EphMRA 2020: Utilização da ciência de dados em parceria com a Danone para identificar os principais fatores que influenciam o compromisso com a marca e otimizar as ações da força de vendas

Junte-se a nós na Conferência EphMRA 2020 para descobrir como identificar os principais fatores que impulsionam o comprometimento com a marca entre os profissionais de saúde e as vendas, a fim de otimizar a eficiência e a eficácia da equipe de campo.

As equipes de Ciência de Dados da Danone SN e da SKIM uniram forças para alcançar um resultado ambicioso: demonstrar que é possível quantificar a receita gerada a partir de decisões gerenciais relacionadas à mobilização da força de vendas.

Esse resultado foi fruto de um projeto complexo de Ciência de Dados, realizado por meio da combinação de diversas fontes de dados — incluindo dados de CRM e de vendas — e do uso de modelagem estatística avançada; o projeto exigiu uma comunicação clara e transparente entre as equipes envolvidas e as partes interessadas, tanto globais quanto locais, da Danone.

Local: Flanders Meeting & Convention Center, Koningin Astridplein 20-26, Antuérpia
Palestrantes:

Monhir El-Achheb, Líder Global de Estratégia de Dados – Danone
Nicolas Camargo, Consultor de Análise de Dados – SKIM

Alguns pontos-chave que você aprenderá nesta sessão:

• a importância de utilizar dados próprios para explorar o potencial de crescimento. Especificamente, como quantificar o valor da receita gerada pelas atividades realizadas pela equipe de campo junto aos profissionais de saúde, que influenciam as escolhas dos consumidores
• Uma combinação inteligente entre uma equipe corporativa de Ciência de Dados em expansão e uma agência com habilidades analíticas e flexibilidade pode ser a chave para alcançar resultados nesse contexto
• É necessária a combinação certa de habilidades analíticas, setoriais e comerciais. Nesse caso, entre a Danone Data Science e a SKIM, reunimos uma equipe com diferentes conjuntos de habilidades e experiências, desde analistas recém-formados com as mais recentes técnicas de aprendizado de máquina em seus currículos até especialistas em dados mais experientes e profissionais de pesquisa quantitativa.