Lösung für die Datenanalyse in der Pharmaindustrie: 30% Verkürzung der Datenverarbeitungszeit

API

Datenanalyse

Datenmanagement (DMS)

Unser Team restrukturierte und optimierte das Back-End- und Front-End-System des Pharmanetzwerks, um bessere Integrations- und Analyseprozesse für Datenanalyse in der Pharmaindustrie.

Der Kunde

Branche

Gesundheitswesen

Region

Kunde seit

2023

Unser Kunde ist ein führender Pharmakonzern, der mit über 8.000 Niederlassungen eine der größten Apothekenketten weltweit betreibt. Ihr Netzwerk erstreckt sich über verschiedene Länder, wobei der Schwerpunkt auf dem europäischen Raum liegt. Detaillierte Informationen über den Kunden können aufgrund der Bestimmungen des NDA nicht offengelegt werden.

Herausforderung

Verbesserte Lösung für die Datenanalyse in der pharmazeutischen Industrie

Unser Kunde bietet eine breite Palette von Arzneimitteln zu wettbewerbsfähigen Preisen sowohl über physische Verkaufsstellen als auch über eine Online-Plattform an. Er sah sich mit einer vielschichtigen Herausforderung konfrontiert, die sich auf die Datenverwaltung und die Systemfunktionalität innerhalb der Webplattform seines pharmazeutischen Netzwerks konzentrierte.

In erster Linie war die bestehende Infrastruktur, die eine Kombination aus einem 1C-System und einer großen Datenbank umfasste, für die sich entwickelnden analytischen und betrieblichen Anforderungen unzureichend. Die Analysten kämpften mit ineffizienten Prozessen und verließen sich auf manuelle Excel-basierte Berechnungen für die Absatzplanung und Vertriebsindexierung. Dieser schwerfällige Ansatz führte zu Fehlern, Zeitverzögerungen und eingeschränktem Datenzugriff für Mitarbeiter, die nicht in der Analyse tätig sind. Außerdem ging die API des Kunden für bestimmte Berechnungen verloren, so dass Tabellen und Verfahren neu erstellt werden mussten.

Der Kunde erwartete eine Lösung, die seine Datenverarbeitung rationalisiert, die Zugänglichkeit für alle Mitarbeiter verbessert und die Gesamteffizienz bei der Verwaltung seines umfangreichen Apothekennetzes erhöht.

Lösung

Verbesserte Datenverwaltung und Analysefähigkeiten des pharmazeutischen Netzwerksystems

Im Rahmen einer umfassenden Modernisierung der Datenverwaltung und der analytischen Fähigkeiten des pharmazeutischen Netzwerks stellte Innowise seine Prozesse von herkömmlichen, Excel-basierten Systemen auf eine datenbankgestützte Berichtsumgebung um. Dies erforderte eine Neuentwicklung sowohl der Back-End- und Front-End- Systeme mit Schwerpunkt auf Datenmigration, Prozessoptimierung und der Entwicklung von kundenspezifischen Modulen für die die Datenanalyse in der pharmazeutischen Industrie.

Datenmigration und Prozessoptimierung

Um die Effizienz der Datenverwaltung des Kunden zu verbessern, begannen wir mit der Migration seiner Analyseprozesse von Excel-basierten Tabellenkalkulationen zu speziellen Datenbank-Frameworks für Analysen. Diese Migration konzentrierte sich auf die Schaffung skalierbarer Lösungen, die nicht auf bestimmte Produkte oder Apothekennetze beschränkt waren. Wie wir das erreicht haben, sehen Sie hier:

Datenzuordnung und -bereinigung: Wir übertrugen die Daten aus den bestehenden Excel-Tabellen in die neue Datenbankstruktur und stellten sicher, dass alle Informationen korrekt übertragen und auf Konsistenz bereinigt wurden.
Entwicklung von Verfahren: Unter Verwendung von SQL entwickelten wir eine Reihe von gespeicherten Verfahren und Funktionen in der Datenbank. Diese wurden entwickelt, um die analytischen Berechnungen zu automatisieren, die zuvor manuell in Excel durchgeführt wurden.
Optimierungsverfahren: Um die riesigen Datenmengen zu bewältigen, haben wir SQL-Optimierungstechniken eingesetzt. Dazu gehörten Indexierung, Abfrageoptimierung und Stapelverarbeitung, die eine hohe Leistung und einen zeitnahen Datenabruf garantierten.

Entwicklung von Verkaufsplan und Vertriebsindex

Die Entwicklung der Module Verkaufsplan und Vertriebsindex war ein entscheidender Teil unserer Lösung, um dem Kunden Einblicke in Echtzeit zu geben:

Verkaufsplan-Modul: Dieses Modul wurde entwickelt, um historische Verkaufsdaten über einen Zeitraum von drei Monaten zu analysieren und daraus Prognosen für zukünftige Verkaufsziele abzuleiten. Wir haben komplexe Algorithmen implementiert, die sich an verschiedene Marktbedingungen und Produktnachfragemuster anpassen können.
Vertriebsindex-Modul: Um die Beliebtheit der Produkte und die Verkaufstrends in den Apotheken zu verstehen, haben wir einen Vertriebsindex erstellt. Dies beinhaltete die Analyse von Verkaufs-, Einkaufs- und Bestandsdaten, um zu ermitteln, welche Produkte an welchen Standorten gut liefen, was ein strategischeres Bestandsmanagement ermöglichte.

API- und Datenbankentwicklung

Wir entwickelten eine neue API- und Datenbankarchitektur, um einen nahtlosen Datenfluss vom alten System zum Portal des Kunden zu gewährleisten:

Datenbank-Design: Die neue Datenbank wurde so strukturiert, dass sie große Datenmengen unterstützt und gleichzeitig eine hohe Leistung bietet. Sie enthielt Tabellen für Verkaufs-, Bestands- und Benutzerdaten, deren Beziehungen für eine einfache Abfrage optimiert waren.
API-Entwicklung: Die mit Python und Flask erstellte API bildete die Schnittstelle zwischen der Datenbank und dem Portal des Kunden. Sie wurde entwickelt, um Anfragen zum Abruf und zur Verarbeitung von Daten zu bearbeiten und vorberechnete und formatierte Daten zur Verwendung durch die Manager zurückzusenden.

Kundenspezifische Lösungen: API-Wiederherstellung und -Integration

Die Wiederherstellung der verlorenen API stellte eine Herausforderung dar, die ein tiefes Verständnis des früheren Systems des Kunden und der beabsichtigten Berechnungen erforderte:

API-Rekonstruktion: Wir begannen damit, die beabsichtigte Funktionalität der verlorenen API zu verstehen. Durch Gespräche mit dem Kunden und die Analyse der verfügbaren Dokumentation haben wir die erforderlichen Funktionen zurückentwickelt.
Entwicklung und Testing: Mit Python entwickelten wir eine neue Reihe von APIs, die die verlorenen Funktionen nachbilden. Wir haben die APIs gründlich getestet, um Genauigkeit und Zuverlässigkeit zu gewährleisten.
Integration mit bestehenden Systemen: Die neu entwickelten APIs wurden dann nahtlos in das bestehende System des Kunden integriert, um mit der Gesamtarchitektur zusammenzuarbeiten.

Technologien

Back-end

Python, Flask

Frontend

JavaScript, React.js

Datenbanken

Microsoft SQL Server

API-Entwicklung

Python, Flask

Optimierungsverfahren

SQL Query Optimization, Indexing

Python Unit Testing Frameworks

Projektmanagement

Jira

VCS

Git

Kontinuierliche Integration/Entwicklung

Jenkins

Datenanalyse und -verarbeitung

SQL, Python Pandas

Prozess

Unser Engagement für die agile Methodik ermöglichte einen transparenten, iterativen und gemeinschaftlichen Prozess. Zu Beginn des Projekts erstellten wir ein detailliertes Dokument zu Vision und Scope, das uns als Fahrplan diente. Während des Entwicklungsprozesses haben wir unsere Arbeit in die folgenden Phasen unterteilt:

Entdeckung und Planung: In der Anfangsphase bestand unser Ziel darin, ein tiefes Verständnis für die spezifischen Anforderungen des Kunden zu gewinnen. Wir entwickelten einen Plan, der das Konzept der Lösung umriss und die Grundlage für die nachfolgenden Phasen bildete.
Datenanalyse und Back-end Entwicklung: Hier verlagerte sich unser Schwerpunkt auf die technische Grundlage des Projekts. Das Team untersuchte die Datenlandschaft des Kunden, analysierte die bestehenden Strukturen und schlug Verbesserungen vor. Parallel dazu begannen wir mit der Back-end Entwicklung unter Einsatz von Python und SQL. Diese Phase war entscheidend, um die digitale Infrastruktur für eine reibungslose Datenverwaltung und -verarbeitung zu schaffen.
Testen: Nach der Back-End Entwicklung begannen wir mit einer Testphase, die sich auf Back-End- und Front-End-Komponenten konzentrierte. Diese Phase umfasste Unit-, Integrations- und Benutzerakzeptanztests, um die Systemstabilität sicherzustellen. Darüber hinaus wurden in den folgenden Phasen regelmäßig Tests durchgeführt.
Front-End Entwicklung und Integration: In dieser letzten Phase lag der Schwerpunkt auf der Benutzerfreundlichkeit. Unsere Front-End Entwickler entwarfen eine intuitive und reaktionsschnelle Benutzeroberfläche. Der Höhepunkt dieser Phase war die Integration des Front-ends mit dem Back-end.

Team

Project Manager

Back-end Entwickler

Front-end Entwickler

QA Engineer

Datenbank-Administrator

Datenanalyst

Ergebnisse

Neugestaltung des Datenanalysesystems in der pharmazeutischen Industrie und eine 50% Steigerung der Effizienz der Umsatzberichterstattung

Die Umsetzung des umgestalteten Systems der Datenanalytik in der Pharmaindustrie hatte einen erheblichen Einfluss auf den Betrieb des Kundennetzes. Durch die Umstellung von manuellen, Excel-basierten Prozessen auf ein datenbankgestütztes System erzielten wir erhebliche Effizienzsteigerungen und spürbare Vorteile für das Apothekenpersonal:

Verbessertes Bestandsmanagement für Apotheken: Die Module Verkaufsplan und Vertriebsindex liefern Echtzeitdaten zu pharmazeutischen Verkaufstrends und Lagerbestandsanforderungen, um die Lagerbestände zu optimieren und sicherzustellen, dass stark nachgefragte Medikamente stets verfügbar sind.
Optimierte Berichterstattung für das Apothekenpersonal: Die automatisierten Datenverarbeitungs-Workflows entlasten das Apothekenpersonal bei der Berichterstellung - es kann nun doppelt so schnell Umsatz- und Bestandsberichte erstellen.
Verbesserte Verkaufsstrategien: Mit Erkenntnissen aus den neuen Modulen mit Datenanalyse in der Pharmaindustrie kann der Kunde fundiertere Entscheidungen darüber treffen, welche Medikamente er bewerben oder in größerer Stückzahl bestellen sollte.
Leichterer Informationszugang für Manager: Durch die Integration des neuen API- und Datenbanksystems wurde der Informationsfluss optimiert. Apothekenleiter und -mitarbeiter können problemlos auf Daten zugreifen, von Verkaufszahlen bis zu Lagerbeständen.
Schnellere Datenintegration: Datenintegrationstools ermöglichen die schnelle Konsolidierung von Informationen aus verschiedenen Quellen. Dadurch verringerte sich der Zeit- und Arbeitsaufwand für die Datenzusammenstellung und und stellte sicher, dass die Mitarbeiter stets über die neuesten Informationen verfügten

Derzeit ist unser Team weiterhin mit der laufenden Projektentwicklung beschäftigt. Wir konzentrieren uns derzeit auf die Entwicklung spezieller Module wie das Bestandsverwaltungsmodul mit prädiktiver Analytik zur Verringerung von Überbeständen oder Fehlbeständen und das Modul zur Analyse der Apothekenleistung, um die Leistung der einzelnen Apotheken innerhalb des Netzwerks zu analysieren.

Projektdauer

Januar 2023 - Fortlaufend

50%

Steigerung der Effizienz der Umsatzberichterstattung

30%

Verkürzung der Datenverarbeitungszeit

Kontaktieren Sie uns!

Buchen Sie einen Anruf oder füllen Sie das Formular unten aus und wir melden uns bei Ihnen, sobald wir Ihre Anfrage bearbeitet haben.

Name

Unternehmen

E-Mail

Telefon

Nachricht Bitte fügen Sie Projektdetails, Dauer, Technologie-Stack, benötigte IT-Experten und andere Infos bei.

Bitte fügen Sie Projektdetails, Dauer, Technologie-Stack, benötigte IT-Experten
und andere Infos bei.

Hängen Sie nach Bedarf zusätzliche Dokumente an.

Datei hochladen

Sie können bis zu 1 Datei von insgesamt 2 MB anhängen. Gültige Dateien: pdf, jpg, jpeg, png

Bitte beachten Sie, dass Innowise mit dem Anklicken der Schaltfläche 'Senden' Ihre persönlichen Daten nach der Datenschutzrichtlinie verarbeiten wird, um Ihnen die gewünschten Informationen zukommen zu lassen.

Wie geht es weiter?

Sobald wir Ihre Anfrage erhalten und bearbeitet haben, werden wir uns mit Ihnen in Verbindung setzen, um Ihre Projektanforderungen zu besprechen und eine NDA für die Vertraulichkeit der Informationen zu unterzeichnen.

Nach der Prüfung der Anforderungen erstellen unsere Analysten und Entwickler einen Projektvorschlag, der Arbeitsumfang, Teamgröße, Zeit- und Kostenschätzung enthält.

Wir vereinbaren einen Termin mit Ihnen, um das Angebot zu besprechen und eine Vereinbarung zu treffen.

Wir unterzeichnen einen Vertrag und beginnen umgehend mit der Arbeit an Ihrem Projekt.

Lösung für die Datenanalyse in der Pharmaindustrie: 30% Verkürzung der Datenverarbeitungszeit

Der Kunde

Herausforderung

Verbesserte Lösung für die Datenanalyse in der pharmazeutischen Industrie

Lösung