Rozwiązanie do analizy danych w przemyśle farmaceutycznym: redukcja czasu przetwarzania danych o 30%

Nasz zespół skutecznie zrestrukturyzował i zoptymalizował back-end i front-end systemu sieci farmaceutycznej, umożliwiając lepszą integrację i procesy analityczne dla analityki danych w przemyśle farmaceutycznym.

Klient

Branża

Opieka zdrowotna

Region

Klient od

2023

Naszym klientem jest wiodący konglomerat farmaceutyczny, prowadzący jedną z największych sieci aptek na świecie, z ponad 8 000 placówek. Ich sieć rozciąga się na różne kraje, koncentrując się głównie na regionie europejskim. Szczegółowe informacje o kliencie nie mogą zostać ujawnione zgodnie z postanowieniami NDA.

Wyzwanie

Ulepszenie rozwiązania dla analizy danych w branży farmaceutycznej

Nasz klient oferuje szeroką gamę produktów leczniczych w konkurencyjnych cenach zarówno w fizycznych punktach sprzedaży, jak i na platformie internetowej. Firma stanęła przed wieloaspektowym wyzwaniem związanym z zarządzaniem danymi i funkcjonalnością systemu w ramach platformy internetowej sieci farmaceutycznej.

Primarily, their existing infrastructure, involving a combination of a 1C system and a large database, was inadequate for their evolving analytical and operational needs. Analysts struggled with inefficient processes, relying on manual Excel-based calculations for sales planning and distribution indexing. This cumbersome approach led to errors, time delays, and limited data access data for non-analytical staff. Additionally, the client’s API for specific calculations was lost, necessitating the recreation of tables and procedures.

Klient oczekiwał rozwiązania, które usprawni przetwarzanie danych, zwiększy dostępność dla wszystkich pracowników i poprawi ogólną wydajność w zarządzaniu rozległą siecią aptek.

Wdrożenie

Ulepszone zarządzanie danymi i możliwości analityczne systemu sieci farmaceutycznej

In a major upgrade to the pharmaceutical network’s data management and analytical capabilities, Innowise transitioned their processes from traditional, Excel-based systems to a database-driven reporting environment. This entailed a redevelopment of both the back-end i front-end, koncentrując się na migracji danych, optymalizacji procesów oraz opracowaniu niestandardowych modułów do analizy danych w branży farmaceutycznej.

Migracja danych i optymalizacja procesów

To improve the efficiency of the client’s data management, we embarked on migrating their analytical processes from Excel-based spreadsheets to dedicated database frameworks for analytics. This migration focused on creating scalable solutions that weren’t confined to specific products or pharmacy networks. Here’s how we achieved this:

Mapowanie i czyszczenie danych: Zmapowaliśmy dane z istniejących arkuszy Excel do nowej struktury bazy danych, upewniając się, że każda informacja została dokładnie przeniesiona i oczyszczona pod kątem spójności.
Rozwój procedury: Wykorzystując język SQL, opracowaliśmy serię procedur składowanych i funkcji w bazie danych. Zostały one zaprojektowane w celu zautomatyzowania obliczeń analitycznych wykonywanych wcześniej ręcznie w programie Excel.
Techniki optymalizacji: Aby poradzić sobie z ogromnymi ilościami danych, zastosowaliśmy techniki optymalizacji SQL. Obejmowały one indeksowanie, dostrajanie zapytań i przetwarzanie wsadowe, gwarantując wysoką wydajność i terminowe pobieranie danych.

Opracowanie planu sprzedaży i indeksu dystrybucji

Rozwój modułów Plan Sprzedaży i Indeks Dystrybucji był kluczowym elementem naszego rozwiązania, mającym na celu dostarczanie klientowi danych w czasie rzeczywistym:

Moduł planu sprzedaży: Moduł ten został zaprojektowany do analizy historycznych danych sprzedażowych w okresie trzech miesięcy i wykorzystania ich do prognozowania przyszłych celów sprzedażowych. Wdrożyliśmy złożone algorytmy, które mogą dostosowywać się do różnych warunków rynkowych i wzorców popytu na produkty.
Moduł indeksu dystrybucji: Aby zrozumieć popularność produktów i trendy sprzedaży w aptekach, stworzyliśmy Indeks Dystrybucji. Obejmowało to analizę danych dotyczących sprzedaży, zakupów i zapasów w celu określenia, które produkty osiągały dobre wyniki w poszczególnych lokalizacjach, co pozwoliło na bardziej strategiczne zarządzanie zapasami.

Rozwój API i baz danych

We developed a new API and database architecture to ensure seamless data flow from the old system to the client’s portal:

Projekt bazy danych: Nowa baza danych została skonstruowana tak, aby obsługiwać dane na dużą skalę przy jednoczesnym zachowaniu wysokiej wydajności. Zawierała ona tabele sprzedaży, zapasów i danych użytkowników, z relacjami zoptymalizowanymi pod kątem łatwego wyszukiwania.
Rozwój API: The API, built using Python and Flask, interfaced between the database and the client’s portal. It was designed to handle requests for data retrieval and processing, sending back pre-calculated and formatted data for the managers’ use.

Rozwiązania niestandardowe: Odtwarzanie i integracja API

The recreation of the lost API posed a challenge, requiring a deep understanding of the client’s previous system and the intended calculations:

Rekonstrukcja API: Zaczęliśmy od zrozumienia zamierzonej funkcjonalności utraconego API. Poprzez dyskusje z klientem i analizę dostępnej dokumentacji, odtworzyliśmy wymagane funkcje.
Rozwój i testowanie: Korzystanie z Python, stworzyliśmy nowy zestaw API, odtwarzając utracone funkcjonalności. Dokładnie testowaliśmy API, aby zapewnić dokładność i niezawodność.
Integracja z istniejącymi systemami: The newly developed APIs were then seamlessly integrated into the client’s existing system to work in tandem with the overall architecture.

Technologie

Back-end

Python, Flask

Front-end

JavaScript, React.js

Bazy danych

Microsoft SQL Server

Rozwój API

Python, Flask

Techniki optymalizacji

Optymalizacja zapytań SQL, indeksowanie

Python Struktury testów jednostkowych

Zarządzanie projektami

Jira

VCS

Git

Ciągła integracja/wdrażanie

Jenkins

Analiza i przetwarzanie danych

SQL, Python Pandas

Proces

Nasze zaangażowanie w metodologię Agile umożliwiło przejrzysty, iteracyjny i oparty na współpracy proces. Projekt rozpoczęliśmy od opracowania szczegółowego dokumentu Vision and Scope, który posłużył nam jako mapa drogowa. Podczas procesu rozwoju podzieliliśmy naszą pracę na następujące etapy:

Odkrywanie i planowanie: During the initial stage, our objective was to gain a deep understanding of the client’s specific requirements. We developed a plan, outlining the solution’s blueprint and setting a foundation for the subsequent stages.
Analiza danych i rozwój back-endu: Here, our focus shifted to the technical foundation of the project. The team examined the client’s data landscape, analyzing the existing structures and recommending improvements. Parallelly, we started back-end development, employing Python and SQL. This stage was crucial in laying the digital infrastructure for smooth data management and processing.
Testowanie: Po opracowaniu back-endu rozpoczęliśmy fazę testowania, koncentrując się na komponentach back-end i front-end. Etap ten obejmował testy jednostkowe, integracyjne i akceptacyjne użytkowników w celu zapewnienia stabilności systemu. Ponadto testy były przeprowadzane regularnie na kolejnych etapach.
Rozwój i integracja front-endu: Na tym ostatnim etapie w centrum uwagi znalazło się doświadczenie użytkownika. Nasi programiści front-end stworzyli intuicyjny i responsywny interfejs użytkownika. Kulminacją tego etapu była integracja front-endu z back-endem.

Zespół

Kierownik projektu

Programiści back-end

Programista front-end

QA Engineer

Administrator bazy danych

Analityk danych

Wyniki

Przeprojektowany system analizy danych w branży farmaceutycznej i wzrost efektywności raportowania sprzedaży o 50%

Wdrożenie przeprojektowanego systemu analityki danych w branży farmaceutycznej miało znaczący wpływ na operacje sieci klienta. Dzięki przejściu z ręcznych procesów opartych na Excelu do systemu bazodanowego osiągnęliśmy znaczną poprawę efektywności i wymierne korzyści dla personelu aptek:

Ulepszone zarządzanie zapasami dla aptek: Moduły Sales Plan i Distribution Index dostarczają danych w czasie rzeczywistym na temat trendów sprzedaży farmaceutyków i potrzeb magazynowych, aby zoptymalizować poziom zapasów i zapewnić, że leki o wysokim popycie są zawsze dostępne.
Usprawnione raportowanie dla personelu apteki: Zautomatyzowane procesy przetwarzania danych zmniejszają obciążenie personelu apteki związane z raportowaniem – mogą teraz generować raporty sprzedaży i zapasów dwa razy szybciej.
Ulepszone strategie sprzedaży: Dzięki informacjom z nowych modułów do analityki danych w przemyśle farmaceutycznym, klient może podejmować bardziej świadome decyzje dotyczące promocji i zamówień produktów.
Łatwiejszy dostęp do informacji dla menedżerów: Integracja nowego API i systemu baz danych usprawniła przepływ informacji. Kierownicy aptek i personel mogą łatwo uzyskać dostęp do danych, od danych dotyczących sprzedaży po stany magazynowe.
Szybsza integracja danych: Narzędzia do integracji danych pozwalają na szybką konsolidację informacji pochodzących z różnych źródeł. Skróciło to czas i wysiłek potrzebny do kompilacji danych i zapewniło pracownikom dostęp do najnowszych informacji na wyciągnięcie ręki.

Obecnie nasz zespół pozostaje zaangażowany w ciągły rozwój projektu. Obecnie koncentrujemy się na tworzeniu wyspecjalizowanych modułów, takich jak moduł zarządzania zapasami z analizą predykcyjną w celu zmniejszenia liczby przypadków nadmiernych zapasów lub braków magazynowych oraz moduł analizy wydajności aptek do analizy wydajności poszczególnych aptek w sieci.

Czas trwania projektu

Styczeń 2023 r. - w trakcie realizacji

50%

wzrost efektywności raportowania sprzedaży

30%

skrócenie czasu przetwarzania danych

Podobne projekty

Skontaktuj się z nami!

Zadzwoń lub wypełnij poniższy formularz, a my skontaktujemy się z Tobą po przetworzeniu Twojego zgłoszenia.

Nazwa

Firma

Telefon

Wiadomość Prosimy o podanie szczegółów projektu, czasu trwania, stosu technologicznego, potrzebnych specjalistów IT i innych istotnych informacji.

Nagraj wiadomość głosową na temat projekt, który pomoże nam lepiej go zrozumieć

W razie potrzeby dołącz dodatkowe dokumenty

Prześlij plik

Można załączyć maksymalnie 1 plik o łącznej wielkości 2 MB. Ważne pliki: pdf, jpg, jpeg, png

Informujemy, że po kliknięciu przycisku Wyślij Innowise będzie przetwarzać Twoje dane osobowe zgodnie z naszą Polityką prywatności w celu dostarczenia Ci odpowiednich informacji.

Co będzie dalej?

Po otrzymaniu i przetworzeniu Twojego zgłoszenia skontaktujemy się z Tobą wkrótce, aby wyszczególnić potrzeby projektu i podpisać umowę o zachowaniu poufności, aby zapewnić poufność informacji.

Po przeanalizowaniu wymagań, nasi analitycy i programiści opracowują projekt z zakresem prac, wielkością zespołu, czasem i kosztami szacunki.

Umówimy się z Tobą na spotkanie, aby omówić ofertę i dojść do porozumienia porozumienia.

Podpisujemy umowę i rozpoczynamy pracę nad projektem tak szybko, jak to możliwe.

Potrzebujesz innych usług?

Firma zajmująca się rozwojem JavaScript

Firma zajmująca się rozwojem w React.js

React Firma zajmująca się tworzeniem aplikacji natywnych

Usługi integracji interfejsu API bramki płatności

Dedykowani programiści JavaScript do wynajęcia

Firma deweloperska Python

Wynajem dedykowanych programistów Python

Zatrudnij programistów aplikacji natywnych React

Dedykowani programiści React.js do zatrudnienia

Rozwiązania z zakresu IT dla opieki zdrowotnej

Usługi w zakresie doradztwa ds. uczenia maszynowego

Usługi w zakresie doradztwa ds. analizy danych

Rozwiązanie do analizy danych w przemyśle farmaceutycznym: redukcja czasu przetwarzania danych o 30%

Klient

Wyzwanie

Ulepszenie rozwiązania dla analizy danych w branży farmaceutycznej

Wdrożenie