v191226

Som du ved, tilbyder OpenHealth dig at arbejde på HUB'en fra ekstrapolerede data.

Konkret, hver dag, vi modtager salg fra mere end halvdelen af apotekerne, er dette vores panel af apoteker, og vi modellerer salget af apoteker, der ikke er i vores panel.

Dette giver os mulighed for at give dig et ekstrapoleret overblik over det nationale salg på fransk territorium.

Sektorsalg er salg med en mere detaljeret geografisk granularitet end nationalt salg. Skær for eksempel ud af din sektorisering.

For at beregne salgssektoren gennemfører OpenHealth en omfordeling af det nationale salgsområde . Således, hvis mit nationale salg er 100, vil jeg omfordele disse 100 salgsenheder på sektorerne med hovedreglen om, at summen af sektorerne skal gøre det nationale, det vil sige 100.

Omfordeling af nationalt salg til sektoren gør det muligt at overvinde den geografiske dimension ved at være mere specifik for sektoren (dit netværk eller målretning afhænger ikke længere af UGA'er, fordi ikke alle apoteker i en UGA har det samme potentiale). Dette giver dig også mulighed for at følge for eksempel 2 forskellige netværk til samme sektor eller at udføre en opfølgning ved typologi af apoteker.

Det ville være muligt at ekstrapolere salget til apoteket og derefter tilføje apotekerne til at lave sektorer.

Denne metode er dog mindre præcis end at starte med det nationale salg og omfordeling af salget til sektoren.

Årsagen er som følger:

Når jeg ekstrapolerer til apoteket, er min fejlmargin (= 'usikkerhed') relativt høj. Faktisk kan vi meget godt have atypismer på et enkelt apotek taget isoleret (f.eks. Meget effektiv sælger, lægekontor ved siden af apoteket osv.). På den anden side, hvis jeg ekstrapolerer et sæt på 100 apoteker, er min fejlmargin lavere. Og endnu lavere på 1000 apoteker og endnu lavere på de nationale apoteker. Der er derfor en statistisk regel, der består i at minimere fejlmarginen ved først at ekstrapolere det nationale og omfordele det til sektorerne i stedet for først at ekstrapolere til apoteket og tilføje apotekerne sammen.

Vi bruger genallokeringskoefficienter. For at sige det enkelt er en koefficient en procentdel af tilskrivningen af det nationale salg til sektoren. Således repræsenterer sektor A 1% (= koefficienten) af det nationale salg, så jeg tjener 1% * 100 = 1

Vi bruger faktisk 2 omfordelingskoefficienter:

Forestil dig, at jeg vil beregne salget af mit produkt A, som tilhører markedet for kosttilskud, i Île-de-France-sektoren.

For det første vil jeg bruge apotekerne i vores panel til at ekstrapolere det nationale salg af produktet, for eksempel 100 salgsenheder.

Derefter distribuerer jeg disse 100 salgsenheder over alle sektorer, inklusive Île-de-France.

Til det vil jeg beregne produktkoefficienten der trækker salget af A i Île-de-France, fra salget af A i mine panelist-apoteker . Lad os sige, at produktkoefficienten er 3%.

Jeg beregner en anden koefficient, markedskoefficienten , stadig fra panelet, men som tager højde for markedet for kosttilskud. Lad os sige, at markedskoefficienten er 3,3%.

Jeg kan nu udlede salget af A i Île-de-France, som vil tage højde for mine 2 koefficienter, produkt og marked , 3% og 3,3%.

Forestil dig at prøve at rekonstruere salget af et lavt laboratorium DNV , for eksempel Aragan, på et lille område, f.eks.: Limoges.

Lad os antage, at der er 60 apoteker i Limoges, og at vores panel har 45 (dvs. 75% dækning).

Desværre har Aragan kun 2 sælgende apoteker i Limoges, og de er ikke i panelet. (= de er en del af de 15 apoteker, som vi ikke dækker).

produktkoefficienten giver os 0 salg for Aragan i Limoges.

Men markedskoefficienten vil informere mig om, at Limoges er en vigtig by inden for kosttilskud, og at det er statistisk sandsynligt, at der er salg fra Aragan .

Så min produkt -koefficient er 0, men min marked -koefficient er 5%.

Fordelen ved at have 2 koefficienter, produkt og marked , er derfor bedre at repræsentere salget af produkter med lav digital distribution Salg, forbedre nøjagtigheden af produktets geografiske dækning ved lanceringer, tage højde for prisvariationer og have finere tidsmæssig granularitet med daglige og ugentlige data.

A IPR (PRODUCT INTEGRATION) , af et produkt A, består i at tilføje et produkt til et marked.

Nationalt har denne tilføjelse ingen indflydelse på salget af andre produkter.

anden side kan denne tilføjelse ændre fordelingen af salget af andre produkter på sektorniveau.

En RPI for et produkt A ændrer faktisk ikke produktkoefficienten for de andre produkter B, C, D osv. På den anden side vil det ændre markedskoefficienten marginalt, fordi markedsdefinitionen er blevet ændret ved introduktionen af produkt A på mit marked.

Og dette forklarer, hvorfor salget af produkterne B, C, D, E omfordeles på en lidt anden måde på sektorniveau og derfor får markedsandele til at udvikle sig ved margenen.

Dette gælder også for en anmodning om MAM (MODALITY-ASSIGNMENT MODIFICATION) på dit marked og endda en anmodning om deaktivering

Ja, der er flere muligheder.

Den første er kun at bruge produktkoefficienten og ikke markedskoefficienten . Dette vil dog resultere i mindre præcision i tilbageleveringen af sektorsalg af produkter med lav DNV.

En anden mulighed, som vi mener er den bedste praksis, er at bruge dit salg til at tilsidesætte markedskoefficienten.
Salget bruges til at identificere atypiske kunder, atypiske geografiske fordelinger samt atypiske variationer (opad eller nedad).

Begrænsninger at vide:

På grund af en salgstærskel, der er for lav og / eller en meget fin sektoropdeling (for eksempel mikrosektorer), er summen af sektorerne muligvis ikke lig med det nationale, når vi analyserer hele cifre.

For eksempel : 10 kasser, der sælges til et produkt i en given måned til den nationale for at blive allokeret til 100 sektorer.