在今年的达沃斯经济论坛中，如何利用大规模数据更好的预测经济，政治形势成为了重点讨论的话题。随着人们数据收集意识和处理能力的增强，我们处在一个数据量爆炸的年代。可是却很少有人真正理解如何去运用这些数据。

举例说，银行利用大规模数据去分析竞争对手的行为，零售和电子商务公司收集数据去预测消费者的行为。但是如何从这些浩如烟海的数据中寻找有价值的信息，是所用公司所面临的挑战。过时的，不准确和不对应的信息不仅不会帮助判断，更会但来负面的效果。

竞争激烈的生物医药行业也不例外。随着专利保护期和产品周期的缩短，保持竞争优势已经越来越困难。生物医药行业也面临着精打细算，从数据中挖掘价值。

 

统一而准确的数据来源

传统上，生物医药行业更多的通过定性的方式进行产品定位（也许你不相信，即使现在多数中大型传统药厂仍然没有完备的竞争战略和竞争数据部门）。有研究表明，生物医药公司一般用80%的时间收集数据，而只用20%的时间做自己的分析。为了能将所有定性的，半定量和定量的数据进行整合，完整的数据收集渠道就变得至关重要。这一点美国走在了世界前列。IMS率先通过行业互助的方式促使所有的药厂资源的提供所有药品的每月度销售量。基于这个数据，公司就可以很好的追踪药品销售的趋势，预测商业机会。IMS最近和食品药品监督局（FDA）合作，提供给FDA最全面的药品销售记录和预测，帮助FDA调配，有效的避免了重要药品，尤其化疗药物的短缺问题。

重视时效性

比起数据的统一性，数据的时效性同样非常重要。每年全球发表的科学文献已经接近150万篇。发现从新的科学成果到被别人广泛引用可能只要一年的时间。能过获得实时定量的数据就可以比竞争对手跑的更快。

消除偏见

临床数据和临床前模型的分析大量依靠学者和相关的专家做判断。这不可避免的引入了偏见。尤其是当学者对其研究方向存在主观判断的时候，偏见的影响尤其明显。对于基础科学研究，适当的主观判断可以被归结为科学灵感，即使出现错误也无非是试验失败。可是对于药物的开发和临床试验，则会成为上亿元的损失和众多病人的生命。如何将学者的知识量化成为无偏见的数据也将是一个重要的研究方向。

启示

美国的医药企业早已经意识到对数据分析和处理的重要性。众多高质量的数据提供商例如IMS，路透等等已经抢占了市场的先机。大多数药厂也在快速设立自己的竞争战略和竞争情报部门。相对的来说，我们国家在这方面还十分的薄弱。但是这必将成为发展的趋势，将来的赢家也会从重视这一领域的公司中产生。

转载本文请联系原作者获取授权，同时请注明本文来自张博迪科学网博客。
链接地址：https://m.sciencenet.cn/blog-558768-590632.html

上一篇：Cancer Drug Targets: The March of the Lemmings