Conseil Data

Une société pharmaceutique de premier plan, souhaitait explorer le potentiel des données externes des patients aux États-Unis et en Allemagne pour une initiative d’intelligence artificielle dans le domaine du diabète.

Dans un premier temps, Alcimed a fourni un aperçu des principaux propriétaires de données publics et privés dans les deux pays concernés. Ces propriétaires de données ont ensuite été classés par notre équipe en termes de volume, de qualité, de pertinence et d’accessibilité des données.

Sur la base de ces critères, nous avons classé par ordre de priorité certains propriétaires de données en tant que partenaires potentiels pour notre client et avons finalement co-défini ensemble une stratégie préliminaire d’acquisition de données pour cette étude spécifique.

Alcimed a accompagné un leader de l’industrie pharmaceutique dans la construction d’un indicateur agrégé de la mesure de l’engagement client.

A partir des bases de données internes de son client, Alcimed a imaginé une méthode d’agrégation permettant de prendre en compte l’impact de toutes les interactions de l’entreprise avec les professionnels de santé. L’indicateur permet de mesurer l’évolution de l’engagement client au niveau individuel ou par profil client au cours du temps pour mieux mesurer l’impact d’évènements et de campagnes marketing, par exemple.

Un prestataire de services financiers souhaitait étudier le potentiel des modèles d’IA pour la prédiction des risques liés à ses projets d’investissement.

Notre travail a commencé par une cartographie des données disponibles pour les prédictions, suivie d’un processus d’extraction, de transformation et de chargement (ETL) pour la construction de modèles. Nous avons ensuite évalué plusieurs modèles dans le cadre d’un processus itératif jusqu’à ce qu’un modèle final soit sélectionné sur la base de ses performances.

Enfin, notre équipe a adapté le modèle afin qu’il puisse être mis en production et adapté à l’infrastructure du client qui pourra alors l’utiliser pour une meilleure prise de décision sur de nouveaux projets.

Alcimed a accompagné un acteur aérospatial dans la construction du business model d’un Data Lab dont l’objectif est d’accélérer et valoriser des projets utilisant le Big Data dans plusieurs domaines du spatial (analyse de données spatiales, analyse de données télémétriques, etc…). Cette initiative permet ainsi la mise à disposition de données variées sous un modèle de type data as-a-service.

Pour ce faire, nous avons réalisé un benchmark des bonnes pratiques d’acteurs industriels utilisant des Data Lab dans d’autres secteurs ainsi qu’une étude interne des besoins et attentes de notre client. Ceci a permis d’orienter notre client sur la meilleure stratégie de développement à mettre en place comprenant à la fois l’organisation, la typologie de services à offrir, les bénéfices et contraintes à prendre en compte.

Alcimed a finalement délivré des recommandations sur l’offre et le business model du Data Lab, de sa structure aux typologies de services.

Un acteur industriel souhaitait mettre en œuvre un projet européen basé sur le recueil de données sensibles dans des bases externes.

Après avoir mené un premier pilote ayant consisté à rassembler des données et mettre en place un algorithme de prédiction dans un pays européen, nous avons défriché le contexte réglementaire de l’Union Européenne et de plusieurs autres pays européens. Le but était de mieux comprendre comment collecter des données sensibles et les traiter dans ces autres pays en Europe.

Nous nous sommes donc intéressés au RGPD et aux lois nationales afin d’apporter une vision globale de l’environnement réglementaire et des différentes étapes nécessaires afin de mettre en œuvre le projet que notre client avait l’ambition d’implémenter.

Alcimed a accompagné la filiale France d’une entreprise pharmaceutique internationale dans la définition, la conception, et la mise en place d’un outil de visualisation des données recueilles dans sa base de données d’Information Médicale, permettant à l’équipe produit de suivre mensuellement les sujets de préoccupation inhabituels et futurs des professionnels de santé.

Nous avons mis en place des techniques de NLP et une analyse statistique poussée des requêtes textuelles permettant une détection automatique des thèmes et des mots inhabituellement mentionnés, avec le potentiel de devenir des sujets majeurs à l’avenir, et a accompagné le déploiement de cette démarche dans l’équipe produit et dans les systèmes de notre client.

Un de nos clients, leader industriel pharmaceutique, souhaitait repenser le modèle promotionnel d’un médicament de son portefeuille (quels médecins cibler, à quelle fréquence, par quels canaux) selon une approche Data Driven.

Notre mission consistait à trouver, grâce à une étude quantitative, le modèle promotionnel qui permettrait d’avoir le meilleur ROI, en optimisant le ciblage des médecins et le mix promotionnel, le tout, à partir d’un mélange entre des données de vente, des données de budgets, des données sur la promotion réalisée et également des données de ciblage provenant de l’externe.

Nos analyses quantitatives ayant été limitées (peu de données, parfois mal renseignées) ont été complétées par une étude qualitative afin de trouver le modèle idéal permettant le meilleur retour sur investissement pour notre client.

Afin de soutenir notre client, un industriel leader du BTP, dans la prédiction de son volume de business, Alcimed a développé un algorithme de machine learning pour prédire, sur la base de données publiques historiques et avant qu’ils ne soient tous officiellement référencés par les administrations locales, le nombre de permis de construire total effectivement déposés dans le mois en cours.

Ce projet a ainsi permis à notre client d’anticiper ses projections de vente et d’adapter nombreuses de ses activités en amont en conséquence.