i

  随着两票制和公立医院取消药品加成等一系列医疗改革政策的试行和推广,药品生产企业迎来了新的挑战和机会。一方面,药品中间流通环节将大幅减少,使得药厂越来越多的依赖于药店和医院等终端的营销拉动;另一方面,提高生产药品的质量,确保消费者吃完药之后有好的治疗效果,树立好的口碑和品牌形象,将成为优秀药企的核心竞争力。如何通过信息化手段,尤其是最前沿的人工智能与认知计算技术,来提高药厂的市场竞争力,充满了未知和挑战。网感至察自主研发的TML认知计算平台在医药生产行业的一些落地实践,为这个方向提供了一些参考。

  药厂的生产经营,一般可以分为研制、生产、营销和销售使用四个步骤。在每一个环节,都产生了大量的数据,现有的信息化手段,绝大多数集中在将信息进行收集和管理,例如部署生产线的MES系统来收集生产过程中的数据,部署药品流向数据直连系统(DDI)来获取药品销售中的流向报表汇总。

  这里面存在着几方面的问题:

  一是数据丢失,药厂无法获得消费者购买药品并使用药品的数据,甚至难以直接触达这些用户;

  二是数据孤岛,各个系统的数据难以打通,例如流向系统的结果应该与HR部门的绩效考核实时打通;

  三是脏数据,例如DDI获取的流向数据只是一部分,它需要与第三方数据例如南方医药经济研究所的数据、以及企业自己的业务代表提交的数据相校验和对齐时,需要繁重的人工工作去清洗和对齐,费时耗力;

  四是收集上来的数据未能全面深入的分析并发挥价值,例如MES系统没有分析挖掘用来预测设备的故障,流向数据没有分析挖掘用来预测最应该开展学术营销的地区和医院。

  网感至察的智慧药企解决方案,主要从研发、营销和销售从这三个环节切入,利用自身领先的认知计算与人工智能技术,来帮助药厂解决上述问题。认知计算的核心流程是将各种脏数据打通对齐,针对业务场景需求将数据结构化,然后基于结构化数据训练出推理和预测能力,并进一步与现有业务系统相融合以优化业务和服务用户。因此,但凡是有大量的数据需要分析利用挖掘其价值的场合,认知计算都能发挥重要的作用。

image

  在产品研发上,认知计算的成功实践包括:

  (1)帮助药厂与医院联合开展药品不良反应的数据分析,从病历和疾病描述中自动抽取报告时间、不良反应类型、产品名称、批号、用法用量、用药原因、不良反应的症状、不良反应的时间、采取措施干预不良反应的时间、终结时间等大约二十种要素,用于后续的统计与分析;

  (2)帮助药厂收集和分析消费者对OTC药品和保健品的评价,从服用效果、副作用、价格、成份、禁忌症等十几种维度,与竞品进行比较,了解最新的流行趋势和与竞争对手的细粒度差异。认知计算在这方面的主要工作是,帮助药厂快、准、深的去智能分析各种海量的数据,既包括消费者声音、又包括病历等各类业务数据。

  市场营销是不少药厂最为重视的环节,认知计算体现出来的重要性也最直接。在销售数据的整理和分析上,随着终端数据日渐重要,DDI将因为无法覆盖终端而不再能满足业务需要。一般采取的办法是,将包括各地业务代表上传的数据等在内的不同来源的数据,在缺乏药品和经销商主数据库的情况下相互合并,此时认知计算可以最大发挥作用。它能够理解非标准的数据,自动对齐其中的大多数,对少部分无法处理的数据则在人工干预一遍之后也将可以完全自动处理。通过认知计算,终端销售流向的汇总分析所需要的时间,可以从传统的35天,缩减到一天之内。药厂可以进一步以此为基础,来实时发现不同目标地区、不同销售团队、不同产品品类的动销率、客户流失率、人员绩效等方面的异常并采取措施。总的来说,基于认知计算,可以建立药厂的智慧营销大脑,实时洞察市场营销工作中的所有进展和异常,并给出处理建议。

  药品的销售使用是药厂目前最薄弱的环节,因为终端拉动的主要两类人群,医生和消费者,都不在药厂的直接影响范围内。药厂通常会有成百上千人的业务代表在全国各地开展学术营销,通过医生去影响和触达消费者。认知计算在这里可以发挥作用。已经有一些药厂推出了自己的慢性病管理系统,让开出和使用该药物的医生和病人能够通过这个系统,对病人做一些后续的跟踪和咨询,确保药物的效果正常发挥,帮助病人早日康复。但由于医生和药厂都没有足够时间精力去实时服务每一位患者在用药中的问题,以认知计算能力作为中枢的药品咨询机器人,将能自动解决这个问题。它能够开展自诊、药品咨询、药方搜索等多种智能服务,并在无法满足需求时转接到人工服务。

image

  我们相信,随着药企信息化水平的提升,大量的数据被及时采集和保存之后,将会有更多的应用场景,有待认知计算来挖掘和提炼数据的价值,帮助药企提高运营水平、优化营销效率和创造营业收入。在不远的将来,药企每个环节的数据都将被采集、存储和打通,并可以通过认知计算发挥更大的价值,为消费者提供更好的产品服务。

  公司的核心竞争力是有着近20年算法积累的非结构化文本分析挖掘与自然语言理解技术,基于此提供了一系列企业级人工智能解决方案。公司目前在脏数据与非结构化数据治理、数据洞察、智能人机交互、用户画像与精准推荐等多个环节推出了相应的产品。公司自主研发的TML认知计算平台包括大规模深层语义搜索、知识图谱和机器学习等多个领域的技术创新,其核心为自主研发的通用文本挖掘编程语言TML,包括编译器、运行虚拟机和图形开发环境。(孟涛)