SlideShare a Scribd company logo
1 of 24
© JMDC Inc. 1
Lookerを利用した

医療ビッグデータのマーケティング分析ツールの開発

2020/09/02
吉川/岡
© JMDC Inc. 2
Topics

前半:背景・設計



● 会社概要

● ツール開発の背景

● 医療データ分析の要件

● Looker:インフラ構成

● LookML:ソースコードのコンポーネント化

● LookerAPI:model評価の効率化





後半:ユースケース・改善



● 製薬業界のデータ分析とJMDCデータの活用

● 分析機能例

● Lookerを利用して改善できたこと

● 現状の課題と今後の展望

● Lookerへの機能要望

※BEACONにて
発表される内容とは
異なります
© JMDC Inc. 3
Profile

● 吉川 禎洋(よしかわ さだひろ) 

● 株式会社JMDC データ基盤開発部 

● 中途入社2年目

● サーバサイドエンジニア(ほぼクラウド) 

● 趣味

○ ヒトカラ

○ 健康食(サバ缶、BASE BREAD..etc)

       買ってくださいm(_ _)m → 

© JMDC Inc. 4
会社概要

保険者(≒ 健康組合)等からご提供いただいたデータを匿名加工し、医療の質の向上に貢献。



© JMDC Inc. 5
ツール開発の背景

● 昔から、製薬会社向けデータ分析ツール(以下、現行ツール)がJMDCにあった 

● ここ数年で、扱えるデータの種類が増えてきた 

● 現行ツールのカスタマイズより、もっと新しい価値を持ったツールをつくりたい 

○ 新しいデータや分析ニーズに、よりスピーディーに対応したい 

○ より幅広いユーザーをターゲットとする 







=> 久野さん(BEACON発表者)のチームでLookerを利用していると聞き、試してみる。



© JMDC Inc. 6
医療データ分析の要件

JMDCの保有するデータを使えば、1患者の推移を(年単位でも)確認できるのが強み。

© JMDC Inc. 7
医療データ分析の要件
ただ、その分析結果を抽出するには、単純なフィルタやJOINでは実現できない。
例えば。。。
困難1:継続をみる前に初診を抽出しなければいけない(=サブクエリ)

困難2:異なるカラムを組み合わせて、薬をグループ化(=カラム再構成)





困難3:期間内ずっと健康組合に在籍しているか確認(=HAVING)

研究テーマ:
 糖尿病ではなかった患者 ※1が初めて糖尿病の診断を受けたあと、
 どの糖尿病薬が、一番 継続 ※2して処方され続けているのかを知りたい。
...etc

 ※1:「半年以上」糖尿病診断のなかった患者
 ※2:「初診」から「別の薬が使われた」 or「3ヶ月間何も処方がなかった」までの月数
© JMDC Inc. 8
医療データ分析の要件
Lookerは相性がいいかも。。

© JMDC Inc. 9
Looker:インフラ構成
BigQueryをクエリエンジンとして利用。オンプレ+AWSで加工したデータを転送している。
加工

+

© JMDC Inc. 10
LookML:ソースコードのコンポーネント化
● 分析要件(薬グループなど)ごとにview(derived table)を分割、model内で組み合わせ
○ modelのexplore名と、共通viewを”main”という名称で結び付け
■ これにより、共通viewをいろんなところで活用できるように
複雑な、医療データ分析の要件をLooker上に落とし込む。
薬グループ化view
病気グループ化view
modelで利用されるview 初診判定view
explore固有view
共通view)
共通viewでFilterを”main”に
model
explore上でFilter操作可能に
© JMDC Inc. 11
LookML:ソースコードのコンポーネント化
● 開発用datasetをあらかじめ少量データでつくって、 develop modeで切替可能にする
● 本番データにも、通常版 /速報版といったタイプ切替があるため、そのロジックも含む
物理テーブルを参照しないようにviewファイルで制御。
© JMDC Inc. 12
LookerAPI:model評価の効率化
1.初回評価
手法:
● 分析チームが作成したクエリ結果と、 ExploreURLのクエリ結果を比較
ツール:
● ExploreURLを入力すると、クエリ結果 CSVを出力
○ 出力結果が、分析チームのクエリ結果 CSVと一致 → 評価OK
LookerAPIでツールを作成し、初回評価と、デグレード確認 を効率化。
© JMDC Inc. 13
LookerAPI:model評価の効率化
2.デグレード確認
手法:
● Looker上で、masterブランチと開発ブランチを比較
ツール:
● ExploreURLを入力すると、masterブランチと開発ブランチから SQLクエリを生成+比較
○ SQLクエリが一致 → デグレードなし
○ SQLクエリが一致しない → クエリを実行して結果 CSVが一致 → デグレードなし
© JMDC Inc. 14
前半まとめ
背景:

● 現行ツールとは別の、新しい価値のあるツールをつくりたい

○ 新しいことに、スピード感を持って対応できるツール

設計:

● 医療データ分析とLookerは相性がいい

● コンポーネント化+評価の効率化で、開発速度と質を向上

© JMDC Inc. 15
後半に続きます
© JMDC Inc. 16
Profile & 後半の内容
● 岡 裕也(おか ゆうや)
● 株式会社JMDC 製品開発部
● 4月からLookerプロジェクトを引継ぎ
● JMDCにおけるLooker利用のユースケースを中心に話します。
○ 製薬業界の市場調査と JMDCが生み出せる価値
○ JMDCデータのLooker分析機能事例
○ 今後の製品向上の展望と、 Lookerへの機能要望
© JMDC Inc. 17
製薬の市場分析
➢ 医師へのアンケート
従来型の一般的な薬剤市場調査は、
プライマリー調査 トップライン調査
➢ 薬剤売上データ
よく使う薬は?
どんな病気に使ってる?
IQVIA - 医薬品市場統計
© JMDC Inc. 18
JMDCのデータが生み出せる価値
キーワード
● Real World Data : RWD
○ 日常臨床環境で収集されたデータ(≠ 臨床試験のような実験的環境ではない。)
● Real World Evidence : RWE
○ RWDを用いて導き出される事象
JMDCが生み出せる価値
● 健康保険組合や病院から収集した、診療レセプト(= RWD)
○ 診療の実態を見ることができるのは画期的
RWD(医療ビッグデータ)を用いて、RWEを創出する。
RWDの新たな提供・分析ツールとしてLookerを採用。
© JMDC Inc. 19
機能例:アドヒアランス分析 ※前半で話した研究テーマの具体例
薬剤の処方継続を集計する。※数値はサンプルです。
横軸:薬を処方されてからの月数
縦
軸
薬
の
処
方
継
続
率
継続して薬を処方された割合を表示
・時間の経過による継続率低下の程度は?
・競合製品と比較してどうか?
継続率の上昇 = 売上の上昇
© JMDC Inc. 20
Dashboardの活用
❖ 研究テーマに応える分析をダッシュボードに集約して納品
➢ 実物をお見せします。
現行ツール Lookerツール
● データ更新の度に毎回集計
● CSVから都度グラフ作成
● 参照したいDB毎にアプリにログイン
● 常に最新データを自動集計
● 経営報告資料の工数削減
● 複数のDB・データソースを一括参照
● 新たな分析軸の提案
© JMDC Inc. 21
今後の展望
● 分析条件設定など、UIの利便性は現行ツールに劣る。
● よりユーザーフレンドリーなUIを目指す。
○ ステップごとの条件設定、ダイアログボックスの活用、etc.
● 分析対象の患者を段階的に絞り込むような分析ロジックの構築。
Extension Frameworkを利用したUI開発
Explore間の分析連携
糖尿病患者数は? SGLT2i薬処方患者数は? 他の傷病/処方薬は?
© JMDC Inc. 22
Lookerでこんなことができるともっと良い
● Explore上の分析でCREATE TABLE文を使用可能する、など。
○ 前項のExplore間の分析連携が容易に
中間テーブルの使用
エラーハンドリング
● JMDCの医療データは、複雑な条件設定・分析が必要
○ 条件設定をスムーズに誘導できるように
Explore
CREATE
Explore
SELECT
© JMDC Inc. 23
後半まとめ
● 新たなRWD分析ツールとしてLookerを採用
○ 医療ビッグデータ × BIツールによって新たな価値を持つ分析ツールの開発を目指す
● Exploreで複数の分析機能を実装し、Dashboardに集約
○ 最新データを自動集計、資料作成の工数削減、新たな分析軸の提案
● Looker社への機能提案(今後の開発展望)
○ 中間テーブルの使用:段階的に対象患者を絞り込む機能実装
○ エラーハンドリング機能:よりユーザーフレンドリーなUI開発
© JMDC Inc. 24

More Related Content

What's hot

全社のデータ活用を一段階上げる取り組み
全社のデータ活用を一段階上げる取り組み全社のデータ活用を一段階上げる取り組み
全社のデータ活用を一段階上げる取り組み株式会社MonotaRO Tech Team
 
プログラミング支援AI GitHub Copilot すごいの話
プログラミング支援AI GitHub Copilot すごいの話プログラミング支援AI GitHub Copilot すごいの話
プログラミング支援AI GitHub Copilot すごいの話Mitsushige Ishiguro
 
DXの推進において企業内に求められる人材やデジタル人材の育て方
DXの推進において企業内に求められる人材やデジタル人材の育て方DXの推進において企業内に求められる人材やデジタル人材の育て方
DXの推進において企業内に求められる人材やデジタル人材の育て方Hironori Washizaki
 
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)Tokoroten Nakayama
 
ゼロから作るKubernetesによるJupyter as a Service ー Kubernetes Meetup Tokyo #43
ゼロから作るKubernetesによるJupyter as a Service ー Kubernetes Meetup Tokyo #43ゼロから作るKubernetesによるJupyter as a Service ー Kubernetes Meetup Tokyo #43
ゼロから作るKubernetesによるJupyter as a Service ー Kubernetes Meetup Tokyo #43Preferred Networks
 
FormsとPower AutomateとTeamsを使った問合せ管理の仕組みをつくる
FormsとPower AutomateとTeamsを使った問合せ管理の仕組みをつくるFormsとPower AutomateとTeamsを使った問合せ管理の仕組みをつくる
FormsとPower AutomateとTeamsを使った問合せ管理の仕組みをつくる新一 河村
 
データ基盤に関わる問い合わせ対応を仕組みで解決する
データ基盤に関わる問い合わせ対応を仕組みで解決するデータ基盤に関わる問い合わせ対応を仕組みで解決する
データ基盤に関わる問い合わせ対応を仕組みで解決する株式会社MonotaRO Tech Team
 
MLOpsの概要と初学者が気をつけたほうが良いこと
MLOpsの概要と初学者が気をつけたほうが良いことMLOpsの概要と初学者が気をつけたほうが良いこと
MLOpsの概要と初学者が気をつけたほうが良いことSho Tanaka
 
位置データもPythonで!!!
位置データもPythonで!!!位置データもPythonで!!!
位置データもPythonで!!!hide ogawa
 
DXのための内製化のススメ
DXのための内製化のススメDXのための内製化のススメ
DXのための内製化のススメDaiyu Hatakeyama
 
Lookerユーザー会#7 RefinementsとExtendsを活用したExplore構築 ~JOINを跨いだフィールドをすっきり実装しよう〜 / L...
Lookerユーザー会#7 RefinementsとExtendsを活用したExplore構築 ~JOINを跨いだフィールドをすっきり実装しよう〜 / L...Lookerユーザー会#7 RefinementsとExtendsを活用したExplore構築 ~JOINを跨いだフィールドをすっきり実装しよう〜 / L...
Lookerユーザー会#7 RefinementsとExtendsを活用したExplore構築 ~JOINを跨いだフィールドをすっきり実装しよう〜 / L...Chikako Hirayama
 
【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explain...
【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explain...【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explain...
【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explain...Kosetsu Tsukuda
 
BIツール大全 もうBIツールで迷わない「超カタログ」
BIツール大全 もうBIツールで迷わない「超カタログ」BIツール大全 もうBIツールで迷わない「超カタログ」
BIツール大全 もうBIツールで迷わない「超カタログ」Sho Maekawa
 
エンジニアの個人ブランディングと技術組織
エンジニアの個人ブランディングと技術組織エンジニアの個人ブランディングと技術組織
エンジニアの個人ブランディングと技術組織Takafumi ONAKA
 
ChatGPTがもたらす未来予測
ChatGPTがもたらす未来予測ChatGPTがもたらす未来予測
ChatGPTがもたらす未来予測Koji Fukuoka
 
ChatGPTの ビジネス活用とセキュリティ
ChatGPTのビジネス活用とセキュリティChatGPTのビジネス活用とセキュリティ
ChatGPTの ビジネス活用とセキュリティDaisuke Masubuchi
 
楽天のデータサイエンス/AIによるビッグデータ活用
楽天のデータサイエンス/AIによるビッグデータ活用楽天のデータサイエンス/AIによるビッグデータ活用
楽天のデータサイエンス/AIによるビッグデータ活用Rakuten Group, Inc.
 
グラフ構造のデータモデルをPower BIで可視化してみた
グラフ構造のデータモデルをPower BIで可視化してみたグラフ構造のデータモデルをPower BIで可視化してみた
グラフ構造のデータモデルをPower BIで可視化してみたCData Software Japan
 
分散型社会にて信頼できるトレーサビリティを実現するChain Data Lineage | 西間木 哲
分散型社会にて信頼できるトレーサビリティを実現するChain Data Lineage | 西間木 哲分散型社会にて信頼できるトレーサビリティを実現するChain Data Lineage | 西間木 哲
分散型社会にて信頼できるトレーサビリティを実現するChain Data Lineage | 西間木 哲blockchainexe
 

What's hot (20)

全社のデータ活用を一段階上げる取り組み
全社のデータ活用を一段階上げる取り組み全社のデータ活用を一段階上げる取り組み
全社のデータ活用を一段階上げる取り組み
 
プログラミング支援AI GitHub Copilot すごいの話
プログラミング支援AI GitHub Copilot すごいの話プログラミング支援AI GitHub Copilot すごいの話
プログラミング支援AI GitHub Copilot すごいの話
 
DXの推進において企業内に求められる人材やデジタル人材の育て方
DXの推進において企業内に求められる人材やデジタル人材の育て方DXの推進において企業内に求められる人材やデジタル人材の育て方
DXの推進において企業内に求められる人材やデジタル人材の育て方
 
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)
 
ゼロから作るKubernetesによるJupyter as a Service ー Kubernetes Meetup Tokyo #43
ゼロから作るKubernetesによるJupyter as a Service ー Kubernetes Meetup Tokyo #43ゼロから作るKubernetesによるJupyter as a Service ー Kubernetes Meetup Tokyo #43
ゼロから作るKubernetesによるJupyter as a Service ー Kubernetes Meetup Tokyo #43
 
MLOpsはバズワード
MLOpsはバズワードMLOpsはバズワード
MLOpsはバズワード
 
FormsとPower AutomateとTeamsを使った問合せ管理の仕組みをつくる
FormsとPower AutomateとTeamsを使った問合せ管理の仕組みをつくるFormsとPower AutomateとTeamsを使った問合せ管理の仕組みをつくる
FormsとPower AutomateとTeamsを使った問合せ管理の仕組みをつくる
 
データ基盤に関わる問い合わせ対応を仕組みで解決する
データ基盤に関わる問い合わせ対応を仕組みで解決するデータ基盤に関わる問い合わせ対応を仕組みで解決する
データ基盤に関わる問い合わせ対応を仕組みで解決する
 
MLOpsの概要と初学者が気をつけたほうが良いこと
MLOpsの概要と初学者が気をつけたほうが良いことMLOpsの概要と初学者が気をつけたほうが良いこと
MLOpsの概要と初学者が気をつけたほうが良いこと
 
位置データもPythonで!!!
位置データもPythonで!!!位置データもPythonで!!!
位置データもPythonで!!!
 
DXのための内製化のススメ
DXのための内製化のススメDXのための内製化のススメ
DXのための内製化のススメ
 
Lookerユーザー会#7 RefinementsとExtendsを活用したExplore構築 ~JOINを跨いだフィールドをすっきり実装しよう〜 / L...
Lookerユーザー会#7 RefinementsとExtendsを活用したExplore構築 ~JOINを跨いだフィールドをすっきり実装しよう〜 / L...Lookerユーザー会#7 RefinementsとExtendsを活用したExplore構築 ~JOINを跨いだフィールドをすっきり実装しよう〜 / L...
Lookerユーザー会#7 RefinementsとExtendsを活用したExplore構築 ~JOINを跨いだフィールドをすっきり実装しよう〜 / L...
 
【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explain...
【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explain...【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explain...
【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explain...
 
BIツール大全 もうBIツールで迷わない「超カタログ」
BIツール大全 もうBIツールで迷わない「超カタログ」BIツール大全 もうBIツールで迷わない「超カタログ」
BIツール大全 もうBIツールで迷わない「超カタログ」
 
エンジニアの個人ブランディングと技術組織
エンジニアの個人ブランディングと技術組織エンジニアの個人ブランディングと技術組織
エンジニアの個人ブランディングと技術組織
 
ChatGPTがもたらす未来予測
ChatGPTがもたらす未来予測ChatGPTがもたらす未来予測
ChatGPTがもたらす未来予測
 
ChatGPTの ビジネス活用とセキュリティ
ChatGPTのビジネス活用とセキュリティChatGPTのビジネス活用とセキュリティ
ChatGPTの ビジネス活用とセキュリティ
 
楽天のデータサイエンス/AIによるビッグデータ活用
楽天のデータサイエンス/AIによるビッグデータ活用楽天のデータサイエンス/AIによるビッグデータ活用
楽天のデータサイエンス/AIによるビッグデータ活用
 
グラフ構造のデータモデルをPower BIで可視化してみた
グラフ構造のデータモデルをPower BIで可視化してみたグラフ構造のデータモデルをPower BIで可視化してみた
グラフ構造のデータモデルをPower BIで可視化してみた
 
分散型社会にて信頼できるトレーサビリティを実現するChain Data Lineage | 西間木 哲
分散型社会にて信頼できるトレーサビリティを実現するChain Data Lineage | 西間木 哲分散型社会にて信頼できるトレーサビリティを実現するChain Data Lineage | 西間木 哲
分散型社会にて信頼できるトレーサビリティを実現するChain Data Lineage | 西間木 哲
 

Similar to JMDC / Looker User Meetup in Tokyo #4

Open Hybrid Cloudを検討すべき理由.pdf
Open Hybrid Cloudを検討すべき理由.pdfOpen Hybrid Cloudを検討すべき理由.pdf
Open Hybrid Cloudを検討すべき理由.pdfMasahiko Umeno
 
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に  ~自社・競合データから導く、結果につながるデータ分析の最新事例~大切なお客様を、一生のお客様に  ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~株式会社Consumer first
 
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)IMJ Corporation
 
【de:code 2020】 Power Platform いまさら聞けないモデル駆動型アプリケーション
【de:code 2020】 Power Platform いまさら聞けないモデル駆動型アプリケーション【de:code 2020】 Power Platform いまさら聞けないモデル駆動型アプリケーション
【de:code 2020】 Power Platform いまさら聞けないモデル駆動型アプリケーション日本マイクロソフト株式会社
 
BIGLOBE RDRA導入後の要件定義の変化
BIGLOBE RDRA導入後の要件定義の変化BIGLOBE RDRA導入後の要件定義の変化
BIGLOBE RDRA導入後の要件定義の変化BIGLOBE Inc.
 
アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜
アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜
アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜MicroAd, Inc.(Engineer)
 
20220125_neurips_sharing_vqgnn
20220125_neurips_sharing_vqgnn20220125_neurips_sharing_vqgnn
20220125_neurips_sharing_vqgnnssuser9156f1
 
株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch
株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch
株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitchzeal32
 
R&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのかR&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのか恵 桂木
 
R&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのかR&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのか恵 桂木
 
R&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのかR&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのか恵 桂木
 
R&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのかR&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのか恵 桂木
 
正確な意思決定を阻む 問題・障害との向き合い方
正確な意思決定を阻む 問題・障害との向き合い方正確な意思決定を阻む 問題・障害との向き合い方
正確な意思決定を阻む 問題・障害との向き合い方syou6162
 
IT Leaders 2012年5月号 No.43
IT Leaders 2012年5月号 No.43IT Leaders 2012年5月号 No.43
IT Leaders 2012年5月号 No.43Takumi ITOH
 
詳細設計とアプリケーション開発工程
詳細設計とアプリケーション開発工程詳細設計とアプリケーション開発工程
詳細設計とアプリケーション開発工程康 新谷
 
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介Tsuyoshi Hirayama
 
Pmij forum2013 pmo-wg2-20130803_jun_ohnishi
Pmij forum2013 pmo-wg2-20130803_jun_ohnishiPmij forum2013 pmo-wg2-20130803_jun_ohnishi
Pmij forum2013 pmo-wg2-20130803_jun_ohnishiJun Ohnishi
 
デジタル戦略立案サービス
デジタル戦略立案サービスデジタル戦略立案サービス
デジタル戦略立案サービスmunjapan
 

Similar to JMDC / Looker User Meetup in Tokyo #4 (20)

Open Hybrid Cloudを検討すべき理由.pdf
Open Hybrid Cloudを検討すべき理由.pdfOpen Hybrid Cloudを検討すべき理由.pdf
Open Hybrid Cloudを検討すべき理由.pdf
 
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に  ~自社・競合データから導く、結果につながるデータ分析の最新事例~大切なお客様を、一生のお客様に  ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
 
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
 
【de:code 2020】 Power Platform いまさら聞けないモデル駆動型アプリケーション
【de:code 2020】 Power Platform いまさら聞けないモデル駆動型アプリケーション【de:code 2020】 Power Platform いまさら聞けないモデル駆動型アプリケーション
【de:code 2020】 Power Platform いまさら聞けないモデル駆動型アプリケーション
 
BIGLOBE RDRA導入後の要件定義の変化
BIGLOBE RDRA導入後の要件定義の変化BIGLOBE RDRA導入後の要件定義の変化
BIGLOBE RDRA導入後の要件定義の変化
 
アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜
アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜
アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜
 
20220125_neurips_sharing_vqgnn
20220125_neurips_sharing_vqgnn20220125_neurips_sharing_vqgnn
20220125_neurips_sharing_vqgnn
 
株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch
株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch
株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch
 
R&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのかR&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのか
 
R&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのかR&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのか
 
ils202202
ils202202ils202202
ils202202
 
R&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのかR&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのか
 
ils202202
ils202202ils202202
ils202202
 
R&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのかR&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのか
 
正確な意思決定を阻む 問題・障害との向き合い方
正確な意思決定を阻む 問題・障害との向き合い方正確な意思決定を阻む 問題・障害との向き合い方
正確な意思決定を阻む 問題・障害との向き合い方
 
IT Leaders 2012年5月号 No.43
IT Leaders 2012年5月号 No.43IT Leaders 2012年5月号 No.43
IT Leaders 2012年5月号 No.43
 
詳細設計とアプリケーション開発工程
詳細設計とアプリケーション開発工程詳細設計とアプリケーション開発工程
詳細設計とアプリケーション開発工程
 
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
 
Pmij forum2013 pmo-wg2-20130803_jun_ohnishi
Pmij forum2013 pmo-wg2-20130803_jun_ohnishiPmij forum2013 pmo-wg2-20130803_jun_ohnishi
Pmij forum2013 pmo-wg2-20130803_jun_ohnishi
 
デジタル戦略立案サービス
デジタル戦略立案サービスデジタル戦略立案サービス
デジタル戦略立案サービス
 

JMDC / Looker User Meetup in Tokyo #4

  • 1. © JMDC Inc. 1 Lookerを利用した
 医療ビッグデータのマーケティング分析ツールの開発
 2020/09/02 吉川/岡
  • 2. © JMDC Inc. 2 Topics
 前半:背景・設計
 
 ● 会社概要
 ● ツール開発の背景
 ● 医療データ分析の要件
 ● Looker:インフラ構成
 ● LookML:ソースコードのコンポーネント化
 ● LookerAPI:model評価の効率化
 
 
 後半:ユースケース・改善
 
 ● 製薬業界のデータ分析とJMDCデータの活用
 ● 分析機能例
 ● Lookerを利用して改善できたこと
 ● 現状の課題と今後の展望
 ● Lookerへの機能要望
 ※BEACONにて 発表される内容とは 異なります
  • 3. © JMDC Inc. 3 Profile
 ● 吉川 禎洋(よしかわ さだひろ) 
 ● 株式会社JMDC データ基盤開発部 
 ● 中途入社2年目
 ● サーバサイドエンジニア(ほぼクラウド) 
 ● 趣味
 ○ ヒトカラ
 ○ 健康食(サバ缶、BASE BREAD..etc)
        買ってくださいm(_ _)m → 

  • 4. © JMDC Inc. 4 会社概要
 保険者(≒ 健康組合)等からご提供いただいたデータを匿名加工し、医療の質の向上に貢献。
 

  • 5. © JMDC Inc. 5 ツール開発の背景
 ● 昔から、製薬会社向けデータ分析ツール(以下、現行ツール)がJMDCにあった 
 ● ここ数年で、扱えるデータの種類が増えてきた 
 ● 現行ツールのカスタマイズより、もっと新しい価値を持ったツールをつくりたい 
 ○ 新しいデータや分析ニーズに、よりスピーディーに対応したい 
 ○ より幅広いユーザーをターゲットとする 
 
 
 
 => 久野さん(BEACON発表者)のチームでLookerを利用していると聞き、試してみる。
 

  • 6. © JMDC Inc. 6 医療データ分析の要件
 JMDCの保有するデータを使えば、1患者の推移を(年単位でも)確認できるのが強み。

  • 7. © JMDC Inc. 7 医療データ分析の要件 ただ、その分析結果を抽出するには、単純なフィルタやJOINでは実現できない。 例えば。。。 困難1:継続をみる前に初診を抽出しなければいけない(=サブクエリ)
 困難2:異なるカラムを組み合わせて、薬をグループ化(=カラム再構成)
 
 
 困難3:期間内ずっと健康組合に在籍しているか確認(=HAVING)
 研究テーマ:  糖尿病ではなかった患者 ※1が初めて糖尿病の診断を受けたあと、  どの糖尿病薬が、一番 継続 ※2して処方され続けているのかを知りたい。 ...etc
  ※1:「半年以上」糖尿病診断のなかった患者  ※2:「初診」から「別の薬が使われた」 or「3ヶ月間何も処方がなかった」までの月数
  • 8. © JMDC Inc. 8 医療データ分析の要件 Lookerは相性がいいかも。。

  • 9. © JMDC Inc. 9 Looker:インフラ構成 BigQueryをクエリエンジンとして利用。オンプレ+AWSで加工したデータを転送している。 加工
 +

  • 10. © JMDC Inc. 10 LookML:ソースコードのコンポーネント化 ● 分析要件(薬グループなど)ごとにview(derived table)を分割、model内で組み合わせ ○ modelのexplore名と、共通viewを”main”という名称で結び付け ■ これにより、共通viewをいろんなところで活用できるように 複雑な、医療データ分析の要件をLooker上に落とし込む。 薬グループ化view 病気グループ化view modelで利用されるview 初診判定view explore固有view 共通view) 共通viewでFilterを”main”に model explore上でFilter操作可能に
  • 11. © JMDC Inc. 11 LookML:ソースコードのコンポーネント化 ● 開発用datasetをあらかじめ少量データでつくって、 develop modeで切替可能にする ● 本番データにも、通常版 /速報版といったタイプ切替があるため、そのロジックも含む 物理テーブルを参照しないようにviewファイルで制御。
  • 12. © JMDC Inc. 12 LookerAPI:model評価の効率化 1.初回評価 手法: ● 分析チームが作成したクエリ結果と、 ExploreURLのクエリ結果を比較 ツール: ● ExploreURLを入力すると、クエリ結果 CSVを出力 ○ 出力結果が、分析チームのクエリ結果 CSVと一致 → 評価OK LookerAPIでツールを作成し、初回評価と、デグレード確認 を効率化。
  • 13. © JMDC Inc. 13 LookerAPI:model評価の効率化 2.デグレード確認 手法: ● Looker上で、masterブランチと開発ブランチを比較 ツール: ● ExploreURLを入力すると、masterブランチと開発ブランチから SQLクエリを生成+比較 ○ SQLクエリが一致 → デグレードなし ○ SQLクエリが一致しない → クエリを実行して結果 CSVが一致 → デグレードなし
  • 14. © JMDC Inc. 14 前半まとめ 背景:
 ● 現行ツールとは別の、新しい価値のあるツールをつくりたい
 ○ 新しいことに、スピード感を持って対応できるツール
 設計:
 ● 医療データ分析とLookerは相性がいい
 ● コンポーネント化+評価の効率化で、開発速度と質を向上

  • 15. © JMDC Inc. 15 後半に続きます
  • 16. © JMDC Inc. 16 Profile & 後半の内容 ● 岡 裕也(おか ゆうや) ● 株式会社JMDC 製品開発部 ● 4月からLookerプロジェクトを引継ぎ ● JMDCにおけるLooker利用のユースケースを中心に話します。 ○ 製薬業界の市場調査と JMDCが生み出せる価値 ○ JMDCデータのLooker分析機能事例 ○ 今後の製品向上の展望と、 Lookerへの機能要望
  • 17. © JMDC Inc. 17 製薬の市場分析 ➢ 医師へのアンケート 従来型の一般的な薬剤市場調査は、 プライマリー調査 トップライン調査 ➢ 薬剤売上データ よく使う薬は? どんな病気に使ってる? IQVIA - 医薬品市場統計
  • 18. © JMDC Inc. 18 JMDCのデータが生み出せる価値 キーワード ● Real World Data : RWD ○ 日常臨床環境で収集されたデータ(≠ 臨床試験のような実験的環境ではない。) ● Real World Evidence : RWE ○ RWDを用いて導き出される事象 JMDCが生み出せる価値 ● 健康保険組合や病院から収集した、診療レセプト(= RWD) ○ 診療の実態を見ることができるのは画期的 RWD(医療ビッグデータ)を用いて、RWEを創出する。 RWDの新たな提供・分析ツールとしてLookerを採用。
  • 19. © JMDC Inc. 19 機能例:アドヒアランス分析 ※前半で話した研究テーマの具体例 薬剤の処方継続を集計する。※数値はサンプルです。 横軸:薬を処方されてからの月数 縦 軸 薬 の 処 方 継 続 率 継続して薬を処方された割合を表示 ・時間の経過による継続率低下の程度は? ・競合製品と比較してどうか? 継続率の上昇 = 売上の上昇
  • 20. © JMDC Inc. 20 Dashboardの活用 ❖ 研究テーマに応える分析をダッシュボードに集約して納品 ➢ 実物をお見せします。 現行ツール Lookerツール ● データ更新の度に毎回集計 ● CSVから都度グラフ作成 ● 参照したいDB毎にアプリにログイン ● 常に最新データを自動集計 ● 経営報告資料の工数削減 ● 複数のDB・データソースを一括参照 ● 新たな分析軸の提案
  • 21. © JMDC Inc. 21 今後の展望 ● 分析条件設定など、UIの利便性は現行ツールに劣る。 ● よりユーザーフレンドリーなUIを目指す。 ○ ステップごとの条件設定、ダイアログボックスの活用、etc. ● 分析対象の患者を段階的に絞り込むような分析ロジックの構築。 Extension Frameworkを利用したUI開発 Explore間の分析連携 糖尿病患者数は? SGLT2i薬処方患者数は? 他の傷病/処方薬は?
  • 22. © JMDC Inc. 22 Lookerでこんなことができるともっと良い ● Explore上の分析でCREATE TABLE文を使用可能する、など。 ○ 前項のExplore間の分析連携が容易に 中間テーブルの使用 エラーハンドリング ● JMDCの医療データは、複雑な条件設定・分析が必要 ○ 条件設定をスムーズに誘導できるように Explore CREATE Explore SELECT
  • 23. © JMDC Inc. 23 後半まとめ ● 新たなRWD分析ツールとしてLookerを採用 ○ 医療ビッグデータ × BIツールによって新たな価値を持つ分析ツールの開発を目指す ● Exploreで複数の分析機能を実装し、Dashboardに集約 ○ 最新データを自動集計、資料作成の工数削減、新たな分析軸の提案 ● Looker社への機能提案(今後の開発展望) ○ 中間テーブルの使用:段階的に対象患者を絞り込む機能実装 ○ エラーハンドリング機能:よりユーザーフレンドリーなUI開発