Non è un segreto che mai, in passato, abbiamo avuto accesso a una tale mole di dati quale abbiamo oggi. L’opportunità di raccogliere dati, per esempio dai social network, unita alla disponibilità di potenti strumenti di elaborazione, apre orizzonti sconfinati alle aziende, e orizzonti ancora più vasti si dischiuderanno con quello che potrà essere disponibile nei prossimi anni. Fioriscono di conseguenza i nuovi metodi di trattamento: è l’epoca delle analytics. Quando osserviamo una scena, possiamo trascurare anche l’evidente se ci concentriamo su un determinato tipo di dati. Nel suo Antifragile, Taleb sostiene che “non abbiamo mai avuto tanti dati come al giorno d’oggi, eppure non siamo mai stati così a corto di situazioni prevedibili. L’abbondanza di dati può distrarre”.

1. 1
1

2. 2
Il modo in cui lavoriamo
Quale è il nostro setting?

3. 4
Le aziende sono chiamate a prendere decisioni ed agire,
il problema che spesso si trovano ad affrontare è...
Cosa Fare?
Ci sono metodi o principi
universali per prendere delle
decisioni che permettano di
agire in modo efficace?
ComplessitàTrasformazione

4. 5
… vediamo passare un flusso
di innovazione ma rischiamo
di non incrociarlo mai...

5. Innovazione SemplicitàBIG DATA
Caratterizzare secondo:
 Tipo di outcome
 Gerarchia dell’evidenza
 Fonte dei dati
Real World Evidence
Con outcome:
 Clinico
 Economico
 Esito riferito dal paziente (PRO)
 Behavioral science

6. 7
BIG DATA

7. 8
In Italia abbiamo differenti esempi di progetti basati sull'utilizzo dei big
data in ambito farmaceutico e assistenziale che si contraddistinguono
tra di loro nella struttura dei data base, negli ambiti di applicazione,
negli indicatori assunti e nelle finalità stesse.
Real World Evidence
Registri pazientiDRG
Dati AmministrativiDati ASL
Source:

8. 9
Source: http://www.bigdatanews.com/

9. 10
Come utilizzare queste informazioni a supporto delle
ricerche di mercato e del business intelligence e
conseguentemente del marketing?
…nell’economia dell’informazione
il fattore competitivo e’ la conoscenza…

10. 11
La correlazione non implica causazione
Source: http://www.bigdatanews.com/

11. 12
Un modello predittivo è lo strumento grazie
al quale gli attributi di un individuo sono valutati per ottenere una previsione
Caratteristiche
di un individuo
Modello
predittivo
Punteggio
predittivo
Source: Eric Siegel

12. 13
L’apprendimento automatico elabora dati per costruire il modello
Dati Apprendimento
automatico
Modello
predittivo
Source: Eric Siegel

13. 14
Il valore dei Big Data e RWE può essere sfruttato
per creare INNOVAZIONE in molteplici ambiti...
02 0301
Stragetie di
branding &
positioning
digitale
Strategie
digital,
multichannel
&
CRM/CLM
Strategie
di profiling
nominale &
informazioni
sul target
04
Strategie
Di negoziazione,
pricing & Value
proposition
INSIGHT
COMMERCIAL
EXCELLENCE
CUSTOMER Market Access
Source: esperienze Medi-Pragma di applicazione ed integrazione dei BIG DATA/RWE

14. 15
Digital marketing strategy maturity
15
Real-time application:
• Landing-page
optimisation
• Multivariate testing
• Journey optimisation
• CMS Integration
Modelling:
• Response probability
• Automatic visitor
segments
• Content clustering
• Content and activity
association
Behaviour:
• Exposure
• Engagement
• Propensity to convert
• Action (NPS)
• Reputation & Loyalty
• Acquisition Method
• Event stream
• Section stream
Measures
• # Users
• # Visits
• # Page views
• Top pages
• Top referrers
• # Errors
•Average Visit Length
•Frequency

15. 16
CompetitiveAdvantage
Analytics Maturity
Predict & ActSense & Respond
Raw
Data
Predictive
Modeling
Optimization
Standard
Reports
Ad Hoc
Reports &
OLAP*
Generic
Predictive
Analytics
Cleaned
Data
What happened?
Why did it happen?
What will happen?
What is the best that
could happen?
*Online Analytical Process
What we deliver
What make us different?
Source: http://www.bigdatanews.com/

16. Ore 9.30-11.40
I Big Data e l’analisi automatica del linguaggio: fonti dati,
strumenti per l’estrazione di corpus testuali, strategie e tecniche
di analisi. Applicazioni possibili in ambito farmaceutico
Prof. Giuliano e Prof.ssa Deriu
Ore 11.40-12.10
Le potenzialità della network analysis: strumenti di analisi e di
rappresentazione di reticoli.
Rassegna e presentazione di alcuni strumenti utili in ambito
farmaceutico Prof.ssa Deriu e Prof. Giuliano
12.10-13.00
“Machine Learning, applicazioni real life per la customer
segmentation” Dott. Piero Savastano, Data Scientist Medi-Pragma
“Il Programmatic Marketing e il doctor enrichment” Dott.
Emanuele Corsaro, Medi-Pragma & Dott. Salvatore Ruggiero, CEO
Merqurio
“Conjoint Analysis e pricing predittivo” Dott. Gianluca Vaccaro,
Methodology of Social Sciences Medi-Pragma
“Dott. Social e la medicina 3.0” Presentazione dell’Health WEB
Observatory Dott.ssa Francesca Venturi, Qualitative research
Medi-Pragma; Dott.ssa Ketty Vaccaro, Web Health Observatory
…ci stiamo muovendo da un mondo di problemi ad un mondo di dilemmi…
Ore 13:00 Lunch
14.00-15.00
La Sentiment analysis in ambito farmaceutico usando i Big
Data: fonti, strumenti, strategie di analisi. Prof. Di Ciaccio
15.00-17.00
Esercitazioni e Case study
Prof.ssa Deriu, Prof Giuliano - Emanuele Corsaro & Piero
Savastano_Medi-Pragma