Lösning för dataanalys inom läkemedelsindustrin: 30% minskning av databehandlingstiden

API

Dataanalys

Data management (DMS)

Vårt team omstrukturerade och optimerade effektivt back-end och front-end i läkemedelsnätverkets system, vilket möjliggjorde bättre integration och analytiska processer för dataanalys inom läkemedelsindustrin.

Kund

Industri

Hälsovård

Region

Kund sedan

2023

Vår kund är ett ledande läkemedelskonglomerat som driver en av de största apotekskedjorna globalt, med över 8 000 anläggningar. Deras nätverk sträcker sig över olika länder, främst med fokus på den europeiska regionen. Detaljerad information om kunden kan inte avslöjas enligt bestämmelserna i NDA.

Utmaning

Förbättrad lösning för dataanalys inom läkemedelsindustrin

Vår kund erbjuder ett brett sortiment av läkemedel till konkurrenskraftiga priser via både fysiska butiker och en online-plattform. De stod inför en mångfacetterad utmaning som handlade om datahantering och systemfunktionalitet inom deras webbplattform för läkemedelsnätverk.

Först och främst var deras befintliga infrastruktur, som bestod av en kombination av ett 1C-system och en stor databas, otillräcklig för deras växande analytiska och operativa behov. Analytikerna kämpade med ineffektiva processer och förlitade sig på manuella Excel-baserade beräkningar för försäljningsplanering och distributionsindexering. Detta omständliga tillvägagångssätt ledde till fel, tidsfördröjningar och begränsad tillgång till data för icke-analytisk personal. Dessutom hade kundens API för specifika beräkningar gått förlorat, vilket krävde återskapande av tabeller och procedurer.

Kunden förväntade sig en lösning som skulle effektivisera deras databehandling, förbättra tillgängligheten för all personal och förbättra den övergripande effektiviteten i hanteringen av deras omfattande apoteksnätverk.

Lösning

Förbättrad datahantering och analyskapacitet i det farmaceutiska nätverkssystemet

I en omfattande uppgradering av läkemedelsnätverkets datahantering och analyskapacitet övergick Innowise från traditionella, Excel-baserade system till en databasdriven rapporteringsmiljö. Detta innebar en ombyggnad av både back-end och front-end system, med fokus på datamigrering, processoptimering och utveckling av anpassade moduler för dataanalys inom läkemedelsindustrin.

Datamigrering och processoptimering

För att förbättra effektiviteten i kundens datahantering började vi migrera deras analysprocesser från Excel-baserade kalkylblad till dedikerade databasramverk för analys. Denna migrering fokuserade på att skapa skalbara lösningar som inte var begränsade till specifika produkter eller apoteksnätverk. Här är hur vi uppnådde detta:

Kartläggning och rensning av data: Vi mappade data från de befintliga Excel-arken till den nya databasstrukturen och såg till att all information överfördes korrekt och rensades för konsekvens.
Utveckling av förfaranden: Med hjälp av SQL utvecklade vi en rad lagrade procedurer och funktioner i databasen. Dessa var utformade för att automatisera de analytiska beräkningar som tidigare gjordes manuellt i Excel.
Optimeringstekniker: För att hantera de enorma datavolymerna använde vi SQL-optimeringstekniker. Detta inkluderade indexering, frågetrimning och batchbearbetning, vilket garanterade hög prestanda och snabb datahämtning.

Utveckling av försäljningsplan och distributionsindex

Utvecklingen av modulerna Sales Plan och Distribution Index var en viktig del av vår lösning, som syftade till att ge kunden insikter i realtid:

Modul för försäljningsplan: Denna modul var utformad för att analysera historiska försäljningsdata under en tremånadersperiod och använda dessa för att prognostisera framtida försäljningsmål. Vi implementerade komplexa algoritmer som kunde anpassas till olika marknadsförhållanden och efterfrågemönster för produkter.
Modul för distributionsindex: För att förstå produkternas popularitet och försäljningstrender på olika apotek skapade vi ett distributionsindex. Detta innebar att vi analyserade försäljnings-, inköps- och lagerdata för att identifiera vilka produkter som presterade bra på vilka platser, vilket möjliggjorde en mer strategisk lagerhantering.

API- och databasutveckling

Vi utvecklade ett nytt API och en ny databasarkitektur för att säkerställa ett sömlöst dataflöde från det gamla systemet till kundens portal:

Databasdesign: Den nya databasen var strukturerad för att stödja storskaliga data med bibehållen hög prestanda. Den innehöll tabeller för försäljnings-, lager- och användardata, med relationer som optimerats för enkel sökning.
API-utveckling: API:t, som byggdes med hjälp av Python och Flask, var gränssnittet mellan databasen och kundens portal. Det var utformat för att hantera förfrågningar om hämtning och bearbetning av data och skicka tillbaka förberäknade och formaterade data som cheferna kunde använda.

Anpassade lösningar: API-återskapande och integration

Återskapandet av den förlorade API:n var en utmaning som krävde en djup förståelse för kundens tidigare system och de avsedda beräkningarna:

API-rekonstruktion: Vi började med att förstå den avsedda funktionaliteten hos det förlorade API:et. Genom diskussioner med kunden och analys av tillgänglig dokumentation kunde vi återskapa de nödvändiga funktionerna.
Utveckling och testning: Att använda Python, utvecklade vi en ny uppsättning API:er som återskapar de förlorade funktionerna. Vi testade API:erna noggrant för att säkerställa noggrannhet och tillförlitlighet.
Integration med befintliga system: De nyutvecklade API:erna integrerades sedan sömlöst i kundens befintliga system för att fungera tillsammans med den övergripande arkitekturen.

Teknik

Bakre delen

Python, Flask

Framändan

JavaScript, React.js

Databaser

Microsoft SQL Server

API-utveckling

Python, Flask

Optimeringstekniker

Optimering av SQL-frågor, indexering

Python Ramverk för enhetstestning

Projektledning

Jira

VCS

Git

Kontinuerlig integration/distribution

Jenkins

Analys och bearbetning av uppgifter

SQL, Python Pandor

Process

Vårt engagemang för Agile-metoden möjliggjorde en transparent, iterativ och samarbetsinriktad process. Vi inledde projektet med att ta fram ett detaljerat dokument om vision och omfattning, som fungerade som vår färdplan. Under utvecklingsprocessen delade vi in vårt arbete i följande steg:

Upptäckt och planering: Under det inledande skedet var vårt mål att få en djup förståelse för kundens specifika krav. Vi tog fram en plan som beskrev hur lösningen skulle se ut och lade grunden för de efterföljande stegen.
Dataanalys och backend-utveckling: Här skiftade vårt fokus till den tekniska grunden för projektet. Teamet undersökte kundens datalandskap, analyserade de befintliga strukturerna och rekommenderade förbättringar. Parallellt påbörjade vi backend-utvecklingen med hjälp av Python och SQL. Detta steg var avgörande för att lägga den digitala infrastrukturen för smidig datahantering och bearbetning.
Testning: Efter backend-utvecklingen inledde vi en testfas med fokus på backend- och frontend-komponenter. I denna fas ingick enhets-, integrations- och användaracceptanstester för att säkerställa systemets stabilitet. Dessutom genomfördes tester regelbundet under de efterföljande stegen.
Front-end-utveckling och integration: I det sista steget låg fokus på användarupplevelsen. Våra frontend-utvecklare skapade ett intuitivt och responsivt användargränssnitt. Kulmen på detta steg var integrationen av frontend med backend.

Team

Projektledare

Back-end-utvecklare

Front-end-utvecklare

QA-ingenjör

Databasadministratör

Dataanalytiker

Resultat

Omdesignat system för dataanalys inom läkemedelsindustrin och en ökning av effektiviteten i försäljningsrapporteringen med 50%

Genomförandet av det omarbetade systemet för dataanalys inom läkemedelsindustrin hade en betydande inverkan på kundens nätverksverksamhet. Genom att övergå från manuella, Excel-baserade processer till ett databasdrivet system uppnådde vi betydande effektivitetsförbättringar och konkreta fördelar för apotekspersonalen:

Förbättrad lagerhantering för apotek: Modulerna Sales Plan och Distribution Index ger realtidsdata om försäljningstrender och lagerbehov för att optimera lagernivåerna och säkerställa att efterfrågade läkemedel alltid finns tillgängliga.
Förenklad rapportering för apotekspersonal: De automatiserade arbetsflödena för databehandling minskar rapporteringsbördan för apotekspersonalen - de kan nu generera försäljnings- och lagerrapporter dubbelt så snabbt.
Förbättrade försäljningsstrategier: Med insikter från de nya modulerna med dataanalys inom läkemedelsindustrinkan kunden fatta mer välgrundade beslut om vilka läkemedel som ska rekommenderas eller beställas mer av.
Enklare tillgång till information för chefer: Integrationen av det nya API- och databassystemet effektiviserade informationsflödet. Apotekschefer och personal kan enkelt komma åt data från försäljningssiffror till lagernivåer.
Snabbare dataintegration: Verktyg för dataintegration gör det möjligt att snabbt konsolidera information från olika källor. Detta minskade den tid och ansträngning som krävdes för att sammanställa data och säkerställde att de anställda hade den senaste informationen nära till hands.

För närvarande är vårt team fortsatt engagerat i den pågående projektutvecklingen. Vi fokuserar för närvarande på att skapa specialiserade moduler som lagerhanteringsmodulen med prediktiv analys för att minska förekomsten av överlagring eller lagerhållning och Pharmacy Performance Analytics Module för att analysera resultatet för enskilda apotek inom nätverket.

Projektets löptid

Januari 2023 - Pågående

50%

ökad effektivitet i försäljningsrapporteringen

30%

minskning av tiden för databehandling

Relaterade fall

Kontakta oss!

Boka ett samtal eller fyll i formuläret nedan så återkommer vi till dig när vi har behandlat din förfrågan.

Namn

Företag

E-post

Telefon

Meddelande Vänligen inkludera projektinformation, varaktighet, teknologistack, IT-proffs som behövs och annan relevant information

Spela in ett röstmeddelande om ditt projekt för att hjälpa oss att förstå det bättre

Bifoga ytterligare dokument vid behov

Ladda upp filen

Du kan bifoga upp till 1 fil på totalt 2 MB. Giltiga filer: pdf, jpg, jpeg, png

Observera att när du klickar på knappen Skicka kommer Innowise att behandla dina personuppgifter i enlighet med vår Integritetspolicy för att ge dig lämplig information.

Vad händer härnäst?

Efter att ha mottagit och behandlat din begäran kommer vi att återkomma till dig inom kort för att specificera dina projektbehov och underteckna en NDA för att säkerställa konfidentialitet av information.

Efter att ha undersökt kraven utarbetar våra analytiker och utvecklare en projektförslag med arbetets omfattning, lagets storlek, tid och kostnad uppskattningar.

Vi ordnar ett möte med dig för att diskutera erbjudandet och komma överens.

Vi skriver på ett kontrakt och börjar arbeta med ditt projekt så snabbt som möjligt.

Lösning för dataanalys inom läkemedelsindustrin: 30% minskning av databehandlingstiden

Kund

Utmaning

Förbättrad lösning för dataanalys inom läkemedelsindustrin

Lösning