EphMRA 2020: Einsatz von Data Science bei Danone zur Ermittlung der wichtigsten Einflussfaktoren für die Markentreue und zur Optimierung der Maßnahmen des Außendienstes

Besuchen Sie uns auf der EphMRA-Konferenz 2020 und erfahren Sie, wie Sie die wichtigsten Faktoren für die Markentreue bei medizinischen Fachkräften und den Umsatz ermitteln können, um die Effizienz und Effektivität Ihres Außendienstes zu optimieren.

Die Data-Science-Teams von Danone SN und SKIM haben sich zusammengetan, um ein ehrgeiziges Ziel zu erreichen: den Nachweis, dass es möglich ist, die durch Managemententscheidungen im Zusammenhang mit dem Einsatz des Außendienstes erzielten Umsätze zu quantifizieren.

Dieses Ergebnis war das Resultat eines komplexen Data-Science-Projekts, bei dem verschiedene Datenquellen – darunter CRM- und Vertriebsdaten – miteinander kombiniert und fortschrittliche statistische Modelle eingesetzt wurden; das Projekt erforderte eine klare und transparente Kommunikation zwischen den beteiligten Teams und den globalen sowie lokalen Stakeholdern bei Danone.

Veranstaltungsort: Flanders Meeting & Convention Center, Koningin Astridplein 20–26, Antwerpen
Referenten:

Monhir El-Achheb, Leiter der globalen Datenstrategie – Danone
Nicolas Camargo, Berater für Analytik – SKIM

Einige wichtige Erkenntnisse, die Sie in dieser Sitzung gewinnen werden:

• den Nutzen der Nutzung eigener Daten zur Erschließung von Wachstumspotenzialen. Konkret geht es darum, wie sich der Umsatzwert quantifizieren lässt, der durch die Aktivitäten des Außendienstes bei medizinischen Fachkräften (HCPs) generiert wird, die Einfluss auf die Kaufentscheidungen der Verbraucher haben
• Eine geschickte Kombination aus einem wachsenden Data-Science-Team im Unternehmen und einer analytisch versierten und flexiblen Agentur kann in diesem Zusammenhang der Schlüssel zum Erfolg sein.
• Es bedarf der richtigen Kombination aus analytischen, branchenbezogenen und kaufmännischen Kompetenzen. In diesem Fall haben wir bei Danone Data Science und SKIM ein Team aus Mitarbeitern mit unterschiedlichen Fähigkeiten und Erfahrungen zusammengestellt – von frischgebackenen Analysten, die die neuesten Techniken des maschinellen Lernens in ihrem Lebenslauf vorweisen können, bis hin zu erfahrenen Datenexperten und Fachleuten aus dem Bereich der quantitativen Forschung.