+7 (812) 677-56-90    +7 (495) 647-50-46

Создание системы прогнозирования продаж с помощью технологий машинного обучения в фармацевтической компании Takeda

«Такеда Россия» («Такеда Фармасьютикалс») входит в состав Takeda Pharmaceutical Company Limited. Более 30 000 сотрудников Takeda работают для улучшения качества жизни пациентов, взаимодействуя со специалистами здравоохранения более чем в 70 странах. Компания имеет 23 производственных предприятия в 16 странах мира, которые выпускают высококачественные лекарственные препараты для нужд пациентов всего мира.


Предпосылки проекта:

Несмотря на то, что в компании уже было внедрено решение для прогнозирования спроса на различные лекарственные препараты, сотрудники не могли оперативно пользоваться его результатам из-за длительного процесса прогнозирования, неточного выбора моделей и узкой функциональности. В частности, в решении использовались простые временные ряды и не было возможности учитывать дополнительные факторы, влияющие на будущие продажи.


Задачи проекта:

  • Создание новой системы, которая бы могла оперативно и более глубоко анализировать как текущие продажи, так и поведение покупателей на рынке;
  • Автоматизация процесса и повышение скорости получения результатов;
  • Анализ дополнительных факторов, влияющих на качество прогнозов;
  • Подготовка оптимальных параметров моделей для каждого бренда с разбивкой по территориям, месячным и недельным показателям;
  • Применение матричного метода моделирования на недельных прогнозах для демонстрации нового подхода;
  • Разработка удобного интерфейса для загрузки данных, выбора параметров и запуска расчета прогнозных данных.

Результаты проекта:

  • Главным преимуществом нового сервиса стала возможность более точно прогнозировать не только месячные показатели, но и вести краткосрочное планирование продаж по неделям;
  • Сотрудники отдела продаж и маркетинга «Такеда Россия» могут загружать историю с данными по продажам брендов, выбирать параметры прогнозирования, выгружать результаты в удобной форме или анализировать данные на встроенных в систему графиках;
  • Сервис развернут в облачной среде Microsoft Azure, что позволило избежать инвестиций в дополнительное аппаратное оборудование;
  • Алгоритмы сервиса, разработанного с использованием библиотек машинного обучения Python, композиций авторегрессионных моделей и моделей градиентного бустинга над решающими деревьями, позволили значительно увеличить скорость расчета и получения данных;
  • Полученные в ходе первого этапа проекта результаты помогли компании более качественно спрогнозировать продажи конкретных брендов на будущий финансовый год, выстроив на основе полученных данных бренд-план и скорректировав действия отдела продаж;
  • Решение позволит собирать информацию о закономерностях в истории продаж фармацевтической компании, и на основании этих данных прогнозировать в будущем эффективность работы каждого маркетингового канала. Это даст бизнесу ощутимое преимущество для того, чтобы оптимизировать расходы на продвижение, не сокращая объема продаж.

Используемые решения и продукты:

  • Microsoft Azure Machine Learning
  • Кастомизированные решения на базе R и Python

СВЯЗАТЬСЯ С НАМИ

Отправьте запрос нашим экспертам, и мы свяжемся с Вами в течение 24 часов