Consulenza Big Data

Una delle principali società farmaceutiche voleva esplorare il potenziale dei dati esterni dei pazienti negli Stati Uniti e in Germania per un’iniziativa di intelligenza artificiale nel campo del diabete.

In una prima fase, Alcimed ha fornito una panoramica dei principali proprietari di dati pubblici e privati nei due paesi interessati. Questi proprietari di dati sono stati successivamente classificati dal nostro team in base al volume, alla qualità, alla rilevanza e all’accessibilità dei dati.

Sulla base di questi criteri, abbiamo classificato in ordine di priorità alcuni proprietari di dati come partner potenziali per il nostro cliente e, infine, abbiamo co-definito insieme una strategia preliminare di acquisizione dei dati per questo studio specifico.

Alcimed ha supportato un leader dell’industria farmaceutica nella costruzione di un indicatore aggregato per misurare l’engagement del cliente.

A partire dalle banche dati interne del cliente, Alcimed ha ideato un metodo di aggregazione che teneva conto dell’impatto di tutte le interazioni dell’azienda con i professionisti della salute. L’indicatore permette di misurare l’evoluzione dell’engagement del cliente a livello individuale o per profilo cliente nel tempo, per misurare meglio l’impatto di eventi e campagne di marketing, ad esempio.

Un fornitore di servizi finanziari voleva esplorare il potenziale dei modelli di IA per prevedere i rischi legati ai suoi progetti di investimento.

Il nostro lavoro è iniziato con una mappatura dei dati disponibili per le previsioni, seguita da un processo di estrazione, trasformazione e caricamento (ETL) per la costruzione dei modelli. Abbiamo quindi valutato diversi modelli in un processo iterativo fino a selezionare il modello finale in base alle sue prestazioni.

Infine, il nostro team ha adattato il modello affinché potesse essere messo in produzione e adattato all’infrastruttura del cliente, che potrà così utilizzarlo per prendere decisioni migliori sui nuovi progetti.

Alcimed ha supportato un attore aerospaziale nella costruzione del modello di business per un Data Lab il cui obiettivo è accelerare e valorizzare progetti che utilizzano il Big Data in vari ambiti del settore spaziale (analisi dei dati spaziali, analisi dei dati telemetrici, ecc.).

Questa iniziativa consente di mettere a disposizione dati vari sotto un modello di tipo data as-a-service.

Per fare ciò, abbiamo realizzato un benchmark delle buone pratiche di attori industriali che utilizzano Data Lab in altri settori, nonché uno studio interno delle esigenze e delle aspettative del nostro cliente.

Questo ha permesso di orientare il nostro cliente sulla migliore strategia di sviluppo da implementare, comprendendo sia l’organizzazione, la tipologia di servizi da offrire, che i benefici e le criticità da prendere in considerazione.

Alcimed ha infine fornito raccomandazioni sull’offerta e sul modello di business del Data Lab, dalla sua struttura alle tipologie di servizi.

Un attore industriale voleva implementare un progetto europeo basato sulla raccolta di dati sensibili in basi dati esterne.

Dopo aver condotto un primo pilota che consisteva nel raccogliere dati e implementare un algoritmo di previsione in un paese europeo, abbiamo esplorato il contesto normativo dell’Unione Europea e di altri paesi europei. L’obiettivo era comprendere meglio come raccogliere e trattare i dati sensibili in questi altri paesi in Europa.

Ci siamo quindi concentrati sul GDPR e sulle leggi nazionali per fornire una visione globale dell’ambiente normativo e delle diverse fasi necessarie per implementare il progetto che il nostro cliente intendeva realizzare.

Alcimed ha supportato la filiale francese di una società farmaceutica internazionale nella definizione, progettazione e implementazione di uno strumento di visualizzazione dei dati raccolti nella sua base di dati di Informazione Medica, permettendo al team di prodotto di monitorare mensilmente i temi di preoccupazione insoliti e futuri dei professionisti della salute.

Abbiamo implementato tecniche di NLP e un’analisi statistica avanzata delle richieste testuali, permettendo una rilevazione automatica dei temi e delle parole menzionate in modo insolito, con il potenziale di diventare argomenti principali in futuro, e abbiamo accompagnato il dispiegamento di questo approccio nel team di prodotto e nei sistemi del nostro cliente.

Uno dei nostri clienti, leader nell’industria farmaceutica, voleva ripensare il modello promozionale di un farmaco nel suo portafoglio (quali medici targetizzare, con quale frequenza, tramite quali canali) adottando un approccio Data Driven.

La nostra missione consisteva nel trovare, attraverso uno studio quantitativo, il modello promozionale che avrebbe permesso di ottenere il miglior ROI, ottimizzando il targeting dei medici e il mix promozionale, il tutto a partire da un mix di dati di vendita, dati di budget, dati sulla promozione realizzata e anche dati di targeting provenienti dall’esterno.

Le nostre analisi quantitative, limitate (pochi dati, talvolta mal informati), sono state integrate da uno studio qualitativo per trovare il modello ideale che avrebbe permesso il miglior ritorno sull’investimento per il nostro cliente.

Per supportare il nostro cliente, un leader dell’industria edilizia, nella previsione del suo volume di affari, Alcimed ha sviluppato un algoritmo di machine learning per prevedere, sulla base di dati pubblici storici e prima che siano tutti ufficialmente registrati dalle amministrazioni locali, il numero totale di permessi di costruzione effettivamente presentati nel mese in corso.

Questo progetto ha permesso al nostro cliente di anticipare le sue proiezioni di vendita e di adattare molte delle sue attività in anticipo di conseguenza.