilares, cada um suportando recursos específicos da plataforma de dados. O primeiro pilar fornece a capacidade de conectar, ingerir e transformar dados.

Há três principais maneiras de injetar dados em uma arquitetura para ajudar organizações de prestação de serviços a identificar e avaliar necessidades sociais.

  • Para iniciar nosso processo, habilitaremos os extratos frequentes, em tempo real ou quase em tempo real, que normalmente são necessários para identificar eventos específicos ou necessidades de intervenção de sistemas operacionais, como gerenciamento de casos, gerenciamento de intervenções e sistemas de registros educacionais. Vamos ingerir dados de sistemas de gerenciamento de casos, HCM/recursos e serviços usando o Oracle Cloud Infrastructure (OCI) GoldenGate. Os dados de eventos, a disponibilidade de serviços e os requisitos de elegibilidade devem ser ingeridos quase em tempo real (também chamados de ingestão no “momento certo”) para ajudar os prestadores de serviços de assistência social a identificar e fornecer os serviços necessários. Esses dados são geralmente de natureza relacional e originados de aplicações corporativas. O OCI GoldenGate usa a captura de alteração de dados para detectar eventos de alteração na estrutura subjacente dos sistemas que fornecem os processos operacionais que precisam de manutenção (por exemplo, a criação de um caso, sinalização de um problema do cliente, intervenção e assim por diante) e envia os dados em tempo real para uma camada de persistência e/ou de streaming. O OCI GoldenGate fornece um mecanismo de captura de dados de alteração que pode processar alterações de origem de forma não invasiva, processando arquivos de log de ações/transações concluídas e armazenando essas alterações capturadas em arquivos de trilha externos, independentemente do banco de dados. Depois, as alterações são transferidas de forma confiável para um banco de dados de teste. O Journaling Knowledge Module (JKM) usa os metadados gerenciados pelo Oracle Data Integrator para gerar todos os arquivos de configuração do OCI GoldenGate e processa todas as alterações detectadas pelo OCI GoldenGate na área de preparação. Essas alterações serão carregadas no data warehouse de destino usando os mapeamentos de transformação declarativa do Oracle Data Integrator. Essa arquitetura permite relatórios separados em tempo real nas tabelas de área de preparação normalizadas, além de carregar e transformar os dados nas tabelas do data warehouse analítico.
  • Em seguida, habilitaremos a transferência em massa de dados históricos de transações operacionais para treinamento de modelos e análise de prestação de serviços. Os serviços de transferência em massa são usados em situações em que grandes volumes de dados precisam ser movidos para a Oracle Cloud Infrastructure pela primeira vez, como dados de repositórios de análise on-premises existentes ou outras fontes de nuvem. O serviço específico de transferência em massa que a Oracle usará dependerá da localização dos dados e da frequência da transferência. Por exemplo, poderemos usar o OCI Data Transfer Service ou o OCI Data Transfer Appliance para carregar um grande volume de dados on-premises do planejamento histórico ou de repositórios de data warehouse. Quando grandes volumes de dados devem ser movidos continuamente, recomendamos o uso do OCI FastConnect, que fornece uma conexão de rede privada dedicada de alta largura de banda entre o data center de um cliente e a OCI.
  • A capacidade de analisar dados da comunidade, coorte ou cliente de diversas fontes em tempo real está se tornando cada vez mais importante para identificar oportunidades de intervenção precoce. Neste caso de uso, usamos ingestão de streaming para ingerir todos os dados lidos de eventos clientes ou internos por meio de interações móveis, IoT, comunicações máquina-a-máquina e outros meios. Os fluxos podem se originar de diversas fontes internas (telemática e monitoramento) e externas (sociais) e podem incluir dados de localização, dados de interação com o cliente, dados de movimentação e dados de redes sociais. Os dados (eventos) serão ingeridos, e algumas transformações/agregações básicas ocorrerão antes de eles serem armazenados no OCI Object Storage. Análises de streaming adicionais podem ser usadas para identificar eventos de localização correlacionados e iniciar ações, como intervenções do cliente, e quaisquer padrões identificados podem ser alimentados (manualmente) para que os dados brutos possam ser examinados usando o OCI Data Science.
  • Embora as necessidades em tempo real estejam evoluindo, a extração mais comum dos sistemas de gerenciamento de casos, transacionais, de planejamento de recursos, de clientes, demografia e de risco e conformidade é algum tipo de ingestão em lote usando um processo ETL. A ingestão em lote é usada para importar dados de sistemas que não oferecem suporte ao streaming de dados (por exemplo, a maioria dos sistemas de gerenciamento de casos e registros herdados). Essas extrações podem ser ingeridas com frequência, a cada 10 ou 15 minutos, mas ainda são de natureza 'em lote', pois grupos de transações são extraídos e processados, em vez de transações individuais. A OCI oferece diferentes serviços para lidar com a ingestão em lote, como o serviço OCI Data Integration nativo e o Oracle Data Integrator em execução em uma instância do OCI Compute. A escolha do serviço seria baseada principalmente na preferência do cliente e não nos requisitos técnicos.

Persista, processe e trate os dados

A persistência e o processamento de dados são baseados em três componentes. Alguns clientes usarão todos eles, outros, um subconjunto. Dependendo dos volumes e tipos de dados, os dados podem ser carregados no armazenamento de objetos ou carregados diretamente em um banco de dados relacional estruturado para armazenamento persistente. Quando antecipamos a aplicação de recursos de ciência de dados, os dados recuperados de fontes em sua forma bruta (como um arquivo ou extrato nativo não processado) são normalmente capturados e carregados de sistemas transacionais para o armazenamento na nuvem.

  • O armazenamento na nuvem é a camada de persistência de dados mais comum para nossa plataforma. Pode ser usado para dados estruturados e não estruturados. O OCI Object Storage, OCI Data Flow e Oracle Autonomous Data Warehouse (AWD) são os blocos de criação básicos. Os dados recuperados de fontes em seu formato bruto são capturados e carregados no OCI Object Storage. O OCI Object Storage é a camada primária de persistência de dados e o Spark no OCI Data Flow é o principal mecanismo de processamento em lote. O processamento em lote envolve várias atividades, incluindo tratamento básico de ruído, gerenciamento de dados ausentes e filtragem com base em conjuntos de dados de saída definidos. Os resultados são gravados em várias camadas de armazenamento de objetos ou em um repositório relacional persistente com base no processamento necessário e nos tipos de dados usados.
  • Agora usaremos um armazenamento de dados de serviço para manter nossos dados selecionados em um formato otimizado para o desempenho da consulta e fornecer uma visão abrangente das demandas e necessidades de atendimento de serviço social. O armazenamento de dados de serviço fornece uma camada relacional persistente usada para proporcionar dados selecionados de alta qualidade diretamente aos usuários finais por meio de ferramentas baseadas em SQL. Nessa solução, o Oracle Autonomous Data Warehouse é instanciado como o armazenamento de dados de serviço para o data warehouse corporativo e, se necessário, data marts de nível de domínio mais especializados. Também pode ser a fonte de dados para projetos de ciência de dados ou o repositório necessário para o Oracle Machine Learning. O armazenamento de dados de serviço pode assumir uma de várias formas, incluindo Oracle MySQL HeatWave, Oracle Database Exadata Cloud Service ou Oracle Exadata Cloud@Customer.

Analise dados, aprenda e preveja

A capacidade de analisar, aprender e prever é facilitada por três abordagens tecnológicas.

  • Recursos analíticos avançados são essenciais para identificar necessidades atuais e futuras de serviços sociais. Nesse caso de uso, contamos com a Oracle Analytics Cloud para fornecer análises e visualizações. Isso permite que a organização use análise descritiva (descreve as tendências atuais com histogramas e gráficos), análise preditiva (prevê eventos futuros, identifica tendências e determina a probabilidade de resultados incertos) e análise prescritiva (propõe ações adequadas para apoiar a tomada de decisão ideal).

    A aplicação de modelos preditivos a dados históricos tem um potencial significativo para melhorar as avaliações das necessidades de assistência social das seguintes maneiras:
    • Antecipação da demanda futura: os algoritmos de análise preditiva podem analisar dados históricos sobre a utilização de assistência social, tendências demográficas e indicadores socioeconômicos para prever a demanda futura por vários serviços. Entender as necessidades projetadas das comunidades pode ajudar as agências de serviço social a planejar e alocar recursos de forma proativa para atender a essas demandas com eficiência.
    • Identificação de populações em risco: os provedores de serviços podem usar análises preditivas para identificar indivíduos ou comunidades com maior probabilidade de precisar de assistência social com base em uma combinação de fatores, incluindo idade, nível de renda, condições de saúde e padrões anteriores de utilização de serviços. Ao direcionar intervenções para essas populações em risco, as agências de serviço social podem tomar medidas para prevenir crises e fornecer suporte precoce para minimizar possíveis desafios.
    • Ajuste de intervenções: as organizações de serviços sociais podem otimizar a prestação de cuidados usando análises preditivas para identificar as intervenções mais apropriadas e eficazes com base em necessidades e características específicas. Adaptar os serviços aos requisitos exclusivos de cada indivíduo ou grupo pode ajudar os prestadores de serviços sociais a maximizar o impacto das intervenções, oferecer suporte a melhores resultados e aumentar a relação custo-benefício de seus programas.
    • Otimização da alocação de recursos: os profissionais de assistência social podem usar a análise para informar a alocação de recursos e o planejamento estratégico, identificando as áreas com maior necessidade de serviços. Ao priorizar o investimento nessas áreas de alta necessidade, as agências de serviço social podem ajudar a garantir que os recursos sejam alocados de forma eficiente e eficaz para enfrentar os desafios mais urgentes das comunidades.
    • Adaptação às necessidades de cuidados em evolução: a análise preditiva permite que as agências de serviços sociais monitorem e adaptem continuamente suas intervenções com base em dados e feedback em tempo real. Ao analisar os resultados e ajustar as estratégias em resposta às mudanças nas necessidades e circunstâncias, as organizações podem manter a eficácia e a capacidade de resposta de seus programas de assistência social à medida que as necessidades das comunidades mudam.
  • Além da análise avançada e de streaming, a ciência de dados, o machine learning e a inteligência artificial são cada vez mais usados para procurar anomalias, prever onde pode ocorrer latência de processos e otimizar a experiência e o resultado do cliente. Por exemplo, modelos de machine learning podem ser usados ​​para identificação de contexto do cliente, análise populacional e segmentação de resultados. Ao aprender continuamente com novos dados, esses modelos podem adaptar e melhorar seu desempenho ao longo do tempo, o que pode oferecer suporte ao aumento da eficiência operacional e à melhor tomada de decisões. O OCI Data Science, OCI AI Services e Oracle Machine Learning podem ser usados nos bancos de dados.

    Usamos métodos de machine learning e ciência de dados para criar e treinar nossos modelos preditivos. Esses modelos de machine learning podem ser implementados para pontuação por meio de APIs ou incorporados como parte do pipeline de análise de fluxo do OCI GoldenGate. Em alguns casos, esses modelos podem até ser implementados no banco de dados usando a API REST do Oracle Machine Learning Services (para isso, o modelo precisa estar no formato Open Neural Network Exchange). Além disso, o OCI Data Science para notebooks centrados em Jupyter/Python ou Oracle Machine Learning para notebook Zeppelin e algoritmos de machine learning podem ser implementados no armazenamento de dados transacionais ou de serviço. Da mesma forma, Oracle Machine Learning e o OCI Data Science, sozinhos ou combinados, podem desenvolver modelos de recomendação/decisão. Esses modelos podem ser implementados como um serviço e podemos instalá-los por trás do OCI API Gateway para serem entregues como “produtos de dados” e serviços. Por fim, uma vez criados, os modelos de machine learning podem ser implantados em aplicações que fazem parte de um sistema de decisão operacional (se permitido).
  • O componente final, porém crítico, é a governança de dados. Isso será fornecido pelo OCI Data Catalog, um serviço gratuito que facilita governança de dados e gerenciamento de metadados (para metadados técnicos e comerciais) para todas as fontes de dados no ecossistema da plataforma de dados. O OCI Data Catalog também é um componente crítico para consultas do Oracle Autonomous Data Warehouse ao OCI Object Storage, pois fornece uma maneira de localizar dados rapidamente, independentemente de seu método de armazenamento. Isso permite que usuários finais, desenvolvedores e cientistas de dados usem uma linguagem de acesso comum (SQL) em todos os armazenamentos de dados persistentes na arquitetura.

Obtenha uma compreensão abrangente das necessidades da comunidade e permita a tomada de decisões proativa e baseada em evidências

Uma abordagem orientada por dados que aplique análises avançadas às necessidades de assistência social pode aprimorar a forma como os serviços sociais são desenvolvidos, fornecidos e personalizados para atender às necessidades dos indivíduos e das comunidades. A análise orientada por dados permite entender melhor as necessidades de vários grupos demográficos em uma comunidade. Os prestadores de serviços sociais podem obter informações valiosas sobre indicadores de saúde, determinantes socioeconômicos, tendências demográficas e padrões de utilização de serviços usando uma gama diversificada de fontes de dados, incluindo registros de saúde, pesquisas comunitárias, dados de programas de assistência social e dados do censo. Ao adotar uma perspectiva abrangente, as organizações estão mais bem capacitadas para identificar as lacunas na prestação de serviços, concentrar as intervenções em grupos desfavorecidos e distribuir os recursos de forma mais inteligente para atender às necessidades mais urgentes.

Aqui estão algumas das maneiras pelas quais uma plataforma de dados moderna pode ajudar as organizações a melhorar a qualidade, a eficiência e a eficácia da avaliação de necessidades de assistência social e da prestação de cuidados.

  • Consolide diversos conjuntos de dados de várias fontes, incluindo dados de censos, registros de saúde pública, dados de programas de assistência social e pesquisas comunitárias. A integração desses conjuntos de dados em um repositório centralizado pode facilitar a análise de todas as informações e a identificação de correlações entre diferentes variáveis.
  • Com recursos analíticos avançados, como modelagem preditiva e ferramentas de visualização de dados, os tomadores de decisão podem identificar tendências, padrões e disparidades nas necessidades de assistência social. Por exemplo, técnicas de modelagem preditiva podem prever a demanda futura por serviços sociais específicos com base na demografia da população e em fatores socioeconômicos.
  • Os algoritmos de machine learning podem analisar grandes volumes de dados para identificar padrões e relacionamentos ocultos que podem não ser aparentes por meio de métodos de análise tradicionais. Esses algoritmos podem detectar grupos de indivíduos com necessidades semelhantes de assistência social ou prever indivíduos em risco de enfrentar determinados desafios, permitindo estratégias de intervenção proativas.
  • As ferramentas de análise geoespacial possibilitam a visualização das necessidades de assistência social em mapas, permitindo que os formuladores de políticas identifiquem áreas geográficas com maior concentração de populações vulneráveis ou acesso limitado a serviços sociais. Essa compreensão espacial auxilia na alocação de recursos e no planejamento de serviços.
  • O monitoramento em tempo real dos indicadores de assistência social oferece suporte a intervenções e ajustes oportunos nas estratégias de prestação de serviços. Os ciclos de feedback contínuos permitem que os provedores de serviços sociais avaliem a eficácia da intervenção e adaptem os programas de assistência social com base nos resultados observados.
  • Implemente medidas para ajudar a garantir que a coleta, o armazenamento e a análise de dados sigam diretrizes éticas rigorosas e regulamentos de privacidade para proteger as informações confidenciais. As plataformas de dados modernas incorporam medidas de segurança robustas e técnicas de anonimização que podem ajudar as organizações a proteger a privacidade e, ao mesmo tempo, usar os dados para avaliar as necessidades de assistência social.

Comece agora

Teste mais de 20 serviços de nuvem de uso livre com uma avaliação de três dias para ter ainda mais

A Oracle oferece um Modo Gratuito sem limite de tempo para uma variedade de serviços como Autonomous Database, Arm Compute e Storage, além de US$ 300 em créditos para experimentar serviços de nuvem adicionais. Obtenha os detalhes e inscreva-se para uma conta gratuita hoje mesmo.

  • O que está incluído no Modo Gratuito da Oracle Cloud?

    • 2 Autonomous Databases, 20 GB cada
    • VMs de Arm Compute e AMD
    • 200 GB de armazenamento total em blocos
    • 10 GB de armazenamento de objetos
    • Transferência de dados de saída de 10 TB por mês
    • Mais de 10 serviços de uso livre
    • US$300 em créditos por 30 dias para ter ainda mais

Aprenda com a orientação passo a passo

Experimente uma ampla gama de serviços da OCI por meio de tutoriais e laboratórios práticos. Se você é desenvolvedor, administrador ou analista, podemos ajudá-lo a ver como a OCI funciona. Muitos laboratórios são executados no modo gratuito da Oracle Cloud ou em um ambiente de laboratório livre fornecido pela Oracle.

Explore mais de 150 projetos de melhores práticas

Veja como nossos arquitetos e outros clientes implementam uma ampla variedade de cargas de trabalho, de aplicações corporativas a HPC, de microsserviços a data lakes. Entenda as práticas recomendadas, ouça outros arquitetos de clientes em nossa série Built & Deployed e até mesmo implemente muitas cargas de trabalho com nosso recurso "clique para implementar" ou faça você mesmo em nosso repositório do GitHub.

Arquiteturas populares

  • Apache Tomcat com MySQL Database Service
  • Oracle Weblogic no Kubernetes com Jenkins
  • Ambientes de machine learning (ML) e IA
  • Tomcat no Arm com Oracle Autonomous Database
  • Análise de log com ELK Stack
  • HPC com OpenFOAM

Veja o quanto você pode economizar na OCI

Os preços da Oracle Cloud são simples, com preço baixo consistente em todo o mundo, oferecendo suporte a uma ampla gama de casos de uso. Para estimar a sua taxa, consulte a estimativa de custos e configure os serviços para atender às suas necessidades.

Experimente a diferença:

  • 1/4 dos custos de largura de banda de saída
  • 3X o custo-benefício de computação
  • Mesmo preço em todas as regiões
  • Preços baixos sem contratos de longo prazo

Fale com um especialista

Interessado em saber mais sobre a Oracle Cloud Infrastructure? Deixe um de nossos especialistas ajudar.

  • Eles podem responder a perguntas como:

    • Quais cargas de trabalho são melhor executadas na OCI?
    • Como aproveitar ao máximo meus investimentos gerais na Oracle?
    • Como a OCI se compara a outros provedores de computação em nuvem?
    • Como a OCI pode oferecer suporte às metas de IaaS e PaaS?