Conseil Data Driven

Un leader industriel pharmaceutique souhaitait repenser le modèle promotionnel d’un médicament de son portefeuille (quels médecins cibler, à quelle fréquence, par quels canaux) selon une approche Data Driven.

Notre mission consistait à trouver, grâce à une étude quantitative, le modèle promotionnel qui permettrait d’avoir le meilleur ROI, en optimisant le ciblage des médecins et le mix promotionnel, le tout, à partir d’un mélange entre des données de vente, des données de budgets, des données sur la promotion réalisée et également des données de ciblage provenant de l’externe.

Nos analyses quantitatives ayant été limitées (peu de données, parfois mal renseignées) ont été complétées par une étude qualitative afin de trouver le modèle idéal permettant le meilleur retour sur investissement pour notre client.

Nous avons accompagné un leader du secteur de la santé, qui souhaitait explorer l’opportunité de diversifier ses activités via l’intégration et l’utilisation de solutions numériques pour la génération et le recueil de données de vie réelle (Real-World Evidence – RWE).

Pour cela, nos équipes ont évalué les différents outils de capture de données existantes sur le marché, leurs caractéristiques, leurs avantages et leurs limites, ainsi que les approches existantes pour leur application en France en Real-World Evidence. À la suite de notre analyse, nous avons défini 4 approches permettant d’intégrer et de mettre œuvre ces nouveaux services de données numériques sélectionnés et avons établi un plan d’action opérationnel pour la réalisation de projets pilotes.

In fine, un pilote a été concluant et a permis le lancement d’une nouvelle offre différenciante.

Pour l’un de nos clients, nous avons mis au point un indicateur global d’engagement client. L’objectif de cet indicateur est d’utiliser l’ensemble des données clients disponibles, notamment en termes de réponses aux communications transmises, afin de piloter les activités de l’entreprise : comprendre quelles sont les actions qui ont déclenché de l’engagement afin de pouvoir prendre les meilleures décisions à venir.

Notre méthodologie s’est décomposée en deux parties. La première consistait à créer une définition commune de ce qu’est l’« engagement client » chez notre client et visait à définir les données disponibles pour la création de cet indicateur. Cela s’est traduit par une investigation externe (recherche bibliographique et interviews auprès d’acteurs clés) et interne via des échanges avec les différentes parties prenantes chez notre client. La seconde partie consistait à récupérer ces données pour en faire ressortir, en temps réel, l’indicateur d’engagement à différents niveaux de granularité pour notre client.

Un acteur industriel souhaitait mettre en œuvre un projet européen basé sur le recueil de données sensibles dans des bases externes.

Après avoir mené un premier pilote ayant consisté à rassembler des données et mettre en place un algorithme de prédiction dans un pays européen, nous avons défriché le contexte réglementaire de l’Union Européenne et de plusieurs autres pays européens. Le but était de mieux comprendre comment collecter des données sensibles et les traiter dans ces autres pays en Europe.

Nous nous sommes donc intéressés au RGPD et aux lois nationales afin d’apporter une vision globale de l’environnement réglementaire et des différentes étapes nécessaires afin de mettre en œuvre le projet que notre client avait l’ambition d’implémenter.

L’un de nos clients, une société pharmaceutique de premier plan, souhaitait explorer le potentiel des données externes des patients aux États-Unis et en Allemagne pour une initiative d’intelligence artificielle dans le domaine du diabète.

Dans un premier temps, Alcimed a fourni un aperçu des principaux propriétaires de données publics et privés dans les deux pays concernés. Ces propriétaires de données ont ensuite été classés par notre équipe en termes de volume, de qualité, de pertinence et d’accessibilité des données.

Sur la base de ces critères, nous avons classé par ordre de priorité certains propriétaires de données en tant que partenaires potentiels pour notre client et avons finalement co-défini ensemble une stratégie préliminaire d’acquisition de données pour cette étude spécifique.

Dans ce projet, Alcimed a mêlé pour un laboratoire pharmaceutique ses compétences d’investigation terrain avec sa capacité à comprendre l’environnement data science en santé afin de qualifier les jeux de données utiles pour lancer un essai clinique de phase III.

Cette qualification s’est basée sur une évaluation de la qualité des données, de la quantité, du volume et de l’accessibilité. Notre projet a abouti à une recommandation sur les partenaires à privilégier sur la scène internationale pour développer un essai clinique « data-centric » et les pistes de collaborations à envisager.

Alcimed a accompagné un acteur aérospatial dans la construction du business model d’un Data Lab dont l’objectif est d’accélérer et valoriser des projets utilisant le Big Data dans plusieurs domaines du spatial (analyse de données spatiales, analyse de données télémétriques, etc…). Cette initiative permet ainsi la mise à disposition de données variées sous un modèle de type data as-a-service.

Pour ce faire, notre équipe a réalisé un benchmark des bonnes pratiques d’acteurs industriels utilisant des Data Lab dans d’autres secteurs ainsi qu’une étude interne des besoins et attentes de notre client. Ceci a permis d’orienter notre client sur la meilleure stratégie de développement à mettre en place comprenant à la fois l’organisation, la typologie de services à offrir, les bénéfices et contraintes à prendre en compte.

Alcimed a finalement délivré des recommandations sur l’offre et le business model du Data Lab, de sa structure aux typologies de services.

Afin de soutenir notre client, un industriel leader du BTP, dans la prédiction de son volume de business, Alcimed a développé un algorithme de machine learning pour prédire, sur la base de données publiques historiques et avant qu’ils ne soient tous officiellement référencés par les administrations locales, le nombre de permis de construire total effectivement déposés dans le mois en cours.

Ce projet a ainsi permis à notre client d’anticiper ses projections de vente et d’adapter nombreuses de ses activités en amont en conséquence.