Oplossing voor gegevensanalyse in de farmaceutische industrie: 30% reductie in gegevensverwerkingstijd

API

Data analytics

Data management (DMS)

Ons team heeft de back-end en front-end van het farma-netwerksysteem effectief geherstructureerd en geoptimaliseerd, waardoor betere integratie en analytische processen mogelijk werden voor gegevensanalyse in de farmaceutische industrie.

Klant

Industrie

Gezondheidszorg

Regio

Klant sinds

2023

Onze klant is een toonaangevend farmaceutisch conglomeraat dat wereldwijd een van de grootste apotheekketens heeft, met meer dan 8.000 vestigingen. Hun netwerk strekt zich uit over verschillende landen, voornamelijk gericht op de Europese regio. Gedetailleerde informatie over de klant kan niet worden vrijgegeven onder de bepalingen van de NDA.

Uitdaging

Verbeterde oplossing voor gegevensanalyse in de farmaceutische industrie

Onze klant biedt een breed scala aan geneesmiddelen tegen concurrerende prijzen via zowel fysieke verkooppunten als een online platform. Ze stonden voor een veelzijdige uitdaging die zich concentreerde op gegevensbeheer en systeemfunctionaliteit binnen hun farmaceutisch netwerkwebplatform.

Vooral hun bestaande infrastructuur, een combinatie van een 1C-systeem en een grote database, voldeed niet aan hun veranderende analytische en operationele behoeften. Analisten worstelden met inefficiënte processen en vertrouwden op handmatige Excel-berekeningen voor verkoopplanning en distributie-indexering. Deze omslachtige aanpak leidde tot fouten, vertragingen en beperkte gegevenstoegang voor niet-analytisch personeel. Bovendien was de API van de klant voor specifieke berekeningen verloren gegaan, waardoor tabellen en procedures opnieuw moesten worden gemaakt.

De klant verwachtte een oplossing die hun gegevensverwerking zou stroomlijnen, de toegankelijkheid voor alle medewerkers zou verbeteren en de algehele efficiëntie bij het beheren van hun uitgebreide apothekennetwerk zou verhogen.

Oplossing

Verbeterd gegevensbeheer en analytische mogelijkheden van het farmaceutisch netwerksysteem

In een belangrijke upgrade van het gegevensbeheer en de analytische capaciteiten van het farmaceutisch netwerk stapte Innowise over van traditionele, op Excel gebaseerde systemen naar een databasegestuurde rapportageomgeving. Dit betekende een herontwikkeling van zowel de back-end en front-end systemen, gericht op gegevensmigratie, procesoptimalisatie en de ontwikkeling van aangepaste modules voor data analytics in de farmaceutische industrie.

Datamigratie en procesoptimalisatie

Om de efficiëntie van het gegevensbeheer bij de klant te verbeteren, begonnen we met de migratie van hun analytische processen van op Excel gebaseerde spreadsheets naar speciale databaseframeworks voor analyses. Deze migratie was gericht op het creëren van schaalbare oplossingen die niet beperkt waren tot specifieke producten of apotheeknetwerken. Dit is hoe we dit hebben bereikt:

Gegevens in kaart brengen en opschonen: We brachten de gegevens van de bestaande Excel-sheets in kaart in de nieuwe databasestructuur en zorgden ervoor dat elk stukje informatie nauwkeurig werd overgezet en opgeschoond voor consistentie.
Ontwikkeling van procedures: Met behulp van SQL ontwikkelden we een reeks opgeslagen procedures en functies in de database. Deze waren ontworpen om de analytische berekeningen te automatiseren die voorheen handmatig in Excel werden uitgevoerd.
Optimalisatietechnieken: Om de enorme datavolumes te kunnen verwerken, pasten we SQL optimalisatietechnieken toe. Dit omvatte indexering, query-tuning en batchverwerking, waardoor hoge prestaties en het tijdig ophalen van gegevens gegarandeerd werden.

Ontwikkeling verkoopplan en distributie-index

De ontwikkeling van de modules Sales Plan en Distribution Index was een cruciaal onderdeel van onze oplossing, met als doel de klant real-time inzichten te verschaffen:

Module verkoopplan: Deze module werd ontworpen om historische verkoopgegevens over een periode van drie maanden te analyseren en deze te gebruiken om toekomstige verkoopdoelen te voorspellen. We implementeerden complexe algoritmen die zich konden aanpassen aan verschillende marktomstandigheden en vraagpatronen voor producten.
Module Distributie-index: Om inzicht te krijgen in de populariteit van producten en verkooptrends in apotheken, hebben we een distributie-index gemaakt. Hierbij werden verkoop-, inkoop- en voorraadgegevens geanalyseerd om te bepalen welke producten het goed deden op welke locaties, waardoor een strategischer voorraadbeheer mogelijk werd.

API- en databaseontwikkeling

We ontwikkelden een nieuwe API en databasearchitectuur voor een naadloze gegevensstroom van het oude systeem naar het portaal van de klant:

Databaseontwerp: De nieuwe database was gestructureerd om grootschalige gegevens te ondersteunen met behoud van hoge prestaties. De database bevat tabellen voor verkoop-, inventaris- en gebruikersgegevens, met relaties die zijn geoptimaliseerd voor eenvoudig opvragen.
API-ontwikkeling: De API, gebouwd met behulp van Python en Flask, vormde een interface tussen de database en het portaal van de klant. Het was ontworpen om verzoeken voor het ophalen en verwerken van gegevens af te handelen, waarbij vooraf berekende en geformatteerde gegevens werden teruggestuurd voor gebruik door de managers.

Oplossingen op maat: API recreatie en integratie

Het herstellen van de verloren API vormde een uitdaging en vereiste een grondig begrip van het vorige systeem van de klant en de beoogde berekeningen:

API-reconstructie: We begonnen met het begrijpen van de beoogde functionaliteit van de verloren API. Door discussies met de klant en analyse van beschikbare documentatie hebben we de vereiste functies reverse-engineered.
Ontwikkelen en testen: Met behulp van Python, ontwikkelden we een nieuwe reeks API's die de verloren functionaliteiten repliceren. We hebben de API's uitvoerig getest om nauwkeurigheid en betrouwbaarheid te garanderen.
Integratie met bestaande systemen: De nieuw ontwikkelde API's werden vervolgens naadloos geïntegreerd in het bestaande systeem van de klant om samen te werken met de algemene architectuur.

Technologieën

Back end

Python, Flask

Front end

JavaScript, React.js

Databases

Microsoft SQL Server

API-ontwikkeling

Python, Flask

Optimalisatietechnieken

SQL-queryoptimalisatie, indexering

Python Eenheidstestraamwerken

Projectbeheer

Jira

VCS

Git

Continue integratie/implementatie

Jenkins

Gegevensanalyse en -verwerking

SQL, Python Panda's

Proces

Onze toewijding aan de Agile-methodologie maakte een transparant, iteratief en collaboratief proces mogelijk. We begonnen het project met het opstellen van een gedetailleerd Visie- en Scope-document, dat diende als onze routekaart. Tijdens het ontwikkelingsproces verdeelden we ons werk in de volgende fasen:

Ontdekking en planning: Tijdens de eerste fase was ons doel om een grondig inzicht te krijgen in de specifieke vereisten van de klant. We ontwikkelden een plan dat de blauwdruk van de oplossing schetste en de basis legde voor de volgende fasen.
Gegevensanalyse en back-endontwikkeling: Hier verschoof onze aandacht naar de technische basis van het project. Het team onderzocht het gegevenslandschap van de klant, analyseerde de bestaande structuren en deed aanbevelingen voor verbeteringen. Tegelijkertijd begonnen we met de ontwikkeling van de back-end met behulp van Python en SQL. Deze fase was cruciaal voor het leggen van de digitale infrastructuur voor soepel gegevensbeheer en -verwerking.
Testen: 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 ontwikkeling en integratie: In deze laatste fase stond de gebruikerservaring centraal. Onze front-end ontwikkelaars ontwierpen een intuïtieve en responsieve gebruikersinterface. Het hoogtepunt van deze fase was de integratie van de front-end met de back-end.

Team

Projectleider

Back-end Ontwikkelaars

Front-end Ontwikkelaar

QA Engineer

Database Beheerder

Data Analist

Resultaten

Herontworpen systeem van gegevensanalyse in de farmaceutische industrie en een 50% hogere efficiëntie in verkooprapportage

De implementatie van het herontworpen systeem van gegevensanalyse in de farmaceutische sector een aanzienlijke impact gehad op de netwerkactiviteiten van de klant. Door de overgang van handmatige, op Excel gebaseerde processen naar een databasegestuurd systeem, hebben we aanzienlijke verbeteringen in efficiëntie en tastbare voordelen voor het apotheekpersoneel bereikt:

Verbeterd voorraadbeheer voor apotheken: De modules Sales Plan en Distribution Index bieden realtime gegevens over trends in de verkoop van farmaceutische producten en de voorraadbehoeften om hun voorraadniveaus te optimaliseren en ervoor te zorgen dat medicijnen waar veel vraag naar is altijd beschikbaar zijn.
Gestroomlijnde rapportage voor apotheekmedewerkers: De geautomatiseerde workflows voor gegevensverwerking verlichten de rapportagelast van het apotheekpersoneel - zij kunnen nu twee keer zo snel verkoop- en voorraadrapporten genereren.
Verbeterde verkoopstrategieën: Met inzichten uit de nieuwe modules met gegevensanalyse in de farmaceutische industriekan de cliënt beter geïnformeerde beslissingen nemen over welke medicijnen hij wil promoten of meer van wil bestellen.
Eenvoudigere toegang tot informatie voor managers: De integratie van de nieuwe API en het databasesysteem heeft de informatiestroom gestroomlijnd. Apotheekmanagers en -medewerkers hebben eenvoudig toegang tot gegevens van verkoopcijfers tot voorraadniveaus.
Snellere gegevensintegratie: Met tools voor gegevensintegratie kan informatie uit verschillende bronnen snel worden geconsolideerd. Dit verminderde de tijd en moeite die nodig waren voor het verzamelen van gegevens en zorgde ervoor dat de medewerkers de meest recente informatie binnen handbereik hadden.

Op dit moment blijft ons team betrokken bij de ontwikkeling van het project. We richten ons momenteel op het maken van gespecialiseerde modules zoals de Inventory Management Module met voorspellende analyses voor het verminderen van gevallen van te grote voorraden of stockouts en de Pharmacy Performance Analytics Module om de prestaties van individuele apotheken binnen het netwerk te analyseren.

Duur van het project

Januari 2023 - Doorlopend

50%

verhoging van de efficiëntie van de verkooprapportage

30%

verkorting van de gegevensverwerkingstijd

Gerelateerde gevallen

Neem contact met ons op!

Boek een gesprek of vul het onderstaande formulier in en we nemen contact met je op zodra we je aanvraag hebben verwerkt.

Naam

Bedrijf

E-mail

Telefoon

Bericht Voeg projectgegevens alsjeblieft, duur, technische stapel, IT-professionals nodig en andere relevante informatie toe

Neem een spraakbericht over uw
project op om het ons beter te helpen begrijpen

Voeg indien nodig aanvullende documenten bij

Bestand uploaden

Je kunt maximaal 1 bestand van 2MB bijvoegen. Geldige bestanden: pdf, jpg, jpeg, png

Wij wijzen u erop dat wanneer u op de verzendknop klikt, Innowise uw persoonsgegevens verwerkt in overeenstemming met ons Privacybeleid om u van de juiste informatie te voorzien.

Wat gebeurt er nu?

Na ontvangst en verwerking van uw aanvraag, nemen wij binnenkort contact met u op om uw projectbehoeften in detail te beschrijven en een NDA te ondertekenen om de vertrouwelijkheid van informatie te garanderen.

Na het bestuderen van de vereisten, stellen onze analisten en ontwikkelaars een projectvoorstel met de omvang van de werkzaamheden, teamgrootte, tijd en kosten schattingen.

Wij regelen een ontmoeting met u om het aanbod te bespreken en tot een overeenkomst.

We tekenen een contract en beginnen zo snel mogelijk aan uw project te werken mogelijk.

Oplossing voor gegevensanalyse in de farmaceutische industrie: 30% reductie in gegevensverwerkingstijd

Klant

Uitdaging

Verbeterde oplossing voor gegevensanalyse in de farmaceutische industrie

Oplossing