Contactanos

HISTORIAS DE ÉXITO

Mutualser-Analítica

Construcción de un Data Warehouse para el análisis de grandes volúmenes de información

Mutual Ser Es una Entidad Promotora de Salud (EPS) del Régimen Subsidiado en la Región Caribe de Colombia, a la fecha se encuentra en 117 municipios distribuidos en 6 departamentos diferentes de Colombia. Esta entidad cuenta con 27 años de trayectoria y ha sido considerada por 6 años consecutivos como una de las mejores en su categoría por su excelente gestión en el manejo de enfermedades de alto costo.


El Reto

    Mutual Ser tenía problemas con la lectura, procesamiento y análisis de grandes volúmenes de información, la cual se encuentra alojada dentro de sus bases de datos transaccionales basadas en SQL en la nube. Los tiempos de procesamiento de esta información eran muy extensos, lo cual impedía el cálculo de ciertos indicadores y el envío de informes a tiempo a las entidades de control del sistema de salud, exponiendo así a la organización a sanciones económicas.

    Solución y resultados

    Para resolver el problema de Mutual Ser, Davinci utilizó BigQuery como herramienta de data warehousing, la cual provee una disponibilidad del 99.99% de los datos para sus usuarios finales y permite un procesamiento de grandes volúmenes de información, auto-escalando recursos de acuerdo a la necesidad, para entregar resultados en corto tiempo.

    La información se llevó a BigQuery a través de Cloud Dataflow. Para esto se desarrolló un servicio web desplegado en Cloud Run, el cual contiene el pipeline definido sobre Apache Beam, así como las instrucciones de despliegue sobre Dataflow. Este pipeline es ejecutado en Dataflow a través de trabajos programados de Cloud Scheduler, los cuales se ejecutan diariamente. Este procedimiento de ETL (Extracción, Transformación y Carga de datos, por sus siglas en inglés), lee datos de diferentes bases de datos transaccionales, los transforma, y posteriormente los carga hacia BigQuery, todo de forma automática.

    Mutual Ser redujo los tiempos de consulta de datos, pasando de tiempos medidos en días a tiempos medidos en minutos. Por ejemplo, el tiempo de consulta y exportación de datos de una tabla de 300 Gigabytes, era alrededor de 5 días. Con la bodega de datos estructurada en BigQuery, consultar esta información ahora toma 7 minutos y exportarla toma 10 minutos más.

    Adicionalmente, la bodega de datos es alimentada por un mecanismo de ETL automático y dinámico, en el cual es posible configurar nuevas conexiones para incorporar nuevas tablas o nuevos motores de bases de datos.

    Conoce más de Mutual Ser aquí.

    ¿Te interesa mejorar la productividad e integración de tu compañía a través de las soluciones que tenemos en Nube? Escríbenos, tenemos un equipo de expertos en soluciones para el Sector Retail dispuesto a ayudarte.