v191226

Som du vet, tilbyr OpenHealth deg å jobbe på HUB fra ekstrapolerte data.

Konkret, hver dag vi mottar salg fra mer enn halvparten av apotekene, er dette vårt apotekpanel, og vi modellerer salg av apotek som ikke er i vårt panel.

Dette lar oss gi deg et ekstrapolert syn på nasjonalt salg på fransk territorium.

Sektorutsalg er salg med en finere geografisk granularitet enn nasjonal salg. Kutt for eksempel ut av sektoriseringen din.

For å beregne salgssektoren gjennomfører OpenHealth en omfordeling av det nasjonale salgsområdet . Dermed, hvis mitt nasjonale salg er 100, vil jeg omdisponere disse 100 salgsenhetene på sektorene, med hovedregelen om at summen av sektorene må gjøre det nasjonale, det vil si 100.

Omfordeling av nasjonalt salg til sektoren gjør det mulig å overvinne den geografiske dimensjonen ved å være mer spesifikk for sektoren (nettverket ditt eller målretting avhenger ikke lenger av UGAer fordi ikke alle apotek i en UGA har det samme potensialet). Dette lar deg også følge for eksempel to forskjellige nettverk for samme sektor eller å utføre en oppfølging etter type apotek.

Det ville være mulig å ekstrapolere salget til apoteket, og deretter legge til apotekene for å lage sektorer.

Denne metoden er imidlertid mindre presis enn å starte fra det nasjonale og omdisponere salget til sektoren.

Årsaken er som følger:

Når jeg ekstrapolerer til apoteket, er feilmarginen min (= 'usikkerhet') relativt høy. Faktisk kan vi veldig godt ha atypikaliteter på et enkelt apotek isolert (f.eks. Veldig effektiv selger, legekontor ved siden av apoteket, etc.). På den annen side, hvis jeg ekstrapolerer et sett med 100 apotek, er feilmarginen min lavere. Og enda lavere på 1000 apotek, og enda lavere på det nasjonale. Det er derfor en statistisk regel som består i å minimere feilmarginen ved først å ekstrapolere det nasjonale og omdisponere det til sektorene, i stedet for å ekstrapolere til apoteket og legge apotekene sammen.

Vi bruker omdisponeringskoeffisienter. For å si det enkelt, er en koeffisient en prosentandel av tilskrivning av nasjonalt salg til sektoren. Dermed representerer sektor A 1% (= koeffisienten) av nasjonalt salg, så jeg tjener 1% * 100 = 1

Vi bruker faktisk to omdisponeringskoeffisienter:

Tenk deg at jeg vil beregne salget av produktet mitt A, som tilhører markedet for kosttilskudd, i Île-de-France-sektoren.

Først vil jeg bruke apotekene i panelet vårt til å ekstrapolere det nasjonale salget av produktet, for eksempel 100 salgsenheter.

Deretter vil jeg distribuere disse 100 salgsenhetene over alle sektorer, inkludert Île-de-France.

For det vil jeg beregne produktkoeffisienten som vil trekke salget av A i Île-de-France, fra salget av A i panelmedisinens apotek . La oss si at produktkoeffisienten er 3%.

Jeg vil beregne en annen koeffisient, markedskoeffisienten , fremdeles fra panelet, men som vil ta hensyn til markedet for kosttilskudd. La oss si at markedskoeffisienten er 3,3%.

Jeg vil nå kunne utlede salget av A i Île-de-France, som vil ta hensyn til mine 2 koeffisienter, produkt og marked , 3% og 3,3%.

Tenk deg å prøve å rekonstruere salget av et lavt laboratorium DNV , for eksempel Aragan, på et lite område, f.eks: Limoges.

La oss anta at det er 60 apotek i Limoges, og at panelet vårt har 45 (dvs. 75% dekning).

Dessverre har Aragan bare 2 apoteker som selger i Limoges, og de er ikke med i panelet. (= de er en del av de 15 apotekene vi ikke dekker).

produktkoeffisienten gir oss 0 salg for Aragan i Limoges.

Men markedskoeffisienten vil informere meg om at Limoges er en viktig by innen kosttilskudd, og at det er statistisk sannsynlig at det er Aragan-salg .

Så produkt -koeffisienten min vil være 0, men markedet -koeffisienten min er 5%.

Fordelen med å ha to koeffisienter, produkt og marked , er derfor å bedre representere salg av produkter med lav digital distribusjon Salg, forbedre nøyaktigheten av geografisk dekning av produkter i lanseringer, ta hensyn til prisvariasjoner og ha finere tidsmessig granularitet, med daglige og ukentlige data.

A IPR (PRODUCT INTEGRATION) , av et produkt A, består i å legge et produkt til et marked.

Nasjonalt , har dette tillegget ingen innvirkning på salget av andre produkter.

annen side kan dette tillegget endre fordelingen av salg av andre produkter på sektornivå.

Faktisk vil en RPI for et produkt A ikke endre produktkoeffisienten for de andre produktene B, C, D, etc. På den annen side vil det endre markedskoeffisienten marginalt, fordi markedsdefinisjonen er endret ved introduksjonen av produkt A i mitt marked.

Og dette forklarer hvorfor salget av produktene B, C, D, E vil bli omdisponert på en litt annen måte på sektornivå, og derfor får markedsandeler til å utvikle seg ved marginen.

Dette gjelder også forespørsel om MAM (MODALITY-ASSIGNMENT MODIFICATION) i markedet ditt, og til og med en forespørsel om deaktivering

Ja, det er flere muligheter.

Den første er å bare bruke produktkoeffisienten , og ikke markedskoeffisienten . Dette vil imidlertid føre til mindre presisjon i restitusjon av sektorutsalg av produkter med lav DNV.

En annen mulighet, som vi mener er beste praksis, er å bruke nedsalg i å overstyre markedet koeffisient.
Selget brukes til å identifisere atypiske kunder, atypiske geografiske distribusjoner, så vel som atypiske variasjoner (oppover eller nedover).

Begrensninger å vite:

På grunn av en salgsterskel som er for lav og / eller en veldig fin sektoroppdeling (for eksempel mikrosektorer), kan det hende at summen av sektorene ikke er lik den nasjonale når vi analyserer hele sifre.

For eksempel : 10 bokser solgt for et produkt i en gitt måned til den nasjonale for å bli omdisponert i 100 sektorer.