Más allá de los datos de un estudio de mercado habitual
Lo habitual en los estudios de mercado actuales es la utilización de las técnicas más comunes. Si nos centramos en las técnicas cuantitativas, la encuesta y sus variantes (fichas de pacientes, por ejemplo) suelen ser de carácter descriptivo y, en el mejor de los casos, de carácter inferencial. La inferencia será hecha partiendo de unos supuestos que lleguen a reflejar con la mejor exactitud los datos del mercado total.

En estos casos, lo más habitual es trabajar con mercados hospitalarios, donde hay menos datos, y lo más frecuente es calcular el número de pacientes de una patología o de una situación concreta hospitalaria (cirugía, anestesia, etc).

Nuestro Grupo, después de tantos años dedicados en exclusiva al mercado farmacéutico, hemos reunido gran cantidad de datos de la Industria y queremos aprovechar esta INFORMACIÓN para convertirla en CONOCIMIENTO, que es la aspiración de quienes queremos conocer las cosas en profundidad, o al menos responder mínimamente a algunas incógnitas.
Pues bien, vamos a plasmar en un ejemplo sencillo lo que se puede hacer fusionando datos:

• Obtenidos de un estudio de mercado junto con información de otras fuentes previamente incluidas en una base de datos que posteriormente aplicando unas herramientas informáticas, de las que hablaremos después, nos van a dar una visión distinta de la información de partida.

Los datos de los que partimos son:

• Por un lado, información primaria recogida a través de una encuesta realizada en la especialidad de cirugía ortopédica.
• Por otro lado, la población de cobertura de los hospitales estudiados.

¿Qué tipo de información útil puede resultar de la conjugación de ambas fuentes? Detrás de todos los datos existen estructuras ocultas que no nos permiten tomar decisiones óptimas si no conocemos estas estructuras. Lo podemos ver en el cuadro 1, observando lo que mencionábamos al principio: conseguiremos pasar de tener información a generar conocimiento.

Las herramientas nos han proporcionado visualizar importantes diferencias en el tanto por ciento de operaciones de prótesis de cadera en cada uno de los tres hospitales estudiados. Pero esto resulta muy obvio y quizá simplista. Lo importante es que podemos obtener ratios individualizados a nivel de un hospital y al nivel de una parte concreta de la población de dicho hospital. Es decir, estos resultados nos pueden servir para lo siguiente:

• El valor inmediato para la Industria Farmacéutica sería la posible concentración de la promoción de productos relacionados con las fracturas de cadera (por osteoporosis fundamentalmente) en aquellos hospitales con mayor potencial.

• Las poblaciones de cobertura difieren en la distribución de edad. En este caso y por tratarse de un ejemplo hemos hecho los cálculos bajo la premisa de equidistribución de las edades en las tres poblaciones de cobertura, cosa que no es cierta o al menos hay que comprobar. En el caso de encontrar poblaciones con distribuciones de edad propicias para nuestros productos, afinaremos el potencial de nuestro mercado descubriendo oportunidades que antes no habíamos tenido en cuenta por centrarnos exclusivamente en los datos globales del hospital. Esto suponiendo que la patología que nos interesa tenga una dependencia de la edad, porque podemos encontrar cualquier otra variable con la que podamos hallar una relación.

• Otra reflexión sería la de conocer el por qué de las diferencias tan abismales en el tanto por ciento de operaciones. ¿Quizás no hay una distribución adecuada de los recursos?
Otro ejemplo, de carácter más general, pero en la misma línea de lo expuesto anteriormente, podría ser el siguiente. Aquí vamos a tomar los siguientes datos (cuadro 2):

• Población de cobertura.
• Número de urgencias en una año.
• Población de cobertura de 0 a 14 años.

Las consecuencias también son inmediatas. Si nuestro laboratorio tiene productos para niños hasta 14 años, podría cambiar su estrategia para concentrarse más en el Hospital G, de la misma forma si tenemos productos para urgencias.

En los ejemplos anteriores hemos conjugado fuentes de información con herramientas para tener una mejor visión y conocimiento del mercado que nos interesa.

El proceso desde el origen, pasa primero por la obtención de la información. En la actualidad la información existente es abundante y se puede obtener de diversas fuentes:

• PRIMARIAS, encuestas y otros datos obtenidos de estudios de mercado realizados con anterioridad en el laboratorio.

• SECUNDARIAS, destacando Internet por ser la mayor fuente secundaria externa a la empresa en relación calidad-coste. Además existen otras fuentes externas como son las bases de datos adquiridas a empresas especializadas, memorias, datos estadísticos de población, estado de fase de investigación de nuevas moléculas, …

• Sin olvidarnos de los datos internos referidos al laboratorio sobre ventas de productos, la evolución de los mismos, unidades vendidas por los comerciales, stocks,…, etc.

Pero toda esta información no sirve de mucho en su estado natural o primario, es necesario insertarla en una Base de Datos para así acercarnos más a ese valor de la información que hemos mencionado al principio del artículo.

Existe gran cantidad de información sin ningún rendimiento:

• Por un lado, están todos aquellos datos obtenidos sobre el laboratorio y su entorno mediante estudios de mercados pasados. Por regla general, dichos datos están almacenados en papel o archivados sin sacarle ningún rendimiento actual.
• Por otro lado existe gran dispersidad de información acerca del mercado y su evolución. Estos datos los suelen tener distintos organismos oficiales.

Todos estos datos son de gran valor al ofrecer información importante sobre el laboratorio, el mercado en que se desenvuelve y su evolución. Pero por sí solos, en su ubicación original, dichos datos no tienen ningún valor.

La recogida de información para una base de datos requiere una gran inversión en recursos, no sólo de tipo económico, sino también en lo que se refiere a la variable tiempo. El beneficio obtenido es mayor de lo imaginado, y más en los entornos dinámicos en que se desenvuelve la Industria Farmacéutica que requieren información actual, veraz y a tiempo.

Por todo ello, no sólo es importante recoger los datos en un principio para una base de datos y evitar duplicidades, también hay que alimentar dicha base de datos a lo largo del tiempo, para ir actualizándola y adaptarse al medio, evitando caer en la obsolescencia.

Por lo tanto, para obtener el valor de la información, el conocimiento, hay que apoyarse en las nuevas tecnologías que nos ofrecen información al instante. Este hecho es de vital importancia ya que no es suficiente tener una gran base de datos y actualizarla, hay que saber gestionarla. Pues sin las técnicas adecuadas sería como buscar una aguja en un pajar.

¿De qué nos sirve la información si no le sacamos provecho? Una base de datos contiene un gran volumen de información, pero la información por si sola no genera valor. Sólo muestra datos, la mayoría numéricos: ventas, hospitales, enfermedades,….. sin reflejar nada más.

Por eso es importante que entren en acción las técnicas de análisis de datos cuyas posibilidades de acción son las siguientes, entre muchas otras:

• El producto líder en cada zona geográfica.
• Las diferencias existentes con nuestros competidores.
• El potencial del mercado.
• Ubicación de nuestro target group.

El avance tecnológico ha hecho posible obtener todas estas conclusiones sin la necesidad de un experto informático, cuyas consultas no son factibles para inexpertos en la materia, además de requerir bastante tiempo a la hora de realizarlas y obtener los resultados.

En la actualidad, cualquier persona a golpe de ratón y sin necesidad de conocimientos informáticos específicos, puede sacarle rendimiento a la base de datos obteniendo la información que necesita gracias a las técnicas de explotación de datos.

Las distintas técnicas de análisis que desenmascaran los datos de una manera rápida, fácil, dinámica y sin necesidad de conocimientos informáticos específicos son bastantes: olap, molap, rolap, data mining, geomarketing, ,…. Cada una aporta una forma distinta de extraer datos desde la conjugación de varias fuentes de información. Mencionaremos algunos de los procesos que utilizan algunas de ellas.

Veamos un gráfico ilustrativo del proceso que nos aporta una de las herramientas relacionales:

Esto no es más que una arquitectura necesaria para el soporte a las decisiones utilizando una base de datos dedicada. Es una técnica flexible de fácil uso que permite al usuario final obtener datos importantes del mercado o de su negocio en un reducido tiempo de respuesta y mediante unos “clicks” del ratón.

La información se guarda de manera multidimensional lo que permite relacionar varias variables y obtener una visión mayor que dichas variables por separado. Por ejemplo, puede llegar a mostrarnos características del mercado como
• La población de referencia de los hospitales con las GRD o enfermedades más comunes en dicha área y,

• El mercado potencial de esa área, de ese hospital, cuál es nuestra cuota de mercado,…

Procesan grandes volúmenes de datos de forma veloz y eficiente, pudiendo analizar el mercado o al laboratorio desde distintas perspectivas sin necesidad de conocimientos específicos.

Se obtienen resultados muy vistosos gráficamente, facilitando la labor de marketing para tomar decisiones en condiciones de menor incertidumbre y sacando provecho al valor de la información.

Las distintas utilidades podemos encontrarlas, entre muchas otras las siguientes:

• Explotación de datos de estudios de mercado.
• Tratamiento de ficheros de visita médica.
• Tratamiento de ficheros de clientes hospitalarios.
• Tratamiento de datos sobre ventas.
• Creación de informes del plan de marketing, controlando el cumplimiento de los objetivos.
• Localización de público objetivo, en productos con target group muy específico (por ejemplo respecto a la edad y al sexo).

Las distintas aplicaciones dependerán de los objetivos buscados por las personas que utilicen la herramienta y el contenido de la base de datos.

Otro gráfico ilustra otra de las herramientas, en este caso no de tipo relacional, sino de tipo estadística sobre los datos cuyo fin último es la obtención de patrones y relaciones entre variables.

Dicha técnica está formada por diversas herramientas y las más usadas son las siguientes:

• Redes Neuronales: modelos predecibles no-lineales que aprenden a través del entrenamiento y semejan la estructura de una red neuronal biológica.
• Árboles de decisión: estructuras de forma de árbol que representan conjuntos de decisiones. Estas decisiones generan reglas para la clasificación de un conjunto de datos.

• Algoritmos genéticos: técnicas de optimización que usan procesos tales como combinaciones genéticas, mutaciones y selección natural en un diseño basado en los conceptos de evolución.

• Método del vecino más cercano: una técnica que clasifica cada registro en un conjunto de datos basado en una combinación de las clases del/de los k registro (s) más similar/es a él en un conjunto de datos históricos (donde k Ž 1).

• Regla de inducción: la extracción de reglas if-then de datos basados en significado estadístico.

La manera de actuar de esta herramienta es buscar modelos en aquellas situaciones donde conoce las respuestas para posteriormente aplicarlo en aquellos casos donde las desconoce.

La información se analiza buscando relaciones existentes entre las distintas variables, llegando a descubrir relaciones que de otra manera no se hubieran localizado.

Al tratar grandes volúmenes de datos las distintas utilidades que ofrece son:

• Predicción de tendencias y comportamientos.
• Descubrimiento de modelos en principio desconocidos: dichas herramientas estadísticas, “barren” las bases de datos e identifican modelos previamente escondidos en un solo paso.

Por último, podemos hablar de las herramientas de tipo geográfico.

Estas técnicas nacen de la unión del componente geográfico de la información y el mundo del marketing. La aplicación de dicha técnica a la base de datos, nos va a proporcionar una serie de beneficios sobre los datos geográficos almacenados.

Al proyectar dichos datos sobre mapas, el resultado será una visión más práctica de la información almacenada sobre el laboratorio, competidores o clientes. Con este sistema se crean, manipulan, distribuyen o aplican las informaciones geográficas.

Las funciones que realizan, por regla general, son las siguientes:

• Visualización de mapas y datos.
• Exploración de datos.
• Gestión de fuentes de datos.
• Visualización de la información.
• Creación y mantenimiento de mapas.

Basándonos en las funciones anteriores, las diferentes utilidades que por ejemplo se pueden obtener son las siguientes:

• Determinar las zonas geográficas más rentables del mercado.
• Descubrir aquellas áreas donde el laboratorio tiene mayor influencia.
• Ubicación precisa de los puntos de venta.
• Estudio y ampliación de mercados o clientes.
• Descubrimiento de relaciones geográficas que en principio se encontraban aparentemente ocultas.

Con ello se pueden realizar análisis exhaustivos a raíz de los datos obtenidos, es una “bomba” de información ya que no sólo se trata de obtener una visión de la base de datos. Más bien, se trata de sacarle un provecho desde el punto de vista estratégico.

En definitiva, el objetivo de organizar la base de datos geográficamente, es apoyar la toma de decisiones de datos comerciales y de marketing, en aquellos casos donde la variable geográfica sea relevante.

En próximos artículos aportaremos ejemplos de cómo “exprimir” los datos con técnicas de segmentación o similares.