Tess Technology
Анализ рынков, социальное и
экономическое моделирование
+7 (916) 729 07 16
Пн. – Пт.: с 9:00 до 18:00
Заказать звонок
г. Москва, пр. Кадомцева, д.15
Компания
  • О компании
  • Принципы и ценности Tess Technology
  • Реквизиты
Услуги
  • Анализ рынков
  • Математическое моделирование
  • Теория ограничений
  • Предоставление Баз Данных
Проекты
  • Выход на новый рынок
  • Математическое моделирование
  • Поиск новых ниш
  • Расчет экономических показателей
Блог
Контакты
    Tess Technology
    Компания
    • О компании
    • Принципы и ценности Tess Technology
    • Реквизиты
    Услуги
    • Анализ рынков
    • Математическое моделирование
    • Теория ограничений
    • Предоставление Баз Данных
    Проекты
    • Выход на новый рынок
    • Математическое моделирование
    • Поиск новых ниш
    • Расчет экономических показателей
    Блог
    Контакты
      Tess Technology
      • Компания
        • Назад
        • Компания
        • О компании
        • Принципы и ценности Tess Technology
        • Реквизиты
      • Услуги
        • Назад
        • Услуги
        • Анализ рынков
        • Математическое моделирование
        • Теория ограничений
        • Предоставление Баз Данных
      • Проекты
        • Назад
        • Проекты
        • Выход на новый рынок
        • Математическое моделирование
        • Поиск новых ниш
        • Расчет экономических показателей
      • Блог
      • Контакты
      • Главная
      • Информация
      • Статьи
      • Большие данные в большой фарме? Большое дело!

      Большие данные в большой фарме? Большое дело!

      2 октября 2021 14:35
      // Бизнес-советы

      Компании в фармацевтической промышленности всё больше наводняются потоками данных, которые зачастую не используются или недоиспользуются.

      Компании в фармацевтической промышленности всё больше наводняются потоками данных, которые зачастую не используются или недоиспользуются. Однако, если применять аналитику Big Data, компании смогут получить своевременную информацию для принятия более эффективных бизнес-решений.

      1_3.png

      Аналитика big data - простая концепция, сложная реальность

      Важные элементы стратегии Big Data аналитики Большой фармы следующие: это организационная структура, талант, технология, управление данными (data management) и операционная ориентация на саму программу big data.

      1. Организационная структура.

      Такие факторы организации компании, как используемые модели финансирования (например, центральной, бизнес-единицы или совместной) и финансовая ориентация (например, центр прибыли или центр затрат) играют роль в выборе правильной структуры для внедрения мощностей аналитики big data.

      Data-Center-ComBOTS-.jpg

      Как правило, 4 структуры наиболее успешны при внедрении big data:

      1) Децентрализованные:

      Бизнес-юниты (БЮ) имеют разные наборы данных, и каждый БЮ принимает свои собственные решения с big data относительно самостоятельно.

      2) Децентрализованные с ведущим БЮ:

      Каждый БЮ принимает собственные решения, но один БЮ играет ведущую роль в установлении стандартов.

      3) Центр передового опыта (СoЕ):

      Независимый Центр контролирует программу аналитики big data, а БЮ проводят инициативы под руководством Центра.

      4) Централизованные:

      Корпоративный центр берет на себя прямую ответственность за создание и приоретизацию инициатив и их реализацию.

      2. Талант.

      Программы аналитики big data являются ресурсоемкими, и для поддержки таких программ требуются серьезные инвестиции в квалифицированные ресурсы. Следующие профессии представляют собой минимально необходимый комплекс навыков:

      • менеджер программ,
      • менеджер инфраструктуры,
      • архитектор больших данных,
      • управляющий данными,
      • аналитик домена,
      • финансовый аналитик,
      • специалист по данным (data scientist),
      • инженер данных,
      • аналитик данных,
      • и аналитик визуализации данных.

      3. Технология.

      В любой фармацевтической компании должны параллельно и непрерывно присутствовать три функции big data: сбор, обработка и презентация данных. В рамках этих функций есть также функции по безопасности, такие как шифрование данных и маскирование, а также управление данными и рабочими потоками.

      _2.png

      1) Сбор данных включает в себя не только интеграцию данных из множества источников (что особенно актуально в фарме), разного объема и разной скорости поступления, но и их предварительную обработку (например, измерение качества, нормализации). По этой функции много предложений с открытым исходным кодом, включая Flume, Sqoop, Oracle Data Integrator и SAP BODS.

      2) Обработка данных.Способность обрабатывать данные со скоростью их ввода, дает явное преимущество, особенно там, время принятия решений имеет большую ценность. По этой функции есть много платформ с исходным кодом, таких, как SAP Hana, IBM Netezza, AsterData и Hadoop, а также есть доступны инструменты глубокого аналитического поиска, такие как R и SAS.

      3) Представление данных направлено на то, чтобы заинтересованные пользователи действительно поняли имеющиеся данные, чаще всего, с помощью отчетов и панелей мониторинга. Предложения по этой функции включают Tableau, Qlikview, Microsoft BI Platform, Spotfire и Birst.

      4. Управление данными.

      В медицинских и фармацевтических учреждениях существуют жесткие требования к конфиденциальности данных и соблюдению нормативных требований. Управление данными на платформе big data, помимо сбора данных, также требует:

      • Создать план управления данными во всей организации
      • Создать стандарты данных и установить права доступа
      • Поддерживать согласованность ссылочных данных,
      • Устранять проблемы целостности данных и т.п.

      5. Установка и доработка.

      Стратегия внедрения системы анализа big data развивается по мере развертывания мощностей системы, и включает две фазы «созревания»: фаза Поиска и фаза Улучшения.

      1) фаза Поиска

      На ранних стадиях, таких, как разведка и пилотирование программы, нужно сфокусироваться на поиске ключевых пользователей и правильных вариантов использования системы. Основная тактика заключается в том, чтобы повысить гибкость операционной деятельности и сильно повысить осведомленность организации (т. е. продемонстрировать возможности и создать активность среди конечных пользователей).

      2) фаза Улучшения

      По мере роста спроса на возможности программы, например, по мере роста обращений пользователей с просьбами о включении дополнительных возможностей ее использования, начинается фаза Улучшения. На этом этапе важно увеличить эффективность работы (например, увеличить масштабы развертывания и развертывания программы), поскольку сразу заметен эффект для пользователей.

      _3_1.png

      Кейсы - какие из них брать на вооружение?

      Конечная цель использования системы big data – это извлечение ценности для клиентов, деловых партнеров и акционеров для принятия управленческих решений. Для того, чтобы определить варианты использования программы, лучше всего пригласить заинтересованные стороны сообщить идеи о том, как анализ big data поможет в их предметной области. Также это продемонстрирует, что аналитические потребности всех заинтересованных сторон решаются и тем самым способствует созданию широких возможностей для анализа данных в масштабах всей компании.

      Как только исходный набор вариантов использования был найден и описан на высоком уровне, он подвергнется фильтрации и кластеризации, чтобы сузить список вариантов.

      Каждый из этих вариантов использования будет дополнительно доработан для понимания основных аспектов, таких как: кто владелец процесса, как процесс влияет на остальные, каковы KPI процесса, каковы потребности в данных и каковы преимущества big data в этом процессе для бизнеса. Кроме того, каждый случай использования также должен быть оценен по:

      1) стоимости для бизнеса и

      2) осуществимости исполнения.

      Окончательное определение вариантов использования идеальной формы поиска зависит от бизнес-модели компании, ее потенциала для решения бизнес-задачи (например, получение дохода, снижение затрат, улучшение работы, удовлетворенность клиентов, конечный результат и т. д.).

      Примеры использования big data

      Для производителей фармацевтических брендов, занимающихся R&D, аналитика big data, обладающая способностью быстро определять ассоциации между большими объемами разнообразных данных, может быть использована в исследованиях и разработках.

      sklad.jpg

      Предсказательное моделирование также может быть использовано для прогнозирования результатов, связанных с эффективностью молекулы, побочными эффектами и т. д. Использование аналитики big data ускорит процесс создания и разработки лекарств и сократит расходы на них, а также сократит время выхода на рынок новых лекарств.

      Для фармацевтических оптовых дистрибьюторов аналитика Big data может использовать большие объемы доступных данных, чтобы лучше понимать клиентов и развивать точную сегментацию клиентов.

      Более того, аналитика обеспечит понимание индивидуального поведения клиентов, объединяя данные сегментации клиентов наряду с другими внутренними и внешними данными, такими как данные колл-центра, данные опроса клиентов, программ лояльности, данных соцсетей. Затем могут быть составлены программы продаж для конкретных клиентов и оценена эффективность имеющихся программ, и составлены программы перекрестных и дополнительных продаж.

      Для тех участников в фарме, которые много закупают у поставщиков, нарушения поставок приводят к снижению выполнения заказов клиентов и к потерям продаж.

      Аналитика big data может использоваться для разработки прогностических моделей для предсказания сбоев в поставках, на основе как внутренних данных (например, заказы на поставку, производительность поставки поставщика, инвентарь, историю продаж, правила замены продуктов и пр.), так и внешних (например, региональные СМИ, прогнозы погоды, нормативные объявления и пр.). Такое проактивное планирование поможет заказывать дополнительные партии у альтернативных поставщиков или заказывать товары-заменители, обеспечивая выполнение заказов и достижения планов по продажам.

      ------------------------------------------------------------------------------------------------------

      Аналитика Big data позволяет использовать данные, не связанные с заемными средствами и недостаточными ресурсами, и получить своевременную информацию для принятия более эффективных бизнес-решений. Все чаще компании в фармацевтической отрасли внедряют программы big data и получают значительные выгоды от ее использования.

      По данным: Desay S.S., Peer B. Big Data, Big Pharma - Big Deal? Yes, Really! // Infosys, 2017. https://www.infosys.com/consulting/insights/Documents/big-deal-pharmaceutical-industry.pdf


      Теги
      Big Data Биг Дата Фарма
      Назад к списку Следующая статья
      Категории
      • Бизнес-советы14
      • Повышение продаж1
      • Управление проектами1
      Это интересно
      • Маркировка электронно компонентной базы в РФ
        10 октября 2022
      • Перспективы развития литографии в РФ
        26 июня 2022
      • Отношение бизнеса к данным и аналитике
        1 июня 2022
      • Рынок Умного Дома
        10 мая 2022
      • Отечественная полупроводниковая отрасль в условиях санкций
        14 марта 2022
      • Жизненный цикл товаров: от производителя до полки супермаркета
        2 октября 2021
      • Карта искусственного интеллекта
        28 сентября 2021
      • Нейромаркетинг: верить ли словам потребителя?
        2 октября 2020
      • Три правила работы с Big Data
        28 сентября 2020
      • 7 трендов социальных медиа
        28 сентября 2020
      • Алгоритмический маркетинг (часть 2): кейсы
        27 февраля 2020
      • Алгоритмический маркетинг (часть 3): предсказательная аналитика и оптимизационные модели
        27 февраля 2020
      • Алгоритмический маркетинг (часть 1): зачем маркетологам искусственный интеллект?
        27 февраля 2020
      Облако тегов
      AI Big Data R&D SMM Алгоритмический маркетинг Аналитика Аналитика рынка Биг Дата Искусственный интеллект Исследования Маркетинг Микроэлектроника Нейромаркетинг Производство Социальные медиа Фарма Цифровая экономика
      Компания
      О компании
      Принципы и ценности Tess Technology
      Реквизиты
      Услуги
      Анализ рынков
      Математическое моделирование
      Теория ограничений
      Предоставление Баз Данных
      Проекты
      Выход на новый рынок
      Математическое моделирование
      Поиск новых ниш
      Расчет экономических показателей
      Блог
      Перспектива отечественных полупроводников
      Три правила работы с Big Data
      Перспективы развития литографии в РФ
      Наши контакты

      +7 (916) 729 07 16
      Пн. – Пт.: с 9:00 до 18:00
      г. Москва, пр. Кадомцева, д.15
      mail@tesstech.ru
      © 2023 Все права защищены.