作者：Ganes Kesari   出处：https://www.forbes.com/

这五个令人惊讶的提示，为制药业领导者开始他们的数据科学旅程。以下是您必须如何选择正确的分析项目、安全融资、构建早期团队、源数据以及选择有效技术。

2011 年，谷歌内部普遍怀疑深入学习的潜力。领导谷歌大脑团队的安德鲁• Ng 面临一场艰难的战斗，即说服内部团队使用新的人工智能 (AI) 技术。

Ng 通过小规模的启动来应对这种阻力。

他在语音识别团队中找到了最初的支持，与搜索或广告相比，这对谷歌来说并不重要。他帮助这第一个内部客户快速发现价值，导致谷歌语音搜索技术的早期采用。这为他赢得了下一个与谷歌地图改善数据质量的项目。

每一个成功的项目，势头都在慢慢形成。最终，这激活了飞轮，帮助深入学习成为谷歌的主流。如今，深入的学习为谷歌的大部分产品提供了动力，包括搜索、照片、YouTube 和地图。

这个故事为制药业领导者提供了宝贵的经验，让他们的组织开始研究数据科学。

每个追求高级分析的组织都必须执行五个关键步骤。尽管这些流程看似简单，但各行业的领导者通常都会忽略这些步骤，同时大胆尝试高级分析。

TPS 全球临床和战略运营执行副总裁赛义德•沙阿 (syedshah) 表示：“我一直很惊讶制药公司有多少数据可用，但成功使用的数据却很少。”通过使用示例，我们将了解这五个步骤如何帮助您在制药行业构建健壮的数据科学实践。

1.从挑选低悬的制药项目开始，而不是雄心勃勃的兼职

企业常常会犯这样的错误：以紧急但不具有战略意义的项目或有趣但不具有影响力的项目开始数据科学之旅。

更糟糕的是，他们最终选择了过于复杂的项目。更重要的是要通过早期的小赢来展示快速的业务价值，而不是通过具有巨大潜力但不确定结果的兼职来展示。

“在寻找制药公司的项目时，你不必总是选择市场营销、销售或财务。像研究这样的领域通常阻力较小，可以为患者提供相当大的价值。此外，他们还有具有生物统计背景和对数据有很强理解的人。Roche Diagnostics 的 BI & analytics 负责人K. M. A. Omar表示：“事实上，这些人会对组织采用高级分析方式充满热情。”

2.通过量化业务 ROI 而不是预测模糊结果来确保融资安全

据报告，缺乏数据分析资金是首席数据官 (CDOs) 在 Gartner 调查中面临的最大障碍之一。Syed Shah说：“为了获得资金，你必须清楚项目的最终收益。”

然而，面临的挑战是，许多项目没有明确的投资回报 (ROI) 或明显的成本节约。对于这些项目来说，发现无形的好处，如质量差或返工的成本，是至关重要的，“Shah 补充道。

例如，假设您构建了一个数据科学解决方案，通过自动执行细胞计数过程来加速药物发现。这种解决方案的好处通常被预测为缩短循环时间或减少生物学家的努力。计算这一削减节省的美元并预测这一投资的回报要强大得多。通常，近似 ROI 估算值作为起点已经足够好了，它们将帮助您获得所需的关注和预算。

3.为您的早期数据科学团队配备具有更广泛技能组合的多面手，而不是专家

每个数据科学团队都需要五个专业角色。然而，在早期阶段，通才比任何这些专家，如数据科学家，都更有价值。

通常，多面手是在数据处理、分析和可视化等领域具有广泛技能组合的人。它们带来的是宽而不是深。当这些人来自公司内部时，他们更了解制药领域和组织动态。

“许多新领导人低估了该组织已经存在的人才，”美国食品和药物管理局的 CDO 的 Ram C Iyer 说。“大多数与健康相关的组织都拥有具有各种分析技术和工具知识的高级学位持有者和博士学位。早期阶段所需的许多跨职能技能通常可以在内部获得。你必须找到创造性的方法来利用和加强它们”。

数据领导者必须加倍成为人才侦察兵，才能确定哪些员工懂数字、好奇心强、愿意学习。Iyer 补充说，在构建长期组织的同时，你可以很容易地与这些人一起启动一些项目。

4.从小数据开始，而不是等待完美的数据仓库

只有在质量好、有组织的数据足够大的情况下，数据科学才有可能实现。然而，在早期阶段，大多数组织并没有这种奢侈。制药业领导者是否应该延迟数据科学的发展，直到强大的数据工程层准备就绪？

“我强烈建议不要等待，因为永远不会有完美的数据可用性，”Omar 说。

他还说，这些早期项目可以帮助您构建创建可复用数据资产的案例。您可以使用它们来唤起对数据质量的关注。您必须从第一天开始关注数据体系结构中的差距，并将其添加到数据工程积压中。

例如，您可以使用临床试验数据的电子表格来发现有关患者行为、招聘和保留的切实可行的洞察。您必须评估数据可用性和质量。如果它们高于可接受的阈值，那么是您开始的时候了。

5.在利用 AI 的力量之前，使用更简单的数据分析

您的第一个数据科学项目是否应该利用人工智能的潜力？沙阿说：“不要被时髦的字眼和潮流所诱惑。”他建议“坚持你的直觉，去发现真相，找出能帮助你做出决定的洞察”。在许多情况下，这将涉及不那么复杂的技术和更简单的统计”。

例如，在罗氏诊断公司，“人工智能本身并不是一个单独的议程。CIO Werner Boeing 在麻省理工学院斯隆管理评论 (MIT Sloan Management Review) 的一份报告中说：“这是我们用于实现战略目标的工具和能力的子集。”将人工智能作为众多可能的工具之一，Roche Diagnostics 可以根据需要灵活地利用 AI 功能。

例如，计算机视觉可以通过检查视频饲料中的药品产品和包装问题来提高药品生产过程的质量。然而，一个更好的第一个项目可能是使用简单的回归算法快速提高生产收益率。

数据科学之旅中第一次冲刺的高潮

选择正确的数据科学项目、确保资金安全、构建团队、获取数据并生成切实可行的洞察是一项艰巨的任务。当你走到这一步的时候，这是一个杰出的成就。

只有当您的解决方案用于决策时，数据科学才能提供价值。要跨越完成线，您必须确保项目实际被用户采用。您必须与业务冠军合作，影响最终用户，并庆祝早期的胜利，以保持制药公司的数据科学发展势头。

Shah 的结论是：“当领导者能够看到他们的数据讲述一个令人信服的故事，而他们之前并没有意识到这一点时，它真正地向他们展示了他们可以通过数据实现的功能。”