大数据背景下的整合业务分析案例分享_光环大数据培训

光环大数据光环大数据-大数据培训知名品牌大数据培训知名品牌http:/hadoop.aura.cn 光环大数据光环大数据 http:/hadoop.aura.cn大数据背景下的整合业务分析案例分享大数据背景下的整合业务分析案例分享_ _光环大数据培训光环大数据培训光环大数据培训机构了解到，基于“HCR Physician 360 数据挖掘模型”在医 药领域的深度应用，详细分析了如何结合医药行业特点，借助大数据技术，助 力业务部门更好地进行商业决策，并对大数据技术在医药领域未来的迭代应用 进行了展望。中国医药决策科技峰会已经成功举办了六届，本届峰会主题为“Insight Week”，聚焦在海量信息数据与技术赋能的双轨驱动下，如何在“技术人 产业环境”下构建深度洞察的桥梁！本届峰会汇聚众多来自医疗领域的行业专家、知名企业代表、就如何深度挖掘 医药领域的数据资产价值、加速产业发展进行了深度的交流和互动。以下是以下是 HCRHCR（慧辰资讯）医疗事业部董事总经理郭尉现场发言实录：（慧辰资讯）医疗事业部董事总经理郭尉现场发言实录：温馨提示：欲获取现场演讲温馨提示：欲获取现场演讲 PPTPPT 完整版，请在公众号后台回复关键词完整版，请在公众号后台回复关键词“郭尉郭尉” 即可自行下载即可自行下载大家早上好，非常高兴重聚医药决策峰会，这是我第三次参加这个会议，前两 此次我分享的内容跟大数据也是有关系的，前两次是分享的是非结构化数据的 挖掘。这回我给大家带来的更多的是结构化，基于 CRM 数据的一个数据挖掘的 case。我们开始分享。首先，这次大会，有很多的讲者都谈到了一个变化，我们看到在过去的几年里 整个医药营销的模式发生了很大改变，从片子中左边的传统营销组合到右边的 可以称为新型营销生态系统。这里微博、微信之前的讲者也都提到了。现在越来越多的公司上了 CRM 系统，我们之前也做了调查，几乎所有的 MNC 药 厂都使用了 CRM 这个工具。整个行业来说，作为行业的从业人员，我们已经认 识到这些变化，在另外的一端，在研究公司，比如比如 HCRHCR 公司，传统的市场调研公司，传统的市场调研 业务正在和业务正在和 CRMCRM，socialsocial media,media, 电商数据，网站和电商数据，网站和 APPAPP 数据等融合，形成大数据等融合，形成大 小数据结合应用为客户提供整合的洞察服务。小数据结合应用为客户提供整合的洞察服务。在我们公司这边，这几年也做了一些大数据相关的项目，我有两个简单的例子， 这个例子是一个电信运营商的 Case，这是客户流失预警模型的搭建，当时是给 移动做的 Case，方法是通过分析离网的客户他在过去的一段时间的行为特点， 建立机器模型，然后回推到全网的用户，如果这个用户有可能要离网的可能， 系统就弹出一个 flag。然后由移动进行客户保留的一些手段，比如说我送他一 些流量，送他一些服务等等。光环大数据光环大数据-大数据培训知名品牌大数据培训知名品牌http:/hadoop.aura.cn 光环大数据光环大数据 http:/hadoop.aura.cn另外一个，这个是个人护理公司，当时 CRM 的会员数据，我们把客户分成了不 同的类型，比如说忠诚的，年轻的，关注精华的，关注基础护理的，还有低价 值的等等。可以看到不同的客户对产品的关注度是不一样的，比如说关注精华 的客户更关注眼部护理，基础护理的客户更多的是化妆水，洁面，乳液。通过 把客户的需求进行划分，可以帮助这家公司更好的设计 CRM 推广计划，EDM，帮 助他推送合适的客户关心的相关的产品促销信息。HCRHCR 数据挖掘模型数据挖掘模型-Physician-Physician 360360基于之前在其他行业的大数据案例，我们医疗团队也慢慢摸索和建立了适合医基于之前在其他行业的大数据案例，我们医疗团队也慢慢摸索和建立了适合医 药客户的挖掘框架。药客户的挖掘框架。我们数据挖掘模型数据挖掘模型-Physician-Physician 360360 是基于 CRM 数据和额外的数据源进行数据挖 掘的模型，这个模型简单来讲是这样，这个模型是一个因和果的模型，商业洞 察无非是我们来试图解释造成结果的原因。这个模型可以帮助我们去衡量因果 的关系。我们看一下这个模型。左边是原因的变量，所有这些变量是基于具体的医生即医药公司的客户，这边 有一系列的原因的变量。右边其实是跟我们的业务相关的，比如第一条-我们客户 mindset 的改变，还有 就是真金白银的处方行为的改变。我们来具体看一下左边这些因变量都包括哪些-医生和客户他对于公司和对于 产品是什么样的，他对病人的分类是什么样的，对疾病的认知和治疗态度，还 有他的性格是什么样的，他愿意不愿意接受更多的拜访。还有医药公司对他进 行的推广活动，还有他更认可哪些专家，他使用品牌的情况是什么样的，他对 哪些产品 attribute 更加关注等等。这里举一个例子，这个医生比如说对某个公司态度是一般的，他遇到某类病人 可能会转诊，担心药占比过高，不愿意积极治疗。她的性格内向，拜访太多觉 得会被打扰了，不喜欢周末时间被联系，她喜欢用微信，喜欢浏览丁香园，她 喜欢视频会议，近期要升副高需要一些写文章的支持，比如说她更认可什么样 的专家，他对于一些推广的评价，她的病人的情况，病人量，大多数是什么样 的病人，对于药品的使用，首选是什么样的，更看重什么方面。大家可以看到光是原因变量就可以给我们提供很多 insights，比如说他需要改 善公司和产品的关系，比如说需要扭转她对目标疾病的看法，比如说服这个疾 病对于她的主要治疗疾病是有帮助的。似乎对于这个医生来说不需要更多的医 药代表的拜访，可能更好的方法是通过线上的方式，等等等等。光环大数据光环大数据-大数据培训知名品牌大数据培训知名品牌http:/hadoop.aura.cn 光环大数据光环大数据 http:/hadoop.aura.cn案例分享案例分享好的，下面我们看一下我们做的这个实际的项目，这次研究我们是基于 12 万条 的拜访。还有 2 万多个会议，包括一些一万多条 Survey 数据，来自于近 9000 个医生。我刚才我们看到了 360 的模式，但是我们到现在为止，数据还不能支持 360 度 的分析，在这次研究，分享的 case 也是有一定的迭代。可以看到，比较多的数 据是蓝色的，其它的需要我们以后逐步迭代来形成。这是这个项目的分析维度覆盖了销售团队，促销组合，客户分析，因果模型等。这是这个项目的分析维度覆盖了销售团队，促销组合，客户分析，因果模型等。 由于今天的时间有限，后面的分享也是从中找了几个分析和大家进行分想。由于今天的时间有限，后面的分享也是从中找了几个分析和大家进行分想。这一页的分析，左下角的图，如果我们把客户分成高处方组，中处方组，低处 方组，然后横坐标是拜访次数，随着拜访数量的增加，高处方组的数量也在增 加。但并不是永远的增加，只是增加到这一个点就平滑了，这也给我们一个提 示，就是说对于高处方组的拜访的次数到底是多少。这个研究在十年前也试图做过，当时我们想通过 survey 数据来做这个事情， tracker 的样本量也比较大，但是在做分析的时候还是非常捉襟见肘，因为把 这些频次排列出来还是只有很少的医生样本，如今如果放在近千个医生，12 万次拜访的数量上面，分析的准确度会做的非常非常好。如果我们来看病人量的多少，如果我们分不同病人量客户分组来看，也有一些 比较有趣的发现，就是对于病人量多的，这个最佳拜访次数也会比较高的，因 为病人很多，所以很多厂家都找这个医生。这边的医生（病人量少）可能不需 要找他很多次。这是基于目前的数据做的分析，客户公司对于不同的客户分级也有不同的要求， 客户分级简单的说，就是高、中、低，肯定是 A1 病人多，处方也高，我们分析 这 12 多万条的数据，发现对于 A 类的客户有一个每个月最少的拜访次数，这个 实际的次数不能达到他的要求的次数，他要求的次数和之前我们得出来的次数 还是有一些差距的，我们通过分析得出来的次数还要高一些。由于数据保密的 原因具体的次数我无法分享出来，这里面的一些洞察可能大家无法完全感受。除了除了 customercustomer 分类的分析，我们可以结合分类的分析，我们可以结合 surveysurvey 数据进行客户细分的分析数据进行客户细分的分析， 我们假设是两维的模型，从左到右是诊疗意识的低和高，比如说对抑郁的治疗 意识，左边是低，右边是高，上下是不同专业方向的区分，如上面的是睡眠， 头晕头痛方面，下面是脑血管方面，我们可以对医生进行分类，同样也可以 做我们非常擅长的 cross tab 分析，如果我们看区域二和三的话，可以看到客 户的诊治意识比较高。光环大数据光环大数据-大数据培训知名品牌大数据培训知名品牌http:/hadoop.aura.cn 光环大数据光环大数据 http:/hadoop.aura.cn还有第二个维度，比如说专业方向，比如说在第二个大区的话，更多的医生是 睡眠头晕方向，在第三个大区可能是脑血管方向，可以提示销售团队和市场的 同事进行针对性的工作。同样，我们可以把刚才的这些数据结合医生分类，我们看到用客户药很多的医 生里，高处方的医生里，我们看到即便是对于处方量高的这些客户，其实从诊 疗意识上还是有很多工作可以做的。下面我跟大家分享这个因果模型下面我跟大家分享这个因果模型，这个模型是由我们的大数据团队专业的做数 据挖掘的同事帮我们建的模，我们试过不同算法最终选的是 C5.0 的这个方法。在建模的时候也试过不同变量组合，比如说客户可以控制的变量如拜访次数， 还有会议类型，还有时间序列的，比如说我们这个项目也做不同的 wave，和之 前的相比。我们今天就先来看右边的可控变量的结果-客户可以通过改变他的 频率和次数来改变。最终的结果，可以看到，拜访还是是最给力的促销方式。第二个，这是拜访的 正评价率，这在 CRM 系统里是包括这个字段的，其次才是会议，我们发现，不 是说不的会议是什么样的，更多的是开多长时间，并不是你讲什么内容。提升 目前市场还是非常的依赖 SOV 的。我们现在有了这个 model 我们有了输出和输入，我们在这个 Case 的时候，我们 也试图做一些尝试，我们知道大数据应该是有预测性。既然我们有 C5.0 的模型， 这里分享了一个变量变化对于客户销售量的影响。这里分享了一个变量变化对于客户销售量的影响。可以看到，我们把高处方的医生这组先去掉，这样可以更好的看到对比。吧 original 拜访此时看作是基础值。如果我们把每周拜访频次加一个 increment，我们可以看到高处方量的这里，经过分析的话，可以看到有很大的 提升，再加一个，加一个，加一个，可以得出这样的预测值，在其它的不变的 时候，只是增加拜访次数，可以看到医生处方的变化情况。大数据技术在医药领域未来的迭代应用大数据技术在医药领域未来的迭代应用说到未来，我们这用了一个迭代这个词，这个项目作我的经历的过程中确实也 感觉是一个迭代，数据越来越多，分析维度也会越来越多，Model 的可靠性也 会提升。首先我们看看现在在哪？整体的 roadmap 是什么样呢，我们从 SFE focused 开 始，然后来到了 segment，最终的目标是围绕个体客户的 360 度分析。我们已 经通过刚才的分享，可以看到这样的情况，大家看到我们的数据量还是不够的， 我们的愿景是达到 360。怎么做呢？怎