Notre client, un fabricant mondial de produits pharmaceutiques, avait besoin d'un moyen simplifié d'extraire et d'analyser les connaissances des professionnels de la santé tout en assurer la conformité réglementaire. Leurs processus existants étaient manuels et exigeaient beaucoup de ressources, ce qui nécessitait des efforts importants pour catégoriser les idées et produire des rapports.

‍

Les équipes de vente, de recherche et de marketing fonctionnaient en silos, chacune reposant sur des sources de données différentes. En raison de l'absence d'un système centralisé, il est difficile d'automatiser l'ingestion de données, de classer les informations et de fournir un accès en temps réel aux informations essentielles. Pour surmonter ces défis, l'entreprise s'est associée à Compass Analytics pour mettre en œuvre une solution basée sur l'IA comprenant l'automatisation, la modélisation prédictive et la récupération des connaissances en temps réel.

Surcharge de données

Avec des milliers de rapports HCP et des commentaires continus, l'entreprise a eu du mal à traiter et à analyser efficacement de grandes quantités de données médicales.

Processus manuels et inefficiences

Le traitement manuel des données a nécessité des efforts considérables pour consolider, catégoriser et résumer les tendances en matière de prescription, ce qui a ralenti la génération d'informations.

Manque d'informations en temps réel

Sans automatisation, les tendances critiques dans le comportement de prescription et les perceptions des patients ont souvent été identifiées trop tard, ce qui limite la prise de décision proactive.

Compass Analytics a développé un système alimenté par l'IA qui a automatisé l'extraction des informations, la catégorisation et la récupération des connaissances. En intégrant Snowflake pour le stockage sécurisé et Dataiku pour les analyses avancées, l'entreprise a établi un solide pipeline qui a rationalisé l'ingestion et la transformation des données.

‍

Un chatbot LLM conçu sur mesure dans l'application Web Dataiku Answers a fourni un accès en temps réel à une base de connaissances, permettant aux équipes de récupérer instantanément des informations pertinentes. Les informations et les résultats de modélisation des sujets tirés de l'analyse axée sur le LDA/LLM ont été automatiquement étiquetés à l'aide de scores de cohérence pour déterminer la segmentation optimale des sujets. Ces résultats ont été déployés au moyen d'un plug-in Dataiku personnalisé développé par Compass et visualisé dans Power BI.

‍

En mettant en œuvre de solides pipelines de données, en extrayant des connaissances en temps réel et en modélisant des sujets avancés, l'entreprise a transformé sa capacité d'extraire, de résumer et d'analyser des connaissances médicales. L'intégration de Snowflake, Dataiku et Power BI a permis de rationaliser les opérations, d'améliorer la précision des informations et d'accélérer la prise de décision. Grâce à une solution d'IA évolutive en place, l'entreprise a acquis une visibilité accrue sur les comportements de prescription, l'élaboration de stratégies proactives et une collaboration interéquipes plus efficace.

Résumé des connaissances axées sur l'IA

La synthèse automatisée des informations médicales a permis d'accélérer les rapports et d'améliorer la visibilité sur les comportements de prescription des médecins. Les recettes de maîtrise en droit dans Dataiku catégorisent et résument les informations, ce qui réduit le temps de traitement manuel.

Automatisation cognitive pour un traitement simplifié des données

Élimination de l'effort manuel dans l'ingestion, la transformation et la modélisation des sujets de données. Snowflake stockait des données HCP structurées et non structurées, tandis qu'un plug-in Dataiku personnalisé classait les informations à l'aide de la modélisation des sujets pilotée par LDA/LLM. Les analystes et les équipes opérationnelles pourraient se concentrer sur la stratégie plutôt que sur le traitement des données.

Accès aux connaissances en temps réel avec les chatbots LLM

Les équipes des ventes, du marketing et de la recherche ont eu un accès instantané à une base de connaissances sur les connaissances médicales. Un chatbot RAG basé sur LLM a récupéré des informations pertinentes dans l'application Web Dataiku Answers, permettant une intégration transparente avec les données Snowflake. La prise de décision s'est accélérée et la collaboration entre les équipes s'est améliorée en réduisant le recours à la recherche manuelle et à la production de rapports.