Wie Data Intelligence die Wertschöpfung in Pharmaunternehmen unterstützt
Die pharmazeutischen Unternehmen befinden sich in einem herausfordernden Wettbewerbsumfeld (1). Einerseits ist die Entwicklung neuer Medikamente kostenintensiv und risikoreich hinsichtlich der Erfolgsaussichten auf die Wirksamkeit und damit Monetarisierbarkeit in Form neuer Produkte. Andererseits liegen in der Nutzung von Daten zur Steuerung von Forschungs- und Entwicklungsprozessen sowie der Kapazitätsplanung von Produktionsressourcen große Potenziale (2). Die Weiterentwicklung vom Business Intelligence zu einem breiteren datengestützten Data Intelligence spielt damit eine wachsende Rolle, um unter anderem unternehmensübergreifende Bereiche wie Market Access besser steuern zu können (3). Wie kann Data Intelligence die Wertschöpfung von Arzneimittelherstellern unterstützen?
Data Intelligence unterstützt die Entscheidungsfindung auf allen Ebenen
Die Verfügbarkeit großer Datenmengen, sogenannter Big Data, ermöglicht eine zielgerichtete, datengestützte Steuerung aller Unternehmensbereiche (4). Die Datenfülle bedingt eine ganzheitliche Betrachtung der gesamten Supply Chain des Pharmaunternehmens (5). Die Daten können neben einer klassischen Business Intelligence-Planung weitere vollautomatisierte Analysen und Handlungen auslösen. Dadurch können Arzneimittelhersteller sowohl ihr Portfolio nach aktuellen Marktentwicklungen ausrichten als auch den gesamten Produktions- und Vertriebsprozess zunehmend automatisiert steuern, wodurch unter anderem Umsätze deutlich gesteigert werden können (1). Künstliche Intelligenz (KI) oder andere auf Machine Learning (ML) basierende Konzepte unterstützen diese Entwicklung (6). In Abbildung 1 ist der integrative Data Intelligence-Ansatz dargestellt. In der Forschungs- und Entwicklungsabteilung werden anhand von Molekül-Ketten potenzielle Wirkstoffe ermittelt. Dieser Prozess wird maßgeblich durch KI unterstützt (7). Die Produktentwicklung wird durch die automatisierte Erstellung der Zulassungsdossiers begleitet. Parallel dazu findet eine Umweltanalyse statt, um neue Marktpotenziale zu erkunden. Dabei sind Faktoren wie bereits besetzte Indikationsgebiete oder Marktwachstum relevant. Diese Daten unterstützen die Entscheidungsfindung bei der Festlegung neuer Produktfelder und der strategischen Ausrichtung, die in einer Unternehmensplanung mündet. Mithilfe von Predictive Analytics können Umsätze geplant, Vertriebskanäle gesteuert und interne Geschäftsprozesse optimiert werden (5).
Abb. 1 Integrativer Data Intelligence-Ansatz, eigene Darstellung
Anknüpfend an die Unternehmensplanung findet die automatisierte Prozessgestaltung innerhalb der Produktion statt (8). Der integrative datengestützte Ansatz unterstützt dabei alle Supply-Chain-Pozesse. Die Analyse der laufend im Produktionsprozess entstehenden Daten ermöglicht eine optimierte Steuerung der Auslastung, der Beschaffung von Rohstoffen und der Einteilung von Arbeitskräften sowie eine flexible Reaktion auf Veränderungen im Markt (2).
Als abschließende Elemente liefern die Daten aus der Marktbewertung Ansätze zur Preisfindung, die durch die eingehenden Studiendaten untermauert werden. Durch Smart Patient Targeting können Zielgruppen zudem gezielt anhand der verfügbaren Nutzerdaten angesprochen werden. Algorithmen können diesen Prozess zusätzlich mittels ML unterstützen (6).
Smarte Tools zur Umsetzung von Data Intelligence
Das Unternehmen Tableau liefert mit der gleichnamigen Software individuell zugeschnittene Data Intelligence-Lösungen für Arzneimittelhersteller (9). Die Unternehmensplattform von Tableau macht visuelle Analysen einfach nutzbar und befähigt Führungskräfte, und Geschäftsanwender genaue Ergebnisse und Behandlungen bereitzustellen. Pfizer setzt Tableau bei 25.000 Mitarbeitern ein, um die Zusammenarbeit zu verbessern und neue Erkenntnisse zu generieren. Takeda Pharmaceutical ist mit Hilfe von Tableau in der Lage, die Patientensicherheit in allen Phasen der klinischen Prüfung effektiv zu überwachen und eine hohe Datenqualität zu gewährleisten (9). Auch andere Pharma- und Biotech-Unternehmen wie PAREXEL oder Novozymes nutzen die Software.
Das Unternehmen Prioritis bietet mit dem Service Prismaccess Zugang zu einer umfassenden Datenbank zur Preisfindung (10). Diese enthält eine umfassende, detaillierte Aufzeichnung der Entscheidungen von HTA-Behörden, die in einfach zu navigierende Zusammenfassungen extrahiert wurden. Dadurch erhalten die Nutzer Transparenz zur Preisgestaltung und Kostenerstattung zur Ableitung möglicher Preisstratgien. Darüber hinaus liefert die Software Daten und Informationen zu allen Pharma- und Biotech-Produkten während der Erst- und Folgebewertung durch nationale Behörden auf den relevanten HTA-Märkten (10).
Die digitale Transformation des Unternehmens proaktiv gestalten
Besondere Beachtung ist der Qualifizierung geeigneter Fachkräfte beizumessen. Umfassende IT-Kompetenzen sind bei allen Mitarbeitern unabdingbar (4). Zudem spielen Faktoren wie Wissensmanagement oder Recrutierung von Spezialisten im Bereich Data Analytics eine entscheidende Rolle. Auch vorhandene Personalressourcen müssen weiterentwickelt werden. Die richtige personelle und technische Ausstattung von IT-Abteilungen ist ebenfalls zu beachten (8). Der Data Intelligence-Ansatz führt voraussichtlich auch zur Reorganisation von Funktionseinheiten im Unternehmen. Agilität ist ein elementarer Bestandteil der zukünftigen Organisation, damit die automatisierten Prozesse schnell auf Veränderungen reagieren können. Eine weitere Standardisierung von Prozessen geht damit ebenfalls einher (5). Auch die Harmonisierung der zu verwertenden Daten, der Zugang zu notwendigen Daten sowie eine generelle hohe Datenqualität sind Mindestvoraussetzungen zur Nutzung dieses Ansatzes (8).
Smarter Market Access mittels Data Intelligence
Data Intelligence ist eine Erweiterung der bisherigen Steuerung von Geschäftsprozessen durch Business Intelligence. Die neue Fülle an Daten ermöglicht eine zunehmende Prozessautomatisierung. Der integrierte Ansatz deckt die gesamte Wertschöpfungskette ab, wodurch das Pharmaunternehmen der Zukunft zum smarten datengetriebenen Ökosystem wird. Somit entstehen für Arzneimittelhersteller große Potenziale bei der Identifikation geeigneter Marktnischen mit hohen Erfolgspotenzialen bei der Umsatz- und Kundengenerierung und zudem kann die Kundengewinnung mittels Smart Patient Targeting revolutioniert werden.
Quellen
- Gautam A, Pan X. The changing model of big pharma: impact of key trends. Drug Discovery Today. 2016;21(3):379-84. zum Original
- Steinwandter V, Borchert D, Herwig C. Data science tools and applications on the way to Pharma 4.0. Drug Discovery Today. 2019;24(9):1795-805. zum Original
- Tunder R. Market Access Management – Konzeption und Prozess. In: Tunder R, editor. Market Access Management für Pharma- und Medizinprodukte: Instrumente, Verfahren und Erfolgsfaktoren. Wiesbaden: Springer Fachmedien Wiesbaden; 2020. p. 3-35. zum Original
- Kaddi SS, Patil MM, editors. Pharma data analytics: An emerging trend. 2017 International Conference On Smart Technologies For Smart Nation (SmartTechCon); 2017 17-19 Aug. 2017. zum Original
- Festa G, Safraou I, Cuomo MT, Solima L. Big data for big pharma. Business Process Management Journal. 2018;24(5):1110-23. zum Original
- Henstock PV. Artificial Intelligence for Pharma: Time for Internal Investment. Trends in Pharmacological Sciences. 2019;40(8):543-6. zum Original
- Siegismund D, Tolkachev V, Heyse S, Sick B, Duerr O, Steigele S. Developing Deep Learning Applications for Life Science and Pharma Industry. Drug Res (Stuttg). 2018;68(06):305-10. zum Original
- Pesqueira A, Sousa MJ, Rocha Á. Big Data Skills Sustainable Development in Healthcare and Pharmaceuticals. Journal of Medical Systems. 2020;44(11):197. zum Original
- Tableau. Life Sciences Analytics 2021. zum Original
- Prioritis. What is Prismaccess? 2021. zum Original
