Actualmente, la mayoría de nosotros ha escuchado el término “Big Data” en más de una ocasión, y es que dicho término pertenece a una tendencia que seguirá durante los próximos años y que es de suma importancia para la planeación estratégica de las compañías. La tendencia es “Advanced Analytics”, que es la capacidad de explotar y analizar grandes bases de datos o repositorios de éstas para poder contar con mejor información para la toma de decisiones.
Si tuviéramos que enlistar las capacidades fundamentales del análisis avanzado del Big Data, probablemente llegaríamos al consenso de que se debe de contar con:
- Volumen. Y es que no es lo mismo analizar una hoja de Excel o consultas en Access a través de tablas dinámicas a realizar un análisis en un sistema de almacenamiento destinado para millones de registros. Quien ha intentado procesar más de 100,000 registros en Excel sabe que el sistema puede colapsar.
- Velocidad. Es necesario que el manejo y procesamiento de estas grandes bases de datos sea de manera rápida y eficiente. Por lo general la velocidad de procesamiento va en función del volumen de información.
- Variedad. La capacidad de interpretar objetos, imágenes y/o textos potencializa el universo de posibilidades de análisis de información.
La ciencia de datos combina las técnicas estadísticas más robustas con la capacidad de análisis avanzado de Big Data mediante el uso de software estadístico, permitiendo brindar un análisis más profundo de la información y llevando el término “Advanced Analytics” al nivel de “Predictive Analytics”.
Un ejemplo práctico de los posibles alcances de la ciencia de datos dentro de la industria farmacéutica podría ser el target integral de médicos y farmacias. Para poder contextualizar la utilidad de esta iniciativa, es necesario conocer la información disponible actualmente y la manera en que se ha realizado esta práctica durante los últimos años.
Como se puede observar en el siguiente diagrama, el proceso de venta genera información valiosa en diferentes puntos entre la generación de demanda a través de la prescripción, así como la colocación del medicamento en la farmacia y su venta al paciente. Existe información de la visita médica o a la farmacia, prescripciones, venta al distribuidor, sell in, sell out y venta directa.
Tradicionalmente, el target de médicos y farmacias se hace de manera independiente utilizando información proveniente de las auditorías antes mencionadas, por ejemplo:
Observando el proceso de venta, el objetivo del targeting de médicos y farmacias persigue objetivos diferentes, por una parte, el detectar a los médicos más potenciales para generar prescripciones, y por el otro identificar las farmacias con mejores ventas y garantizar la existencia de los medicamentos del laboratorio en sus anaqueles.
A primera vista, la información que genera el paciente en el proceso de venta no existe. Pero bajo un enfoque de “Advance Analytics” se pueden construir las distancias del consultorio médico a la farmacia más cercana utilizando sistemas de georreferencia. Esta información parece más útil para las cadenas de farmacias al momento de elegir un lugar para ubicar un nuevo punto de venta.
La pregunta para la industria farmacéutica sería: ¿Se puede utilizar esta información de manera estratégica?
La respuesta es sí. Utilizando la ciencia de datos se puede pasar a un enfoque de “Predictive Analytics” en el que se pueda inferir a qué punto de venta es más probable que el paciente acuda si le generaron su prescripción en cierto consultorio médico. Para realizar este ejercicio se pueden utilizar modelos gravitacionales, los cuáles incorporan factores de distancia y atractividad de un consultorio a un punto de venta.
De esta manera, el targeting adquiere una nueva dimensión. Pasando de una práctica aislada a una integradora, en la que se puedan obtener combinaciones diferentes del potencial de médicos y farmacias utilizando la decisión del paciente como factor principal.
En conclusión, la ciencia de datos representa un gran potencial para la industria farmacéutica en la generación de información y análisis estadístico para la toma de decisión. En este caso analizamos el caso particular de targeting integral, sin embargo, las aplicaciones de la ciencia de datos pueden ser de utilidad en otras áreas como farmacoeconomía, pricing, revenue management, marketing o finanzas entre otras. Solamente hay que imaginar las grandes cantidades de datos que existen y lo que se desea analizar y/o predecir.
Para más información con respecto a la ciencia de datos o a las actividades del CAD Salud, puedes visitar nuestra página https://www.cadsalud.org/ o contactarnos en el correo gabriela.otero@cadsalud.org