Løsning for dataanalyse i farmasøytisk industri: 30% reduksjon i databehandlingstid

Teamet vårt omstrukturerte og optimaliserte effektivt backend- og frontend-delen av farmasøytisk nettverkssystem, noe som muliggjorde bedre integrasjon og analytiske prosesser for dataanalyse i legemiddelindustrien.

Kunde

Industri

Helsevesen

Region

Kunde siden

2023

Vår kunde er et ledende farmasøytisk konglomerat som driver en av verdens største apotekkjeder med over 8 000 butikker. Nettverket strekker seg over flere land, med hovedfokus på den europeiske regionen. Detaljert informasjon om kunden kan ikke offentliggjøres i henhold til bestemmelsene i taushetsplikten.

Utfordring

Forbedret løsning for dataanalyse i legemiddelindustrien

Vår kunde tilbyr et bredt spekter av legemidler til konkurransedyktige priser gjennom både fysiske utsalgssteder og en nettbasert plattform. De sto overfor en mangesidig utfordring knyttet til datahåndtering og systemfunksjonalitet i nettplattformen for legemiddelnettverket.

Først og fremst var den eksisterende infrastrukturen, som besto av en kombinasjon av et 1C-system og en stor database, utilstrekkelig for de stadig nye analytiske og operasjonelle behovene. Analytikerne slet med ineffektive prosesser og var avhengige av manuelle Excel-baserte beregninger for salgsplanlegging og distribusjonsindeksering. Denne tungvinte tilnærmingen førte til feil, tidsforsinkelser og begrenset datatilgang for ikke-analytisk personale. I tillegg gikk kundens API for spesifikke beregninger tapt, noe som gjorde det nødvendig å gjenskape tabeller og prosedyrer.

Kunden forventet en løsning som kunne effektivisere databehandlingen, øke tilgjengeligheten for alle ansatte og forbedre den generelle effektiviteten i håndteringen av det omfattende apoteknettverket.

Løsning

Forbedret datahåndtering og analysekapasitet i det farmasøytiske nettverkssystemet.

I en omfattende oppgradering av legemiddelnettverkets datahåndtering og analysekapasitet gikk Innowise over fra tradisjonelle, Excel-baserte systemer til et databasedrevet rapporteringsmiljø. Dette medførte en omlegging av både de back-end og front-end systemer, med fokus på datamigrering, prosessoptimalisering og utvikling av spesialtilpassede moduler for dataanalyse i legemiddelindustrien.

Datamigrering og prosessoptimalisering

For å effektivisere kundens datahåndtering gikk vi i gang med å migrere analyseprosessene fra Excel-baserte regneark til dedikerte databaserammer for analyse. Denne migreringen fokuserte på å skape skalerbare løsninger som ikke var begrenset til bestemte produkter eller apoteknettverk. Slik oppnådde vi dette:

Kartlegging og rensing av data: Vi tilordnet data fra de eksisterende Excel-arkene til den nye databasestrukturen og sørget for at all informasjon ble nøyaktig overført og renset for konsistens.
Utvikling av prosedyrer: Ved hjelp av SQL utviklet vi en rekke lagrede prosedyrer og funksjoner i databasen. Disse ble utviklet for å automatisere de analytiske beregningene som tidligere ble utført manuelt i Excel.
Optimeringsteknikker: For å håndtere de enorme datamengdene brukte vi SQL-optimaliseringsteknikker. Dette inkluderte indeksering, spørretuning og batchbehandling, noe som garanterte høy ytelse og rettidig datahenting.

Utvikling av salgsplan og distribusjonsindeks

Utviklingen av modulene Sales Plan og Distribution Index var en viktig del av løsningen vår, som skulle gi kunden innsikt i sanntid:

Modul for salgsplan: Denne modulen ble utviklet for å analysere historiske salgsdata over en tremånedersperiode og bruke disse til å prognostisere fremtidige salgsmål. Vi implementerte komplekse algoritmer som kunne tilpasse seg ulike markedsforhold og etterspørselsmønstre.
Modul for distribusjonsindeks: For å forstå produktenes popularitet og salgstrender på tvers av apotekene opprettet vi en distribusjonsindeks. Dette innebar at vi analyserte salgs-, innkjøps- og lagerdata for å identifisere hvilke produkter som gjorde det bra på hvilke steder, noe som muliggjorde en mer strategisk lagerstyring.

API- og databaseutvikling

Vi utviklet et nytt API og en ny databasearkitektur for å sikre sømløs dataflyt fra det gamle systemet til kundens portal:

Databasedesign: Den nye databasen var strukturert for å støtte store datamengder og samtidig opprettholde høy ytelse. Den inneholdt tabeller for salgs-, lager- og brukerdata, med relasjoner som var optimalisert for enkel spørring.
API-utvikling: API-et, som ble bygget ved hjelp av Python og Flask, var grensesnittet mellom databasen og kundens portal. Det ble utviklet for å håndtere forespørsler om datainnhenting og -behandling og sende tilbake forhåndsberegnede og formaterte data som lederne kunne bruke.

Skreddersydde løsninger: API-rekreasjon og -integrasjon

Det var en utfordring å gjenskape det tapte API-et, noe som krevde en dyp forståelse av kundens tidligere system og de tiltenkte beregningene:

API-rekonstruksjon: Vi begynte med å forstå den tiltenkte funksjonaliteten til det tapte API-et. Gjennom diskusjoner med kunden og analyse av tilgjengelig dokumentasjon rekonstruerte vi de nødvendige funksjonene.
Utvikling og testing: Bruk av Python, utviklet vi et nytt sett med API-er som gjenskaper de tapte funksjonene. Vi testet API-ene grundig for å sikre nøyaktighet og pålitelighet.
Integrering med eksisterende systemer: De nyutviklede API-ene ble deretter sømløst integrert i kundens eksisterende system for å fungere sammen med den overordnede arkitekturen.

Teknologier

Back end

Python, Flask

Front end

JavaScript, React.js

Databaser

Microsoft SQL Server

API-utvikling

Python, Flask

Optimeringsteknikker

Optimalisering av SQL-spørringer, indeksering

Python Rammeverk for enhetstesting

Prosjektledelse

Jira

VCS

Git

Kontinuerlig integrering/distribusjon

Jenkins

Dataanalyse og -behandling

SQL, Python Pandas

Prosess

Vår satsing på Agile-metodikken muliggjorde en transparent, iterativ og samarbeidsorientert prosess. Vi startet prosjektet med å utarbeide et detaljert visjons- og omfangsdokument, som fungerte som veikart. I løpet av utviklingsprosessen delte vi arbeidet inn i følgende faser:

Oppdagelse og planlegging: I den innledende fasen var målet vårt å få en dyp forståelse av kundens spesifikke krav. Vi utviklet en plan som skisserte løsningen og la grunnlaget for de påfølgende fasene.
Dataanalyse og back-end-utvikling: Her skiftet vi fokus til det tekniske grunnlaget for prosjektet. Teamet undersøkte kundens datalandskap, analyserte de eksisterende strukturene og anbefalte forbedringer. Samtidig startet vi back-end-utviklingen ved hjelp av Python og SQL. Denne fasen var avgjørende for å legge den digitale infrastrukturen for smidig datahåndtering og -behandling.
Testing: Post back-end development, we initiated a testing phase, focusing on back-end and front-end components. This stage included unit, integration, and user acceptance tests to ensure system stability. Further, testing was conducted regularly throughout the subsequent stages.
Front-end-utvikling og integrering: I denne siste fasen sto brukeropplevelsen i fokus. Frontend-utviklerne våre skapte et intuitivt og responsivt brukergrensesnitt. Høydepunktet i denne fasen var integreringen av front-end med back-end.

Team

Prosjektleder

Back-end-utviklere

Front-end-utvikler

Kvalitets- sikringsingeniør

Databaseadministrator

Dataanalytiker

Resultater

Redesignet dataanalysesystem i legemiddelindustrien og 50% økning i effektiviteten i salgsrapporteringen

Implementeringen av det nyutviklede systemet for dataanalyse i farmasøytisk industri hadde en betydelig innvirkning på kundens nettverksdrift. Ved å gå fra manuelle, Excel-baserte prosesser til et databasedrevet system oppnådde vi betydelige effektivitetsforbedringer og konkrete fordeler for apotekpersonalet:

Forbedret lagerstyring for apotek: Modulene Sales Plan og Distribution Index gir sanntidsdata om salgstrender og lagerbehov for å optimalisere lagernivåene og sikre at etterspurte legemidler alltid er tilgjengelige.
Strømlinjeformet rapportering for apotekpersonalet: De automatiserte arbeidsflytene for databehandling letter rapporteringsbyrden for apotekpersonalet - de kan nå generere salgs- og lagerrapporter dobbelt så raskt.
Forbedrede salgsstrategier: Med innsikt fra de nye modulene med dataanalyse i legemiddelindustrienkan kunden ta mer informerte avgjørelser om hvilke medisiner som skal markedsføres eller bestilles mer av.
Enklere tilgang til informasjon for ledere: Integreringen av det nye API- og databasesystemet har effektivisert informasjonsflyten. Apoteksjefer og ansatte har enkel tilgang til alt fra salgstall til lagernivåer.
Raskere integrering av data: Dataintegrasjonsverktøy gjør det mulig å konsolidere informasjon fra ulike kilder raskt. Dette reduserte tiden og innsatsen som trengtes for å samle inn data, og sørget for at de ansatte hadde den nyeste informasjonen lett tilgjengelig.

Teamet vårt er fortsatt engasjert i den pågående prosjektutviklingen. Vi fokuserer for tiden på å utvikle spesialiserte moduler som lagerstyringsmodulen med prediktiv analyse for å redusere forekomsten av overlagring eller utsolgte varer, og Pharmacy Performance Analytics Module for å analysere resultatene til de enkelte apotekene i nettverket.

Prosjektets varighet

Januar 2023 - Løpende

50%

økt effektivitet i salgsrapporteringen

30%

reduksjon i databehandlingstid

Relaterte saker

Ta kontakt med oss!

Bestill en samtale eller fyll ut skjemaet nedenfor, så kontakter vi deg så snart vi har behandlet forespørselen din.

Hva skjer videre?

Etter at vi har mottatt og behandlet forespørselen din, vil vi komme tilbake til deg innen kort tid for å beskrive prosjektbehovene dine og undertegne en taushetserklæring for å sikre informasjonens konfidensialitet.

Etter å ha undersøkt kravene, utarbeider våre analytikere og utviklere en prosjektforslag med arbeidsomfang, teamstørrelse, tid og kostnader estimater.

Vi arrangerer et møte med deg for å diskutere tilbudet og komme til en avtale.

Vi signerer en kontrakt og begynner å jobbe med prosjektet ditt så raskt som mulig.

Løsning for dataanalyse i farmasøytisk industri: 30% reduksjon i databehandlingstid

Kunde

Utfordring

Forbedret løsning for dataanalyse i legemiddelindustrien

Løsning