Das Formular wurde erfolgreich abgeschickt.
Weitere Informationen finden Sie in Ihrem Briefkasten.
Sprache auswählen
Innowise hat eine CRM-Plattform für das Gesundheitswesen verfeinert und erweitert und sich dabei auf die Automatisierung von Datenmigrationsprozessen und die Implementierung von KI-gesteuerten operativen und analytischen Verbesserungen konzentriert.
Unser Kunde ist ein führender Anbieter von IT-Lösungen für Pharmaunternehmen. Das Unternehmen hat sich als wichtiger Technologiepartner etabliert und bietet cloudbasierte BI- und KI-gestützte Lösungen, die auf die spezifischen Bedürfnisse des Life-Science-Marktes zugeschnitten sind. Seit mehr als zwei Jahrzehnten unterstützt das Unternehmen große multinationale Pharmakonzerne durch die Entwicklung und Implementierung innovativer Software zur Verbesserung der Geschäftsabläufe.
Die primäre Herausforderung für unseren Kunden war die nahtlose Datenmigration aus bestehenden CRM-Systemen verschiedener Pharmaunternehmen in ihr spezialisiertes CRM-System auf Basis von Microsoft Dynamics 365. Diese Aufgabe umfasste mehr als nur den Datentransfer. Der Kunde benötigte eine umfassende Datenqualitätssicherung, eine Transformation und das Laden in eine neue Umgebung, um die Integrität und Nutzbarkeit der migrierten Daten zu gewährleisten. Weitere Probleme ergaben sich aus:
Um die Herausforderung des Kunden zu bewältigen, konzentrierten wir uns auf drei Hauptkomponenten innerhalb der CRM-Entwicklung im Gesundheitswesen: Entwicklung eines benutzerdefinierten Migrationsrahmens, Durchführung der Qualitätssicherung und Datentransformation sowie Optimierung der Benutzeroberfläche.
Unser Team hat ein maßgeschneidertes Migrations-Framework entwickelt - eine skalierbare Lösung für die Integration verschiedener CRM-Systeme in Microsoft Dynamics 365 und Azure, die speziell auf die komplexen Anforderungen der Pharmaindustrie zugeschnitten sind.
Initialisierung des Landes und Einrichtung der Daten: Um den Migrationsprozess für ein neues Land innerhalb des CRM-Systems eines bestehenden Kunden zu beginnen, stellen wir neue SQL-Server-Schemata bereit, die auf die spezifischen Anforderungen des Landes zugeschnitten sind. Dies beinhaltet die Konfiguration von Pipelines in Azure Data Factory, um die anfängliche Datenlast zu verarbeiten, die eine Mischung aus Excel-Dateien von Kunden und API-Aufrufen umfasst. Diese Phase ist entscheidend für die Erstellung einer grundlegenden Datenstruktur, die in einer "Sandbox"-Umgebung getestet und validiert werden kann, so dass ausgewählte Kundenvertreter Beta-Tests und Schulungen mit teilweise vollständigen Datensätzen durchführen können.
Überprüfung und Umwandlung von Daten: Unser Ansatz für die Bearbeitung eingehender Daten beinhaltet einen sorgfältigen Überprüfungsprozess. Die Dateien, die so standardisiert sind, dass sie gemeinsame Datentypen und Codes enthalten, werden zunächst visuell auf Anomalien wie fehlende Pflichtfelder oder unregelmäßige Codes überprüft. Nach dieser ersten Prüfung werden die Dateien auf SQL Server hochgeladen, wo sie einer detaillierten Überprüfung und Umwandlung in Tabellen unterzogen werden, die für das Laden in Dataverse formatiert sind. Dieser Prozess ist halbautomatisch, wobei bei Bedarf manuelle Anpassungen vorgenommen werden, um länderspezifischen Abweichungen Rechnung zu tragen. Wir erstellen detaillierte Berichte über Datenabweichungen und teilen diese dem Kunden in verständlicher Sprache mit, wobei wir manchmal auf korrigierte Dateien warten oder mit den vorhandenen Daten fortfahren und spätere Änderungen vornehmen.
Integration und Produktionseinführung: Für Länder, die API-Aufrufe verwenden, richten wir Datenimportmechanismen ein und validieren die Genauigkeit der Datentransformationen, bevor wir die fertigen Daten in Dataverse laden. Der Übergang zur Produktion beinhaltet den parallelen Betrieb von Test- und Produktionsumgebungen, wobei erstere vor allem zu Schulungs- und Funktionstestzwecken dient. Diese Phase markiert den Höhepunkt der anfänglichen Einrichtungsbemühungen und führt zu einem Zustand, in dem neue Dateneingaben von Kundennutzern entweder direkt über die Produkte des Kunden in Dataverse eingehen oder weiterhin über API-Aufrufe bezogen werden, wobei unsererseits nur minimale Eingriffe erforderlich sind.
Automatisierte Datenzuordnung und KI-gestützte Bereinigung: Unsere Lösung nutzt die Azure-Funktionen für die automatisierte Datenzuordnung und reduziert den manuellen Aufwand und das Fehlerrisiko durch die Identifizierung von Datenfeldkorrelationen in verschiedenen CRM-Systemen. Ein KI-gestütztes Datenbereinigungsmodul stellt die Integrität der migrierten Daten weiter sicher, indem es Duplikate, unvollständige Einträge und andere Inkonsistenzen identifiziert.
Benutzerdefinierte Integration-APIs und Nutzung von Azure-Diensten: Wir haben benutzerdefinierte Integration-APIs innerhalb der Azure-Umgebung entwickelt, um die unterschiedlichen Datenformate und -strukturen, die in verschiedenen pharmazeutischen CRM-Systemen vorkommen, zu berücksichtigen. Diese APIs bieten zusammen mit Azure-Diensten wie Data Factory, Blob Storage und SQL Server die für eine effiziente Datenmigration und -verwaltung erforderliche Skalierbarkeit und Sicherheit. So erreichten wir einen nahtlosen Datentransfer und hochwertige ETL-Prozesse.
Branchenspezifischer Schwerpunkt: Unser Framework ist speziell auf die besonderen Anforderungen der pharmazeutischen Industrie zugeschnitten und beinhaltet Überlegungen zum Umgang mit sensiblen Daten wie Patienteninformationen, Arzneimittelinformationen und Verkaufsunterlagen unter Einhaltung von Standards und Vorschriften.
Unser Team nutzte Azure Data Factory (ADF), um den Datenaufbereitungsprozess für das CRM des Kunden zu automatisieren und zu verfeinern. Die Strategie umfasste:
Automatisierte Validierungsprüfungen: Mithilfe von ADF haben wir automatisierte Skripte zur Durchführung von Validierungsprüfungen eingerichtet, um sicherzustellen, dass die Daten den Anforderungen des CRMs entsprechen. Die automatisierten Prüfungen helfen dabei, Unstimmigkeiten wie Inkonsistenzen oder fehlende Informationen zu identifizieren und zu kennzeichnen, wodurch sich der manuelle Überprüfungsaufwand erheblich verringert.
ETL-Prozesse mit ADF: Wir haben Datenpipelines für die effiziente Bewegung und Umwandlung von Daten entwickelt. Schema-Zuordnung passt Datenstrukturen aus verschiedenen Quellen automatisch an das Schema des CRMs an und sorgt für Kompatibilität. Für die Datenbereinigung haben wir Regeln innerhalb von ADF angewandt, um Daten zu bereinigen, z. B. Formate zu standardisieren, Duplikate zu entfernen und die Datenqualität zu verbessern.
Komplexe Datentransformationen: Für komplizierte Datenszenarien haben wir ADFs Mapping Data Flows verwendet, um eine codefreie Transformationslogik zu erstellen, die Operationen wie Joins und bedingte Splits verarbeitet, um die Datenintegrität zu gewährleisten.
Dieser Ansatz minimierte manuelle Eingriffe, beschleunigte den Migrationsprozess und stellte sicher, dass die migrierten Daten sofort im CRM genutzt werden konnten.
Um die Benutzeroberfläche des CRMs für den Pharmasektor zu verbessern, konzentrierten wir uns auf mehrere wichtige Verbesserungen:
Backend
Datenmanagement
Azure Data Factory, Azure Speicherkonto, SSMS, XrmToolBox, MS Azure Storage Explorer
Datenbanken
MS SQL Server, MS Azure SQL-Datenbank
KI
Python, NLP, Matching-Modelle, GPT-3, OpenAI API, Azure Kognitive Dienste, Azure Datenfabrik, Datenbausteine
Sicherheit
Azure Active Directory, Azure Key Vault
UI-Optimierung
CSS Grid, Flexbox, Media-Queries
Unser CRM-Entwicklungsprozess für das Gesundheitswesen wurde in mehreren Schritten durchgeführt, um eine nahtlose Migration und Integration für unseren Kunden zu gewährleisten. Während des gesamten Prozesses haben wir uns an die agile Methodik gehalten, um flexibel iterative Verbesserungen vornehmen zu können. Wir setzten MS Teams für die Kommunikation mit dem Kunden und Jira für die Aufgabenverfolgung ein, um in jeder Projektphase Transparenz zu gewährleisten:
Wir begannen mit einer gründlichen Bewertung der bestehenden CRM-Systeme, die von den Pharmaunternehmen verwendet wurden. Es war wichtig, die Datenstrukturen, Arbeitsabläufe und spezifischen Bedürfnisse der einzelnen Unternehmen zu verstehen. Unser Team arbeitete eng mit dem Kunden zusammen, um die Anforderungen und Erwartungen für den Migrationsprozess und die CRM-Entwicklung im Gesundheitswesen zu definieren. Unser Ergebnis in dieser Phase war ein umfassendes Dokument mit Vision und Umfang, in dem der Projektplan, der Zeitplan und die Erwartungen dargelegt wurden.
Unsere Spezialisten entwarfen einen maßgeschneiderten Migrationsrahmen, der auf die Besonderheiten der pharmazeutischen Industrie abgestimmt war. Wir entwickelten detaillierte Datenabbildungs- und -umwandlungsstrategien, um die verschiedenen Datenformate und -standards gemäß den Architekturdiagrammen und einem Datenmigrationsplan zu berücksichtigen.
Wir haben benutzerdefinierte APIs für eine nahtlose Datenintegration entwickelt. Wir setzten automatisierte Tools und Prozesse für die Datenbereinigung und -umwandlung ein, um Datenintegrität und -kompatibilität zu gewährleisten.
Unser Team arbeitete an der Optimierung der CRM-Anwendungen für Web-, Tablet- und mobile Plattformen und konzentrierte sich dabei auf die Verbesserung der Benutzerfreundlichkeit und Zugänglichkeit. Wir lieferten ein voll funktionsfähiges, getestetes und validiertes Migration-Framework zusammen mit verbesserten, einsatzbereiten CRM-Anwendungen.
Innowise führte eine Pilotmigration für ausgewählte Datensätze durch, um den Migrationsprozess und die Effektivität des Frameworks zu validieren. Während des User Acceptance Testings (UAT) testeten wir zusammen mit den Endbenutzern die verbesserten Anwendungen und sammelten Feedback, um Anpassungen vorzunehmen. Anschließend führten wir den Migrationsrahmen und die aktualisierten Anwendungen in allen Kundenumgebungen ein und sorgten für eine minimale Unterbrechung der bestehenden Abläufe.
Wir boten umfassende Schulungen für Endbenutzer und IT-Mitarbeiter sowie eine detaillierte Dokumentation über die neuen Systemfunktionen und Wartungsverfahren.
1
Projektmanager
2
Big Data-Ingenieure
1
Front-End-Entwickler
1
Python-Entwickler
1
QA-Ingenieur
1
Datenanalyst
Die Implementierung unserer Lösung brachte erhebliche Verbesserungen der CRM-Funktionen des Kunden. Dadurch konnten wir die betriebliche Effizienz und das Datenmanagement für die Kunden des Pharmaunternehmens verbessern:
Durch die Bereitstellung einer maßgeschneiderten Lösung, die sowohl die technischen Aspekte als auch die Benutzerfreundlichkeit der CRM-Migration berücksichtigt, haben wir dazu beigetragen, dass unser Kunde seinen Pharmakunden ein effektiveres CRM-System anbieten kann. Unser Team setzt den Prozess der Migration von Daten aus Apothekennetzwerken in das aktualisierte CRM-System unseres Kunden fort. Derzeit konzentrieren wir uns auf den Migrationsprozess für vier spezifische Kunden und Apotheken aus dem Gesundheitswesen, wobei wir unseren Ansatz auf die einzigartigen Bedürfnisse und Datenkomplexe jedes einzelnen Kunden abstimmen.
2x
schnellere Datenmigration
95%
höhere Datengenauigkeit
Sobald wir Ihre Anfrage erhalten und bearbeitet haben, werden wir uns mit Ihnen in Verbindung setzen, um Ihre Projektanforderungen zu besprechen und eine NDA (Vertraulichkeitserklärung) 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 mit Ihnen zu treffen.
Wir unterzeichnen einen Vertrag und beginnen umgehend mit der Arbeit an Ihrem Projekt.
Mit der Anmeldung erklären Sie sich mit unseren Nutzungsbedingungen - als auch mit der Datenschutzrichtlinie, einschließlich der Verwendung von Cookies und der Übermittlung Ihrer persönlichen Daten - einverstanden.
© 2007-2024 Innowise. Alle Rechte vorbehalten.
Datenschutzrichtlinie. Cookies-Richtlinie.
Innowise Sp. z o.o Ul. Rondo Ignacego Daszyńskiego, 2B-22P, 00-843 Warschau, Polen
Vielen Dank!
Ihre Nachricht wurde gesendet.
Wir werden Ihre Anfrage bearbeiten und Sie so schnell wie möglich kontaktieren.
Vielen Dank!
Ihre Nachricht wurde gesendet.
Wir werden Ihre Anfrage bearbeiten und uns so schnell wie möglich mit Ihnen in Verbindung setzen.