Origen
El cliente es una empresa farmacéutica global especializada en salud cerebral, con una amplia fuerza de ventas en todo Canadá. Necesitaban modernizar su proceso de establecimiento de cuotas de ventas, especialmente para dos medicamentos de alto rendimiento. Su proceso actual era manual y se basaba principalmente en datos históricos de ventas.
Desafío
El enfoque tradicional de previsión tenía varias limitaciones: • Esfuerzo manual: requería mucho tiempo. • Múltiples factores influyentes: las cuotas de ventas se basaban en las ventas históricas, la actividad de la competencia, el comportamiento de prescripción de los médicos y la dinámica del mercado. • Fragmentación de datos: estas variables se almacenaban en diferentes tablas, lo que complicaba la integración. El cliente necesitaba una solución automatizada y basada en datos que pudiera integrar múltiples tablas de datos y proporcionar previsiones precisas y detalladas.
Enfoque
Implementación del mejor enfoque de modelo de IA/ML en la solución de previsión siguiendo los siguientes pasos: 1. Integración de datos: Extracción de datos de IQVIA, incluyendo: -Historial de ventas -Datos de médicos -Tendencias del mercado -Rendimiento de la competencia 2. Preparación de datos: o Limpieza y estructuración de los datos. o Diseño de características específicas de los medicamentos para mejorar la relevancia del modelo. 3. Técnicas de modelización: o Se utilizó una combinación de SARIMA (para series temporales), Random Forest y XGBoost (para el reconocimiento de patrones y la predicción), y se seleccionó el modelo más adecuado. o Se entrenaron los modelos para pronosticar las ventas mensuales a nivel de MSA.
Resultados clave
Beneficios
Mediante la integración de diversas fuentes de datos, incluyendo ventas históricas, datos médicos y tendencias de mercado, y empleando una combinación de modelos avanzados de IA/ML como SARIMA, Random Forest y XGBoost, Keyrus desarrolló una solución que alcanzó una precisión de predicción de aproximadamente el 70 % a nivel de MSA y mensual. Este sistema automatizado y basado en datos redujo significativamente la carga de trabajo manual y los errores humanos, lo que permitió una planificación de ventas más oportuna y eficaz, al tiempo que resultó escalable para su uso futuro en otros medicamentos.
Partners tecnológicos
Python
Comparte esta key play
