药品预测模型及使用方法【优质PPT】

,Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,医药行业预测,新产品和现有产品的预测模型及使用方法,参考书籍：,医药产品品牌战略,书籍简介：,通过标准建模分析患者流、医生因素和治疗吸引力之间的相互关系，并阐述三者如何共同驱动制药业市场。多因素整合，帮助我们更好地了解市场动态规律，制订更有效的市场策略，量化市场中的先发优势，规划品牌。“知其然，更知其所以然”，为从业者提供一套科学、系统并行之有效的方法，帮助生物制药企业在竞争中脱颖而出。,目录,预测的历史与现状,新产品预测,现有产品预测,对未来的思考,4,1,2,3,预测的历史与现状,1,1,、预测的定义,2,、预测的历史与现状,3,、预测的不准确性,4,、医药行业预测,1,、预测的定义,预测的定义是什么？问题的答案就如它在企业内部发挥的智能那样多种多样，其中包括：,预测是对未来的准确描绘,预测代表了对未来的最佳预判,预测为解读目前各种事件提供了框架,预测能识别企业必须应对的各种要素,预测为企业决策提供排序规则,预测可以检验现有策略假设,预测为走向未来提供方向指引,预测为决策者提供帮助,预测可以指导实践,预测是对不确定性的一种衡量,预测是艺术和科学的结合,预测不是数学应用，而是管理艺术的表达,2,、预测的历史与现状,相比过去对现在的预测，实际情形更像那么回事,德怀特,D.,艾森豪威尔,未来与现在相似,它无非是现在的延长,古斯,高塞吉,3,、预测的不准确性,预测未来是很困难的。在历史上，我们不断尝试去预测未来,却总是看到预测因为不准确而失败。,电话的缺点太多，因此很难严肃地将其视为通讯工具。这种设备本质上对我们毫无价值可言。,1876,年，西部联盟电报公司内部备忘录,人们将厌倦电影中发出声音的人。说话永远无法替代无声电影中的优秀表演,。,1925,年，托马斯,阿尔瓦,爱迪生对新兴有声电影如此评论,所有女人都害怕老鼠。,1926,年，米高梅总裁刘易斯,B.,迈耶对年轻漫画家沃特,迪斯尼如是说,我认为电脑在全球市场的数量可能只有五台。,1943,年，美国国际商用机器公司（,IBM,）总裁托马斯,沃森,乐队还不错，但假如我是你，就会把嘴唇长得像轮胎面的那名歌手踢出乐队,。,1963,年滚石乐队试音时，英国广播公司（,BBC,）节目制片人对其如此评价,640,千字节对任何人都应该足够了。,1981,年，微软公司创始人比尔,盖茨,4,、医药行业预测,(1),畅销药品的失败预测,公司名,药品名,最高销售额（单位：百万美元）,预测值,实际值,默克,噻吗洛尔,5001000,15,罗宾斯,芬氟拉明,300,3,斯特林,氨力农（口服液）,500,0,史克必成,头孢尼西,100,20,4,、医药行业预测,(2),超出预测值的药品,公司名,药品名,最高销售额（单位：百万美元）,预测值,实际值,普强,布洛芬,25,200,先灵葆雅,庆大霉素,68,300,辛泰,萘普生,4050,420,史克必成,西咪替丁,200,1000,普强,赞安诺,3040,200,马里恩,地尔硫卓,50,180,西尔,阿斯巴甜,0,585,4,、医药行业预测,(3),未来的畅销药品？,产品,生产商,用途,预测最高销售额（百万美元）,阿瓦斯丁,基因泰克,癌症,3000,希美加群,阿斯利康,血栓症,1300,环索奈德,安达,哮喘,1200,安痛易,默克,骨关节炎,2500,阿托伐他汀,辉瑞,高血压、高胆固醇,1090,欣百达,礼来,抑郁症,2200,舒降之,默克、先灵葆雅,胆固醇,3000,奥利默森钠,健达,恶性黑色素瘤,900,瑞普巴林,辉瑞,神经性疼痛,2000,思力华,勃林格殷格翰、辉瑞,肺部疾病,1340,4,、医药行业预测,(4),对个职能部门的影响,销售收入,单位销量,医疗政策,定价政策,许可、合作,机会成本,全球、区域、国家,业务单元,销售队伍规模,结构、配置,营销方案、,促销方案、,消费正方案,企业方向、研发,组合、预期值,投资回报、利润,期权估值,预测者必须了解预测接收者的各类需求，以便能选择最佳方式得出预测结果。,4,、医药行业预测,(5),预测的时间范畴,时间范围,长期 短期 年度 月度,组合评价,新产品和产品线,许可机会,研发投资回报,脚本规划,新产品上市规划,资本收益回报,营销资源配置,机构规模和结构,损益表,财务计划,营销投资回报,销售队伍投资回报,销售队伍规模和结构,区域业务计划,医生评估,微观营销,销售队伍部署,1,、新产品的预测法,2,、市场建模,3,、将患者转化成收益,4,、最后注意事项,新产品的预测,2,1,、新产品中使用的通用预测算法,人口,增长率,流行病学,有症候的,确诊,潜在患者,获得,药物治疗,使用药物,的患者,竞争,份额,采纳,同类相食,使用,X,产品,的患者,剂量,依从性,持续性,销量预测,价格,销售预测,报销,市场,产品,转化,注：,该算法，或其简化版，可以推广到几乎所有的新产品预测实践中。随着预测需求越来越复杂，算法的详细程度也随之变化，但相同的逻辑流程适用于一款产品生命周期里的所有节点。,2,、市场建模,(1),预测者面临的首个决策是选择什么数据进行市场建模？,基于患者的模型,(,市场潜力,),基于处方的模型,(,接受过治疗的市场,),2,、市场建模,(2),基于患者的算法,人口,按照适当的划分模式进行划分,利用人口增长率出现的增长,流行病学,有症候的,确诊,获得,潜在患者,药物治疗,使用药物,的患者,人口,流行病学,特定治疗区域和疾病的发生率或盛行率数据,有症候,有特定疾病症候的患者比率,确诊的有症候的患者比率,获取,医疗保险的患者比率,药物治疗,有症候且确诊，同时用我们定义的市场上的药物治疗的患者比率,2,、市场建模,(3),基于患者的算法的成功案例,良性前列腺增生,流行病学研究表明，,65,岁以上的男性中，前列腺增生症的患病率高达,95,。然而，治疗良性前列腺增生的男性数量明显偏低。随着新诊断技术的出现，医生能够监测与良性前列腺增生有关的酶，并能对患者做出早期诊断。这样，诊断率的提高引发了市场的扩张。,艾滋病,随着新的艾滋病毒诊断工具的出现（特别是基于聚合酶链式反应的诊断工具敏灵性的增强），艾滋病毒水平较低的患者得以及早发现，并用抗艾滋病药物进行治疗。这也再次证明，使用诊断工具能起到扩张市场的作用。,2,、市场建模,(4),患病率与发生率模型,发生率,死亡或者治愈,患病率,有好几个治疗领域需要基于发生率的模型：肿瘤学、移植和艾滋病。,2,、市场建模,(5),基于患者的模型对患者流量数据模型,基于患者的模型：,用于治疗模式和患者人数不随时间变化的市场,静态、横断面,孤立的变量,获得平衡,划区,具体的,透明的,电子表格软件,数据驱动,患者流量模型：,用于治疗模式和患者在转型或演变的市场,动态,过度的,交互,相关变量,获取连续态变化,抽象,复杂难懂,复杂的系统软件,概念性的,专注现实,根据专长,诊断的百分比,已治疗的百分比,复发,未治疗,缓解,失败,复发,死亡,维持,2,、市场建模,(6),消费者教育对市场的影响,人口,增长率,流行病学,有症候,确诊,消费者意识,潜在患者,药物治疗,消费者行为,消费者意图,使用药物的患者,2,、市场建模,(7),伴随用药和复方用药,伴随用药,指针对同一患者的,同种病症,，使用多种药物进行治疗,复方用药,指针对同一患者的,不,同病症,，使用多种药物进行治疗,只有伴随用药直接影响市场潜力的计算。复方用药只是间接影响市场潜力。,比如：,患有单相抑郁症的患者人数为,200,000,。,患有广泛性焦虑症的患者人数为,100,000,。,既患有单相抑郁症，又患有广泛性焦虑症的患者人数为,30,000,。,那么患者中使用治疗两种适应症的药品的潜在人数是多少？,3,、预测产品,(1),预测患者份额,定义竞争性组合,计算患者份额的首先步骤是确定合适的产品组合，以便于预测产品竞争。,预测患者份额,预测那些接受我们产品，而不是竞争对手产品的患者所占份额，是预测模型的核心。,3,、预测产品,(2),将患者转化成收益,与产品有关的患者数量一旦确定，预测者必须将这些患者转化为销售量、处方、收益和净利润预测,每日的处方剂量,依从性,处方治疗的天数,持续性,患者数量,每日的实际剂量,治疗的实际天数,销售量,对于预测者而言，查找依从性和持续性假设的数据是一项挑战。,3,、预测产品,(3),预测依从性和持续性,对于预测者而言，查找依从性和持续性假设的数据是一项挑战。很少有二手数据源会提供依从性和持续性比率。我们可能可以使用模拟数据、来自审计的处方或治疗天数数据（由于这两项指标记录了实际分配的药量，所以包含依从性和持续性的影响），但患者数据源（依从性和持续性反算的分母）通常很难获得。由于临床试验存在监管，所以使用临床试验数据会高估依从性和持续性的比率。,依从性：患者认同处方的剂量,治疗开始,开处方,30,天后,建议结束第一阶段治疗，并开始使用新处方,开处方,45,天后,患者重新来拿新处方的实际时间,45,天进行了,30,天的治疗，因此依从性是,67%,。,持续性：患者持续使用一种疗法,患者数量,自治疗开始后的月份,100,名患者中，,60,名患者在,12,个月后仍然在坚持该疗法，因此一年的持续性为,60%,。,1,、现有产品的预测法,2,、有关趋势的历史数据,3,、发挥超趋势事件的作用,4,、将经趋势分析过的数据转化为预测输出,现有产品预测,4,1,、现有产品的预测算法,(1),现有产品的通用算法,基线趋势,超趋势事件,调和与转换,市场基线趋势,(,时间序列数据,),市场基线趋势,(,时间序列数据,),环境变化,政策变化,竞争对手行为,其他超趋势事件,销售策略,营销策略,市场预测,(,趋势和超趋势时间,),产品需求预测,(,趋势和超趋势时间,),渠道修正,经销商行为,平行进口,产品出厂预测,它可以针对特定的治疗领域和产品进行修正，但该算法的通用部分将保持不变：有关趋势的历史数据，,发挥超趋势事件的作用，并将趋势数据转换成所需要的预测输出。,1,、现有产品的预测算法,(3),通用算法中需要注意的节点,选择作用于趋势分析的基础数据集,只专注于一个数据集，往往会导致预测出错,如果分析每个能想到的数据集，也会导致预测变得很混乱,最终预测者应该对尽可能多的数据集进行趋势分析,为趋势分析选择时间周期,一旦确定哪些数据集要进行趋势分析后，预测者就面临着这样一个问题，即趋势分析中需要包含多少历史数据点,1,、现有产品的预测算法,(3),通用算法中需要注意的节点,发挥超趋势时间的作用,外部超趋势事件：,欧盟监管机构审查过程中的变化、医生用药预算在德国的问世、美国联邦医疗保险处方药物计划的覆盖、加拿大网上药房配药的兴起,、新竞争对手的出现,等等,内部超趋势事件：,公司自身指导下的活动，它们包括引入延伸产品、改变营销策略和计划、改变销售队伍的资源分配等,预测者面临的挑战就是确定这些事件，并量化它们对预测的影响,1,、现有产品的预测算法,(3),通用算法中需要注意的节点,将趋势分析过的数据转化为预测输出,渠道修正,经销商行为,时机掌握,填空和清空销售管道,平行进口货品,注：,预测者在预测现有产品时面临的最大挑战是如何将需求预测转化为出厂销售预测。,1,、复兴的时代,2,、创作故事而不是建电子表格,3,、全方位预测,4,、预测案例研究,对未来的思考,4,1,、复兴的时代,各个时代的预测,1970,年代,未规划时代,1980,年代,幻想时代,1990,年代,失望时代,2000