Catégories
Actualité pharmacieutique

comment l'analyse pharmaceutique peut être améliorée grâce aux nouvelles technologies –

Les sociétés pharmaceutiques ont toujours eu accès à un flux constant de données pour examiner ce qui s'est passé dans le passé et essayer de prédire les futures tendances en matière de prescription.

Les départements de Business Intelligence (BI) ont soutenu tout cela avec des rapports opportuns et efficaces, dans un environnement qui a connu ces dernières années une certaine «course aux armements» avec des outils de BI ajoutant un éventail croissant de types de graphiques et de fonctionnalités.

À ce jour, cela a été caractérisé par l’approche visuelle de la carte «aquarium». Mais maintenant, la technologie – en particulier l’intelligence artificielle (IA) et l’apprentissage automatique – est sur le point d’offrir de nouvelles méthodes d’analyse et de traitement des données, permettant à l’industrie pharmaceutique de passer à la vitesse supérieure.

L'analyse de la Business Intelligence aujourd'hui

La BI fournit des indicateurs clés aux entreprises pharmaceutiques pour suivre les performances des ventes au fil du temps, que ce soit par le biais de parts de marché, de taux de contact ou d'autres points de terminaison.

Vous avez absolument besoin de savoir ce qui a fonctionné dans le passé lorsque vous faites vos projets futurs, mais les différents chiffres rétrospectifs qui étaient à la disposition de l'industrie pharmaceutique à ce jour ne peuvent montrer que des événements qui ont été et qui ont disparu.

Différents paramètres sont devenus à la mode puis ont disparu, certains revenant même. Cependant, ils ne regardent que les questions traditionnelles que les entreprises posent à leurs équipes de vente: allons-nous bien? Atteignons-nous nos objectifs? Sommes-nous en train de grandir? Comment nous comparons-nous à la concurrence?

Pendant ce temps, ces dernières années ont vu des changements majeurs dans les types d'informations disponibles pour les acteurs pharmaceutiques qui évaluent les performances de vente et de marketing.

Les données de prescription traditionnelles du NHS ont été complétées par des informations sur l'utilisation des biosimilaires dans le service de santé, des données du monde réel et d'autres sources, tandis que les ensembles de données disponibles pour l'industrie pharmaceutique ont également augmenté en taille. L'avènement de ce big data signifie que le représentant commercial pharmaceutique typique peut désormais recevoir jusqu'à 4000 points de données par mois, en fonction de la taille de son territoire et du nombre de produits ou packs concurrents sur leurs marchés.

Mais il y a des limites aux informations que ces grands ensembles de données, à eux seuls, peuvent apporter à l'industrie – notamment parce que plonger pleinement dans toutes les données disponibles serait un travail à temps plein en soi.

Pourquoi nous devons améliorer les outils de BI actuels

Pour tirer le meilleur parti des analyses modernes, il faut une nouvelle approche. Les utilisateurs de ces ensembles de données appartiennent à un certain nombre de types différents, qui doivent tous être pris en compte, mais ils ne sont généralement pas des analystes. Nos principaux utilisateurs proviennent des ventes et du marketing pharmaceutiques, et il est important que nous leur accordions autant de valeur à partir des données que le temps qu'ils peuvent consacrer à leurs tâches habituelles.

De cette façon, nous pouvons aider tout le monde à améliorer le jeu afin qu’ils puissent à leur tour avoir un impact plus important sur les performances de l’entreprise. Ce que nous essayons de faire en tant que consultant, c'est de changer un peu cette courbe, afin que les utilisateurs quotidiens – autant que les super utilisateurs – bénéficient de ces outils.

La rapidité est un autre domaine où des améliorations sont nécessaires. La valeur des outils d’intelligence d’affaires actuels est prouvée depuis longtemps, mais ils ont dû se concentrer sur ce qui s’était passé dans le passé et, dans ce contexte, faire face aux décalages temporels des données.

Même les données générales les plus récentes sur les ventes et le marché n'arriveront qu'à la fin du mois suivant, ce qui signifie en pratique un décalage d'un à deux mois par rapport à la période couverte. C'est formidable d'apprendre du passé, et c'est une partie importante de la façon dont l'analyse doit être utilisée, mais c'est aussi un aspect de l'intelligence d'affaires qui peut être encore amélioré.

Nouvelle technologie BI pour l'industrie pharmaceutique

À ce jour, la technologie a été un facteur limitant pour le développement. L'intelligence d'affaires a toujours été hantée par cela dans une certaine mesure, mais les progrès continus de la technologie signifient qu'elle s'améliorera. Comme elle le fait, la pharma devrait rechercher des améliorations à partir des informations qu'elle peut découvrir à partir des données, et en particulier en combinant de grands ensembles de données.

Avec la taille et le nombre sans cesse croissants d'ensembles de données disponibles, la nouvelle technologie peut fournir un rôle extrêmement précieux de «réduction du bruit pour la BI», permettant aux acteurs du secteur pharmaceutique de couper le bruit blanc pour accéder aux informations pertinentes. C’est ici que l’apprentissage automatique peut prendre tout son sens, en effectuant une partie du gros du travail dont vos données ont besoin; si les milliers et les milliers de points de données qu'il offre doivent être compris.

Dans le même temps, l'application de l'IA aux données peut commencer à révéler les modèles cachés des ensembles de données d'une manière qui n'est tout simplement pas possible lorsqu'un individu doit cliquer sur 100 briques ou 200 pratiques et regarder chaque pack ou produit prescrit pour essayez de décider si quelque chose d'intéressant s'est produit. Il existe une multitude de modèles cachés dans les données que l’œil humain ne sait pas, tandis que la machine ne se reposera pas tant qu’ils ne seront pas trouvés.

«Une valeur supplémentaire pourrait être trouvée lorsque nous commencerons à évaluer à quoi pourrait ressembler l'avenir post-COVID, et la combinaison de l'IA et de l'analyse avancée permettra aux sociétés pharmaceutiques de mesurer, surveiller et prédire cela»

Faire progresser l'analyse pour offrir une valeur future

La recherche de modèles dans les données et de ce qui pourrait se passer dans le futur consiste à aider le secteur pharmaceutique à «  trouver l'intérêt '' dans les données, et la technologie qui facilite cela peut également libérer du temps pour les utilisateurs en leur fournissant des réponses plus rapides. .

Parmi ces réponses, il peut y avoir des directions pour réorienter la stratégie marketing en fonction des données ou pour instituer un ajustement plus large du comportement des équipes de vente et de marketing pour conduire un changement tactique sur le terrain.

Une valeur supplémentaire pourrait être trouvée lorsque nous commencerons à évaluer à quoi pourrait ressembler l'avenir post-COVID, et la combinaison de l'IA et de l'analyse avancée permettra aux sociétés pharmaceutiques de mesurer, surveiller et prédire cela. Certes, aucune IA n'a prédit le COVID-19 et la dévastation qu'il causerait, mais elle pourrait évaluer l'impact du virus sur différentes maladies, thérapies et localisations du NHS.

Cependant, comme pour toute utilisation de nouvelle technologie, il est essentiel que l'industrie pharmaceutique en profite et, avec tant de discussions sur l'IA, il est vraiment nécessaire d'éviter «  l'atrophie de l'IA '' lorsque des solutions sont construites et mises en œuvre avant toute évaluation. d'où ils ajouteront de la valeur.

Répondre aux grandes questions de l'industrie pharmaceutique grâce à la BI technologique

Comment le COVID-19 changera-t-il les modèles de prescription, quel impact aura un nouveau formulaire sur la prise de décision des médecins et comment la dynamique du marché changera-t-elle lorsqu'un nouveau produit est lancé? Voici quelques-unes des grandes questions auxquelles une approche technologique de l'analyse BI pourrait répondre.

Au centre de ce processus se trouvera l'utilisation de machines pour guider et dynamiser la prise de décision humaine afin que les équipes de vente et de marketing pharmaceutiques puissent regarder vers l'avenir, ainsi que vers le passé, en traitant plus de données, plus rapidement que jamais. .

La technologie va faire une grande partie du travail lourd pour les professionnels de la BI à l'avenir et ils seront également en mesure de lui donner plus de force à faire lorsqu'ils cherchent à résoudre des problèmes spécifiques pour leur organisation. Au fur et à mesure, cela fournira également une dose bienvenue de «réduction des risques», en supprimant les éléments d’erreur humaine qui peuvent parfois se glisser dans les données.

L'avenir de l'analyse pharmaceutique consiste à amener les gens à répondre plus rapidement – et à poser des questions – afin que le temps qu'ils passent à utiliser la prochaine vague d'outils de BI puisse avoir un impact positif sur les performances futures de leur organisation.

À propos de l'interviewé

Lee Ronan est directeur commercial chez CSL. Lee travaille dans le domaine de l'intelligence d'affaires dans le domaine de la santé depuis 2002, commençant en tant qu'analyste et administrateur CRM avant de passer du temps dans un rôle SFE ainsi que de travailler en détachement en tant que représentant médical.

Il a une passion pour aider les clients à utiliser les données et les visualisations pour prendre des décisions éclairées. L’expérience de Lee dans le domaine lui donne un aperçu unique des défis et des opportunités offerts par le secteur de la santé.

Ayant précédemment siégé au conseil d'administration de la British Healthcare Business Intelligence Association (BHBIA), Lee est maintenant membre du comité Best of Business Intelligence (BOBI), qui se concentre sur l'organisation du concours BHBIA Analyst of the Year, ainsi que sur les prix Newcomer.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *