Data Driven Beratung

Ein führendes Unternehmen der pharmazeutischen Industrie wollte das Marketing-Modell für ein Medikament aus seinem Portfolio (welche Ärzte sollen wie oft und über welche Kanäle angesprochen werden) mithilfe eines datengetriebenen Ansatzes überdenken.

Ziel unseres Projekts war es, durch eine quantitative Analyse das Marketing-Modell zu finden, das den besten ROI ermöglicht, indem die Ansprache der Ärzte und der Marketing-Mix optimiert werden, und zwar auf der Grundlage von Verkaufsdaten, Budgetdaten, Daten über die durchgeführten Werbemaßnahmen sowie Targeting-Daten aus externen Quellen.

Da unsere quantitativen Analysen begrenzt waren (wenig Daten, teilweise unvollständig), ergänzten wir sie durch eine qualitative Untersuchung, um das ideale Modell zu finden, das der Firma die beste Rendite ermöglicht.

Wir unterstützten ein führendes Unternehmen im Gesundheitswesen, das die Möglichkeit zur Diversifizierung seiner Aktivitäten durch die Integration und Nutzung digitaler Lösungen zur Generierung und Erfassung von Real-World Evidence (RWE) prüfen wollte.

Im Rahmen dieses Projekts bewerteten unsere Teams die verschiedenen auf dem Markt erhältlichen Datenerfassungstechnologien, ihre Eigenschaften, Vorteile und Grenzen sowie die bestehenden Ansätze für ihren Einsatz in Frankreich im Bereich RWE.

Im Anschluss an unsere Analyse definierten wir 4 Ansätze, die es dem Team ermöglichen, diese neuen ausgewählten digitalen Datendienste zu integrieren und einzurichten, und einen operativen Aktionsplan für die Durchführung von Pilotprojekten aufgestellt. Am Ende war ein Pilotprojekt erfolgreich und unser Kunde konnte ein neues, differenzierendes Angebot einführen.

Für einen unserer Kunden entwickelten wir einen globalen Kundenengagement-Indikator. Ziel dieses Indikators war es, alle verfügbaren Kundendaten zu nutzen, insbesondere in Bezug auf die Reaktionen auf die Kommunikation, um Aktivitäten zu steuern: zu verstehen, welche Aktionen das Kundenengagement auslösten, um die besten zukünftigen Entscheidungen zu treffen.

Unsere Methodik bestand aus zwei Teilen. Der erste Teil bestand darin, eine gemeinsame Definition des Begriffs „Kundenengagement“ zu erarbeiten und die verfügbaren Daten zur Erstellung dieses Indikators zu definieren. Das Ergebnis war eine externe Untersuchung (Literaturrecherche und Interviews mit wichtigen Akteuren) sowie eine interne Untersuchung durch den Austausch mit den verschiedenen Interessengruppen des Unternehmens. Der zweite Teil bestand darin, diese Daten abzurufen, um den Engagement-Indikator auf verschiedenen Granularitätsebenen in Echtzeit darzustellen.

Ein industrieller Akteur wollte ein europäisches Projekt auf die Beine stellen, das auf der Erfassung sensibler Daten in externen Datenbanken basiert. Nach der Durchführung eines ersten Pilotprojekts, das in der Sammlung von Daten und der Einrichtung eines Algorithmus für maschinelles Lernen in einem europäischen Land bestand, wollte unser Kunde den regulatorischen Kontext der Europäischen Union und mehrerer anderer europäischer Länder durchleuchten.

Ziel unseres Projekts war es, besser zu verstehen, wie die Erfassung sensibler Daten und deren Verarbeitung in diesen anderen europäischen Ländern umgesetzt werden kann. Wir konzentrierten uns daher auf die Datenschutz-Grundverordnung und die nationalen Gesetze, um einen globalen Überblick über das regulatorische Umfeld und die verschiedenen Schritte zu erhalten, die für die Umsetzung des angestrebten Projekts erforderlich sind.

Einer unserer Kunden, ein führendes Pharmaunternehmen, war daran interessiert, das Potenzial externer Patientendaten für eine Initiative zur künstlichen Intelligenz im Bereich Diabetes in den Vereinigten Staaten und in Deutschland zu untersuchen.

In einem ersten Schritt gab Alcimed einen Überblick über die wichtigsten öffentlichen und privaten Dateninhaber in den beiden untersuchten Ländern. Diese Dateninhaber wurden dann von unserem Team im Hinblick auf Datenvolumen, Qualität, Relevanz und Zugänglichkeit klassifiziert.

Anhand dieser Kriterien priorisierten wir einige Dateninhaber als potenzielle Partner für das Unternehmen und definierten am Ende gemeinsam eine vorläufige Datenerfassungsstrategie für diese spezifische Initiative.

In diesem Projekt kombinierte Alcimed für ein pharmazeutisches Labor seine Kompetenzen im Bereich der Marktforschung mit seiner Fähigkeit, das datenwissenschaftliche Umfeld im Gesundheitswesen zu verstehen, um die Datensätze zu qualifizieren, die für den Start einer klinischen Studie der Phase III nützlich sind.

Diese Qualifizierung basierte auf einer Bewertung von Datenqualität, -quantität, -volumen und -zugänglichkeit. Unser Projekt führte zu einer Empfehlung, welche Partner auf internationaler Ebene für die Entwicklung einer „datenzentrierten“ klinischen Studie zu bevorzugen sind und welche Wege der Zusammenarbeit in Betracht gezogen werden sollten.

Alcimed unterstützte ein Luft- und Raumfahrtunternehmen bei der Entwicklung eines Geschäftsmodells für ein Data Lab, dessen Ziel es ist, Projekte zu beschleunigen und zu fördern, die Big Data in verschiedenen Bereichen der Raumfahrt nutzen (Analyse räumlicher Daten, Analyse von Telemetriedaten usw.). Diese Initiative ermöglicht die Verfügbarkeit von verschiedenen Daten im Rahmen eines Data-as-a-Service-Modells.

Zu diesem Zweck führte unser Team ein Benchmarking der besten Praktiken von Industrieunternehmen durch, die Data Labs in anderen Sektoren nutzen, sowie eine interne Studie mit Blick auf die Anforderungen und Erwartungen unseres Kunden. Auf diese Weise konnten wir diesen bei der Wahl der besten Entwicklungsstrategie beraten, einschließlich der Organisation, der Art der anzubietenden Dienstleistungen, der zu berücksichtigenden Vorteile und Einschränkungen usw.

Alcimed gab schließlich Empfehlungen für das Angebot und das Geschäftsmodell des Data Labs ab, von der Struktur bis zu den Dienstleistungsarten.

Um ein führendes Unternehmen im Baugewerbe bei der Vorhersage seines Geschäftsvolumens zu unterstützen, entwickelte Alcimed einen Algorithmus für maschinelles Lernen. Der Algorithmus basiert auf historischen, öffentlichen Daten und prognostiziert die Gesamtzahl der Baugenehmigungen, die im aktuellen Monat eingereicht werden, noch bevor sie von den lokalen Behörden offiziell bestätigt werden.

Dieses Projekt ermöglichte es dem Unternehmen, seine Umsatzprognosen zu antizipieren und mehrere seiner Aktivitäten im Voraus anzupassen.