La révolution data driven dans l’industrie pharmaceutique

Si l’industrie pharmaceutique a par nature adopté depuis fort longtemps une démarche « evidence-based » dans les domaines de la R&D, ces approches, aussi dites « data-driven », sont bien plus récentes dans l’élaboration des stratégies commerciales et marketing.

L’apport de la datascience (analyse prédictive, datamining, machine learning, sans oublier le geomarketing) a déjà largement fait ses preuves dans l’analyse des données traditionnelles que sont les ventes, les visites, les commandes, les études de marché …

Aujourd’hui, les nouvelles données issues du marketing digital rendent incontournables  ces approches innovantes, pour faire de la donnée un atout stratégique dans la connaissance des clients, l’optimisation de la relation client et le pilotage de la performance marketing et commerciale des laboratoires pharmaceutiques.

Qu’est-ce qu’une stratégie data-driven ? 

Une stratégie data-driven est une démarche itérative orientée par les données.

Elle consiste à comprendre les caractéristiques d’un environnement au travers d’une observation permanente et continue des traces numériques du client. Ces données assurent aux laboratoires d’ancrer leurs stratégies dans le réel, de comprendre les évolutions du digital, et d’adapter en permanence leurs tactiques commerciales/marketing et leurs dispositifs digitaux aux évolutions de leur public.

Quels bénéfices d’une telle stratégie pour  l’industrie pharmaceutique ?

Pour des raisons éthiques évidentes, l’accès aux données client traditionnelles (listes de prescripteurs, prescriptions..) est extrêmement réglementé dans l’industrie pharmaceutique, amenant les laboratoires à travailler sur des données agrégées d’une part, et accessibles à l’ensemble de l’industrie d’autre part. Seules les données internes du laboratoire (issues de leur visite médicale par exemple) sont réellement exclusives au laboratoire.

Tirer un avantage concurrentiel de cette connaissance client consiste donc en un challenge que la datascience permet de relever : 

-     Analyses multidimensionnelles permettant de résumer de grandes quantités de données pour réaliser des segmentations comportementales riches et robustes

-     Analyses prédictives permettant de prédire le comportement d’un prescripteur au regard d’un produit ou d’un canal de communication

-     Analyses geomarketing permettant d’interpoler le poids de la prescription d’un médecin dans une zone géographique sur laquelle la donnée de vente est à l’origine agrégée

A l’heure de la transformation digitale, ces données issues des contacts et interactions digitales avec les clients (emails, présentations en ligne, visualisation de bannières sur des sites professionnels, présentations terrain dématérialisée…) se démultiplient et offrent une nouvelle source de connaissance exclusive du comportement et des attentes client … pour peu qu’elles soient pleinement exploitées.

Prenons l’exemple de la digitalisation de la visite médicale :

Dans l’industrie pharmaceutique, rappelons que les équipes de visiteurs médicaux agissent auprès des médecins, eux même prescripteurs auprès de leurs patients. Il y a encore quelques années, le visiteur médical réalisait auprès du médecin une présentation des pathologies et des produits sur papier, puis faisait un compte rendu sommaire des informations présentées au médecin au sein du CRM

Aujourd’hui, cette documentation est dématérialisée et présentée à l’aide d’une tablette : il est donc possible de comprendre et de mesurer l’intérêt d’un médecin pour telle ou telle thématique : prise en charge d’un traitement par l’Assurance maladie, contre-indications d’un nouveau médicament… en traçant les slides visionnées par le médecin et ses interactions avec celles-ci.

L’intérêt d’une démarche data-driven dans ce contexte est d’adapter en continu le bon contenu au bon médecin : un visiteur médical réalise auprès des médecins visités la séquence de 15 slides de la présentation. Compte tenu du déroulement de cette présentation, il sera possible de lui envoyer par email une présentation affinée à 7 ou 8 slides seulement, contenant les sujets et thématiques pour lesquels le médecin a montré un intérêt.

Au-delà des KPIs permettant de tracer l’audience globale de telle ou telle slide, l’enjeu est bien de capitaliser sur ces nouvelles données client pour :

-      s’adapter en continu au comportement du médecin pour mieux connaître ses attentes/besoins et lui adresser un message personnalisé.

-      délivrer des critères de segmentation et aider à déterminer des profils de médecins.

Mise en œuvre d’une approche de stratégie data-driven : deux conseils clés :

1.     Mettre l’’orientation métier au cœur du projet

Définir dès le début, l’objectif métier qui va guider le projet permet de garantir une démarche orientée ROI. La technicité inhérente à ces projets ne doit pas en faire le domaine exclusif de l’informatique, qui reste évidemment un acteur incontournable. Toute industrie confondue, les organisations doivent exiger de la datascience plus qu’un POC (Proof of concept) mais un POV (Proof of Value).

En effet, l’approche la plus efficace pour construire un modèle ne commence pas avec la donnée, mais en identifiant une opportunité métier et en déterminant comment le modèle pourra améliorer la performance à ce sujet.

2.     Choisir  la bonne donnée

La spécificité de l’univers des données pharmaceutiques requiert une expertise pour sélectionner d’une part dans les systèmes informatiques internes les données pertinentes, et d’autre part pour recommander des acquisitions de données complémentaires à forte valeur. 

Faire appel à une société extérieure spécialiste du domaine présente plusieurs avantages :

-    La maîtrise des nouvelles données du marché (open source ou nouveaux acteurs de la fourniture de données)

-    La possibilité d’intervenir en tant que tiers de confiance dans le partage de nouvelles données en partenariat avec d’autres laboratoires non concurrents ou bien des agences de market research pour ne citer que quelques exemples. Faire preuve de créativité dans le choix de la donnée est la clé pour en faire un atout concurrentiel !

-    Sans oublier, l’accès à des compétences aujourd’hui très prisées sur le marché, que sont les datascientists, capables d’exploiter pleinement ces données et de déployer les solutions analytiques et modèles adaptés. Quitte à réinternaliser à terme ces compétences une fois l’orientation datadriven de l’entreprise clairement installée.

CRM / Machine Learning

Annonces Google