Мы живем в эпоху беспрецедентного роста объемов цифровой информации. Согласно прогнозу International Data Corporation (IDC) к 2023 году совокупный объем всех мировых хранилищ данных достигнет 11,7 зеттабайт (10²¹ байт). Вместе с тем, все чаще можно слышать, что бизнес-сфера не справляется с объемом поступающей информации и буквально «тонет в больших данных». Хорошая новость: корень проблемы не в количестве данных, а в том, что многие компании не умеют рационально их собирать, хранить, обрабатывать и анализировать.

Большие данные (Big Data) — это собранные из множества различных источников, структурированные и неструктурированные данные огромных объемов и разнообразия. Большие данные могут поступать в режиме реального времени или накапливаться и превращаться в «исторические».

К структурированным данным относится информация, которая собирается в определенном формате. Например, это может быть таблица со строго определенными полями.

Неструктурированные данные — разнородные массивы информации без четкой структуры. Например, текстовые файлы, изображения, фотографии, комментарии из соцсетей и так до бесконечности. Собранные вместе, такие данные помогают найти скрытые взаимосвязи и проанализировать предпочтения клиентов, стратегии конкурентов, тенденции ценообразования и другие важные для компании параметры.

Процесс интеграции маркировки в фармацевтической отрасли занял несколько лет. Все это время аналитики фармацевтических компаний оценивали ситуацию с точки зрения цифр и пытались понять – насколько качественная информация передается/ содержится в системе Мониторинга движения лекарственных препаратов (МДЛП).

Что такое Big Data для фармацевтической компании:

В ближайшее время к этому списку добавятся данные по маркировке и онлайн продажам.

Это, в принципе, все, что нужно знать об определении Big Data. Но с этого момента начинается все самое интересное.

Дело в том, что сами по себе большие данные, даже собранные в одном месте, не представляют никакого интереса. Ценность их заключается в качественном анализе, который помогает находить неочевидные человеческому глазу закономерности, строить прогнозы и делать выводы, стратегически важные для развития компании.

Объемы неоднородной и быстро поступающей цифровой информации обработать традиционными инструментами уже невозможно. При дата-ориентированном подходе, решения принимаются не с помощью интуиции, ручного ввода и таблиц exel, а на основе точной и правильно проанализированной информации. Более того, умный алгоритм машины может обратить внимание человека на информацию, которую он сам никогда бы не заметил. По такому принципу работают алгоритмы рекомендаций, например, в YouTube или Pinterest.

Все это открывает большие возможности: компания системно видит пути развития, предполагаемые угрозы, точки роста и «ньюансы», на которые раньше никто не обращал внимание.

Исторические большие данные - те, что собраны за определенный период. Они нужны для различных исследований, прогнозирования, выявления трендов и лучшего понимания процессов работы компании. Благодаря их анализу, фармацевтическая компания сможет увидеть, например, что одни лекарственные препараты покупают в первой половине дня, а другие - только во второй. Или обратить внимание, на препараты, которые, как правило, покупают всегда вместе, и сделать соответствующие выводы.

Большие данные в режиме реального времени позволяют анализировать отчеты по продажам и выявлять попытки мошенничества во время операций или быстро менять маркетинговые кампании с учетом поступающей информации о новых продажах и даже помогать выводить на рынок новые продукты.

Согласно исследованиям (IDC, 2019), проведенным в 2019 году, основные причины, побуждающие компании инвестировать в аналитику Big Data:

Ценность быстро и правильно обработанных, проанализированных больших данных для фармацевтической компании можно перечислять до бесконечности. Они помогут понимать потребности и поведение пациентов, привлекать новую целевую аудиторию, оценить удовлетворенность клиентов, прогнозировать результат; быстрее, лучше и с меньшими издержками реагировать на их запросы; предсказывать спрос на препараты заранее; продавать товар в там, где он не продается, но с большой вероятностью был бы востребованы. Естественное следствие такого подхода - рост продаж лекарственных препаратов и увеличение выручки.

Чтобы воспользоваться преимуществами Big Data, необходим комплексный подход.

Оптимальным станет создание собственного, виртуального центр по сбору и обработке информации. Во-первых, потому что большим данным требуется хранилище. И они занимают предсказуемо много места.

Например, продажи всех аптек нашей страны за год - это сотни гигабайт. Такой объем, во-первых, не сможет поместить в своей памяти и обработать одновременно никакой традиционный сервер, даже сконструированный специально для таких задач. Во-вторых, никто в мире еще не придумал универсального софта и «железа», которые подошли бы любой компании - у каждой своя специфика и потребности.

Кроме того, уникальность собственных центров по сбору, хранению и обработке данных позволит компании полностью контролировать информацию, в том числе с помощью ключа шифрования, и быть уверенными на 100% в безопасности.

Дополнительное преимущество собственного центра - «единое окно», по сути, личный кабинет с наглядными дашбордами, удобной отчетностью и т.п. Аналитиков компаний это избавит от бесполезной, рутинной работы по сведению регулярной отчетности в таблицу excel и они могут заняться своей непосредственной работой. Машина готовит данные к использованию от нескольких секунд до нескольких минут. Кроме того, сведение данных в exel – это не анализ больших данных.

Анализ Big Data очень скоро станет повседневной задачей для любой компании. Благодаря развитию технологий и сокращению стоимости систем хранения уже сегодня нужно начинать собирать и хранить большие объемы разнородных данных. Извлечение знаний и пользы из них — задача, которую предстоит в конечном счете решать всем фармацевтическим компаниям, которые стремятся сохранить свою конкурентоспособность и место на рынке. Вложения в Big Data окупятся очень быстро, потому что компании смогут с их помощью приступить к глубокому анализу разнообразных наборов информации, начнут предпринимать действия, исходя из полученных сведений и в конечном счете оптимизировать бизнес-процессы и сократить издержки.