Applying big data in pharmaceutical industry : development, strategy and administration
The pharmaceutical industry today has many challenges. Each company must promote research and be a pioneer in new drugs developments, minimize production costs, be able to control how its customers face their products. In order to do this, it should pay attention to every information by collecting f...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Μορφή: | Thesis |
| Γλώσσα: | English |
| Έκδοση: |
2019
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/12753 |
| id |
nemertes-10889-12753 |
|---|---|
| record_format |
dspace |
| institution |
UPatras |
| collection |
Nemertes |
| language |
English |
| topic |
Big data Pharmaceutical industry Strategy Δεδομένα μεγάλου όγκου Φαρμακοβιομηχανία Στρατηγική 615.190 028 5 |
| spellingShingle |
Big data Pharmaceutical industry Strategy Δεδομένα μεγάλου όγκου Φαρμακοβιομηχανία Στρατηγική 615.190 028 5 Μουσουλέας, Ιωάννης Applying big data in pharmaceutical industry : development, strategy and administration |
| description |
The pharmaceutical industry today has many challenges. Each company must promote research and be a pioneer in new drugs developments, minimize production costs, be able to control how its customers face their products. In order to do this, it should pay attention to every information by collecting from each data source that it can be useful to it. At the same time, data processing and management should be done at the minimum cost and maximize their value. This leads to an attempt by pharmaceutical companies to integrate new types of data and sources from around the globe leading to processes of data collection from unstructured data. Pharmacy companies led to procedures for collecting and processing Big Data, use procedures from artificial intelligence, data mining, text mining, sentiment analysis, etc. In our case, we have studied the introduction of big data in the pharmaceutical industry and the impact it may have on company decisions as well as on their strategy. We also studied – designed and developed three methods for the use of data mining tools that can drive industries into new decisions and policy. The tools relate to methodology for collecting and compiling data to control drug prices, use of sentiment analysis with social networking data to enable companies to design a marketing policy and research decisions, and use of classification algorithms, creating new methods for new efficient products. Thus, we put forward a method for Greek hospitals and pharmaceutical industries to collect information from different sources to facilitate their analysis. In this case data was collected by the Greek Ministry of Health, by assessing its official website, where files with drug prices are listed, and all relative information was collected on a single source. Our aim was to create a file containing only the useful information, such as the price for a selected drug, the hospital that made an order, the quantity of the order and the total cost. The selected drugs were atezolizumab, avelumab, ipilimumab for the two major hospitals of Patras, Agios Andreas and the Rio Hospital. This procedure could facilitate decision making on drug prices and transparency in relation to sales of medicines in hospitals. In the second case, we developed an application to determine the reputation of the pharmaceuticals based on public’s opinion, where companies through it can make decisions about improvements and the promotion of their products. The application uses sentiment analysis and text mining in an organized way for the factors the company wishes to study in relation to its products. Its data is derived from the big data coming from twitter. The application can lead to decisions that are significant in relation to the marketing of each company while improving product data. In the third case we present the use of classification tools, using well-known software such as WEKA, where their direct application to medical data can facilitate pharmaceutical companies develop new technologies and methods to help patients and produce more efficient products. The above three cases show the use of methodologies on data that can directly influence the decisions of pharmaceutical companies. |
| author2 |
Παυλίδης, Γεώργιος |
| author_facet |
Παυλίδης, Γεώργιος Μουσουλέας, Ιωάννης |
| format |
Thesis |
| author |
Μουσουλέας, Ιωάννης |
| author_sort |
Μουσουλέας, Ιωάννης |
| title |
Applying big data in pharmaceutical industry : development, strategy and administration |
| title_short |
Applying big data in pharmaceutical industry : development, strategy and administration |
| title_full |
Applying big data in pharmaceutical industry : development, strategy and administration |
| title_fullStr |
Applying big data in pharmaceutical industry : development, strategy and administration |
| title_full_unstemmed |
Applying big data in pharmaceutical industry : development, strategy and administration |
| title_sort |
applying big data in pharmaceutical industry : development, strategy and administration |
| publishDate |
2019 |
| url |
http://hdl.handle.net/10889/12753 |
| work_keys_str_mv |
AT mousouleasiōannēs applyingbigdatainpharmaceuticalindustrydevelopmentstrategyandadministration AT mousouleasiōannēs ēepharmogētōndedomenōnmegalouonkoustēpharmakobiomēchaniaanaptyxēstratēgikēkaidioikēsē |
| _version_ |
1771297365424078848 |
| spelling |
nemertes-10889-127532022-09-06T05:13:52Z Applying big data in pharmaceutical industry : development, strategy and administration Η εφαρμογή των δεδομένων μεγάλου όγκου στη φαρμακοβιομηχανία : ανάπτυξη, στρατηγική και διοίκηση Μουσουλέας, Ιωάννης Παυλίδης, Γεώργιος Παυλίδης, Γεώργιος Μεγαλοοικονόμου, Βασίλειος Mousouleas, Ioannis Big data Pharmaceutical industry Strategy Δεδομένα μεγάλου όγκου Φαρμακοβιομηχανία Στρατηγική 615.190 028 5 The pharmaceutical industry today has many challenges. Each company must promote research and be a pioneer in new drugs developments, minimize production costs, be able to control how its customers face their products. In order to do this, it should pay attention to every information by collecting from each data source that it can be useful to it. At the same time, data processing and management should be done at the minimum cost and maximize their value. This leads to an attempt by pharmaceutical companies to integrate new types of data and sources from around the globe leading to processes of data collection from unstructured data. Pharmacy companies led to procedures for collecting and processing Big Data, use procedures from artificial intelligence, data mining, text mining, sentiment analysis, etc. In our case, we have studied the introduction of big data in the pharmaceutical industry and the impact it may have on company decisions as well as on their strategy. We also studied – designed and developed three methods for the use of data mining tools that can drive industries into new decisions and policy. The tools relate to methodology for collecting and compiling data to control drug prices, use of sentiment analysis with social networking data to enable companies to design a marketing policy and research decisions, and use of classification algorithms, creating new methods for new efficient products. Thus, we put forward a method for Greek hospitals and pharmaceutical industries to collect information from different sources to facilitate their analysis. In this case data was collected by the Greek Ministry of Health, by assessing its official website, where files with drug prices are listed, and all relative information was collected on a single source. Our aim was to create a file containing only the useful information, such as the price for a selected drug, the hospital that made an order, the quantity of the order and the total cost. The selected drugs were atezolizumab, avelumab, ipilimumab for the two major hospitals of Patras, Agios Andreas and the Rio Hospital. This procedure could facilitate decision making on drug prices and transparency in relation to sales of medicines in hospitals. In the second case, we developed an application to determine the reputation of the pharmaceuticals based on public’s opinion, where companies through it can make decisions about improvements and the promotion of their products. The application uses sentiment analysis and text mining in an organized way for the factors the company wishes to study in relation to its products. Its data is derived from the big data coming from twitter. The application can lead to decisions that are significant in relation to the marketing of each company while improving product data. In the third case we present the use of classification tools, using well-known software such as WEKA, where their direct application to medical data can facilitate pharmaceutical companies develop new technologies and methods to help patients and produce more efficient products. The above three cases show the use of methodologies on data that can directly influence the decisions of pharmaceutical companies. H φαρμακευτική βιομηχανία σήμερα έχει να αντιμετωπίσει πολλές προκλήσεις σε παγκόσμιο επίπεδο. Κάθε εταιρία πρέπει να προωθεί την έρευνα και να μένει πρωτοπόρος στις εξελίξεις της ιατρικής, να ελαχιστοποιεί το κόστος παραγωγής καθώς και να μπορεί να ελέγχει το πως οι πελάτες της αντιμετωπίζουν τα προϊόντα της. Για να γίνει αυτό θα πρέπει να δώσει ιδιαίτερο βάρος σε κάθε πληροφορία συλλέγοντας από κάθε πηγή δεδομένων ό,τι μπορεί να της είναι χρήσιμο. Ταυτόχρονα η επεξεργασία και διαχείριση των δεδομένων πρέπει να γίνεται με το ελάχιστο κόστος και να μεγιστοποιεί την αξία τους. Αυτό οδηγεί σε μια προσπάθεια των φαρμακευτικών εταιρειών, για ενσωμάτωση νέων τύπων δεδομένων και πηγών από ολόκληρο τον κόσμο οδηγώντας σε διαδικασίες συλλογής στοιχείων από αδόμητα δεδομένα. Οι εταιρείες φαρμάκων έτσι οδηγούνται σε διαδικασίες συλλογής και επεξεργασίας μεγάλου όγκου δεδομένων, προσάρτηση διαδικασιών από την τεχνητή νοημοσύνη , data mining, text mining , sentiment analysis κ.α. Στην περίπτωση μας μελετήσαμε την εισαγωγή των big data στη φαρμακευτική βιομηχανία και τις επιπτώσεις που μπορεί να έχει στις αποφάσεις των εταιριών καθώς και στη χάραξη της στρατηγικής τους. Παράλληλα μελετήσαμε και σχεδιάσαμε τρεις μεθόδους για την χρήση εργαλείων data mining με τις οποίες οι βιομηχανίες οδηγούνται σε νέες αποφάσεις και χάραξη της πολιτικής τους. Τα εργαλεία αφορούν μεθοδολογία για συλλογή και συγκέντρωση δεδομένων σχετικά με τον έλεγχο των τιμών των φαρμάκων, χρήση συναισθηματικής ανάλυσης με δεδομένα από τα κοινωνικά δίκτυα ώστε οι εταιρίες να μπορούν να χαράξουν πολιτική σε σχέση με το marketing και χρήση αλγορίθμων ταξινόμησης για την έρευνα και δημιουργία νέων μεθόδων για νέα αποτελεσματικά προϊόντα. Έτσι προβάλουμε μια μέθοδο για τα ελληνικά νοσοκομεία και τη φαρμακοβιομηχανία που συγκεντρώνει τις πληροφορίες από πολλαπλές πηγές, για να διευκολύνει την ανάλυση τους. Στην περίπτωσή αυτή τα δεδομένα συλλέγονται από το υπουργείο Υγείας, όπου ένας κατάλληλος ιστότοπος δίνει σε αρχεία τις τιμές των φαρμάκων και στη συνέχεια βάσει αυτών η χρήσιμη πληροφορία συγκεντρώνεται σε μία ενιαία πηγή. Στόχος ήταν η δημιουργία ενός συγκεντρωτικού αρχείου που περιέχει μόνο χρήσιμες πληροφορίες, δηλαδή την τιμή για κάθε επιλεγμένο φάρμακο, το νοσοκομείο που έκανε την παραγγελία, την ποσότητα της παραγγελίας και το κόστος κάθε αγοράς. Τα φάρμακα που επιλέχθηκαν ήταν τα atezolizumab, avelumab, ipilimumab και τα νοσοκομεία, τα δύο μεγάλα νοσοκομεία της Πάτρας, του Αγίου Ανδρέα και το Νοσοκομείο του Ρίο. Η εφαρμογή οδηγεί σε αποφάσεις σε σχέση με τις τιμές των φαρμάκων καθώς και σε διαφάνεια σε σχέση με τις πωλήσεις των φαρμάκων στα νοσοκομεία. Στη δεύτερη περίπτωση, αναπτύξαμε μια εφαρμογή για τον προσδιορισμό της φήμης των φαρμακευτικών προϊόντων βάσει της κοινής γνώμης των πολιτών, όπου οι εταιρείες μέσω αυτής μπορούν να λαμβάνουν αποφάσεις σχετικά με βελτιώσεις καθώς και την προώθηση των προϊόντων τους. Η εφαρμογή χρησιμοποιεί την ανάλυση του συναισθήματος με οργανωμένο τρόπο για τους παράγοντες που η εταιρεία επιθυμεί να μελετήσει σε σχέση με τα προϊόντα της. Τα δεδομένα της αντλούνται από τα μεγάλου όγκου δεδομένα που προέρχονται από το twitter. Μια τέτοια εφαρμογή μπορεί να οδηγήσει σε αποφάσεις σημαντικές σε σχέση με το marketing της κάθε εταιρίες βελτιώνοντας ταυτόχρονα χαρακτηριστικά των προϊόντων. Στην τρίτη περίπτωση παρουσιάζουμε την χρήση εργαλείων ταξινόμησης, χρησιμοποιώντας γνωστό λογισμικό (WEKA), όπου άμεσα η εφαρμογή τους σε ιατρικά δεδομένα μπορούν να διευκολύνει τις φαρμακοβιομηχανίες να αναπτύξουν νέες τεχνολογίες και μεθόδους για να βοηθήσουν τους ασθενείς και να παράγουν πιο αποτελεσματικά προϊόντα. Οι τρεις παραπάνω περιπτώσεις δείχνουν ξεκάθαρα την χρήση μεθοδολογιών πάνω στα δεδομένα που μπορούν άμεσα να επηρεάσουν θετικά τις αποφάσεις των φαρμακευτικών εταιριών. 2019-10-31T20:47:22Z 2019-10-31T20:47:22Z 2019-07-19 Thesis http://hdl.handle.net/10889/12753 en 0 application/pdf |
