Finita l’emergenza della pandemia da Covid-19, è il momento di fare i conti con il presente e il futuro. Perché la pandemia non ha messo sottosopra solo i sistemi sanitari, evidenziando di essere impreparati a gestire scenari e situazioni imprevisti ma il periodo storico in cui viviamo ha dimostrato che anche i sistemi di previsione della domanda di prodotti e di servizi basati sui trend di comportamento dei consumatori sono obsoleti.
Una situazione che ha evidenziato la necessità delle aziende di avere a disposizione nuovi strumenti di previsione dei cambiamenti della domanda, in grado di tenere conto anche di fattori esterni all’andamento storico del mercato.
Predire le crisi sanitarie con il machine learning: lo studio NYU
Modelli efficienti di forecasting
I sistemi gestionali che governano la produzione, la logistica, l’approvvigionamento e poi la vendita e le campagne pubblicitarie e di marketing consentono di analizzare e controllare costantemente il bilanciamento tra domanda e offerta. Tuttavia, se cambia lo scenario, cambiano di conseguenza anche i comportamenti dei consumatori e degli utenti, e gli strumenti di forecast, ovvero i tool di previsione della domanda, in particolari periodi di interesse, non sono più efficaci. Dalla fornitura di gas nel periodo invernale, ai farmaci per la cura di infezioni stagionali ricorrenti come l’influenza e il raffreddore, in questo particolare periodo storico, alle aziende servono modelli efficienti di forecasting non solo per una previsione della variabilità della domanda in funzione dei cambiamenti sociali ed economici in corso, ma anche per fornire all’azienda previsioni utili per evitare penalizzazioni economiche dovute a fenomeni di scopertura di prodotto o di servizio.
Oltre l’analisi dei dati storici
Cosa succederebbe se le Pharma companies non riuscissero a prevedere con puntualità la domanda di comuni farmaci da banco e, ad esempio nel momento del picco influenzale, diventassero introvabili in farmacia alcuni medicinali come antinfiammatori, antipiretici e prodotti a base di ibuprofene? In realtà la risposta è una situazione che si è già verificata durante il periodo influenzale appena trascorso. Prima della pandemia, la produzione di farmaci da banco per l’influenza, ad esempio, si basava sui dati statistici delle curve influenzali e sulle vendite di farmaci relativi agli anni precedenti, per fare previsioni di produzione, e quindi approvvigionamento di materiali, pianificazioni di campagne di advertisment e stoccaggio nei propri magazzini.
Durante la pandemia, però, le malattie stagionali sono praticamente scomparse, a seguito delle misure restrittive applicate per contenere la diffusione del virus responsabile dell’infezione, determinando quindi uno scenario inaspettato e nuovo che i modelli previsionali basati solo sulle curve di vendita degli anni precedenti, non sono stati in grado di prevedere. Questo perché i sistemi di previsione finora utilizzati non tenevano conto di quelle variabili esterne che, oggi, influenzano il comportamento delle persone in merito alle scelte per la propria salute.
Si tratta di un nuovo paradigma comportamentale e sociale al quale le industrie farmaceutiche dovranno adeguarsi per ottenere una stima precisa e affidabile dei trend futuri sul consumo di medicinali, sulla quale basare le proprie decisioni strategiche di produzione, marketing, pubblicità e selling.
Serve la modellizzazione matematica per prevedere la domanda
Sono diverse, e spesso incognite, le variabili esterne da tenere in considerazione nello sviluppo di modelli di previsione della domanda di alcuni item, come ad esempio i farmaci. Oltre alla fisiologica variabilità delle condizioni del mercato e della concorrenza, e alla naturale stagionalità di alcune malattie (come l’influenza, ad esempio, ma anche le pollinosi), per la previsione della domanda è necessario conoscere a fondo i cambiamenti influenzati dalla pandemia che hanno modificato il comportamento sociale in merito al consumo e acquisto di specifici farmaci.
Quando si parla di individuare futuri trend, come nel caso di comportamento dei consumatori nell’acquisto di farmaci da banco, il ricorso al Data Mining risulta non essere più sufficiente né efficace perché non adeguato per analizzare quelle grandi quantità di dati qualitativi e quantitativi che, oggi, servono per fare previsioni. In altre parole, serve un modello predittivo affidabile e accurato che si adatti al contesto economico, politico, sociale e anche tecnologico, seguendo un processo fondamentale che inizia con la scelta delle nuove variabili in gioco da tenere conto nella previsione della domanda. Ad esempio, un maggiore tasso di vaccinazioni antinfluenzali, una maggiore consuetudine al distanziamento sociale e all’uso mascherine, comportamenti del tutto nuovi prima del Covid-19, sono oggi fattori di cui l’industria farmaceutica non può non tenere conto perché contribuiscono a ridurre la curva epidemica dell’influenza e, quindi, la richiesta di farmaci per la cura dei sintomi.
Conclusioni
Inoltre, serve un modello matematico in grado sia di simulare scenari nuovi, sia di aggiornare e correggere la previsione con dati “freschi” forniti, ad esempio, ogni settimana dall’Istituto Superiore di Sanità, evidenziando così l’andamento effettivo della curva influenzale e il suo impatto sulla produzione e sulle vendite per i farmaci stagionali.
Non serve quindi generare solo un algoritmo per rilevare i dati, ma un modello ampio di Intelligenza Artificiale basato su Machine Learning, che però ha bisogno, alla base, di un modello matematico. Parliamo quindi di integrazione tra modellazione matematica, Artificial Intelligence e algoritmi di Machine Learning per estrapolare informazioni e produrre simulazioni da una grande quantità di dati diversi e complessi fatti di numeri o di vettori di numeri che descrivono le variabili esterne che concorrono a influenzare le previsioni e rappresentare i nuovi atteggiamenti del consumatore in nuovi scenari possibili.
