EphMRA 2020: Einsatz von Data Science bei Danone zur Identifizierung der wichtigsten Faktoren für das Marken-Commitment und zur Optimierung der Außendienstmaßnahmen

Nehmen Sie an der EphMRA-Konferenz 2020 teil und erfahren Sie, wie Sie die wichtigsten Faktoren für die Markenbindung von Fachkräften im Gesundheitswesen und im Vertrieb identifizieren können, um die Effizienz und Effektivität des Außendienstes zu optimieren.

Die Data-Science-Teams von Danone SN und SKIM haben sich zusammengetan, um ein ehrgeiziges Ziel zu erreichen: zu zeigen, dass es möglich ist, den Umsatz zu quantifizieren, der durch die Entscheidungen des Managements in Bezug auf den Einsatz des Außendienstes erzielt wird.

Dieses Ergebnis war das Resultat eines komplexen Data-Science-Projekts, das durch die Kombination verschiedener Datenquellen, darunter CRM- und Vertriebsdaten, und die Verwendung fortschrittlicher statistischer Modelle realisiert wurde. Das Projekt erforderte eine klare und transparente Kommunikation zwischen den beteiligten Teams und den globalen und lokalen Stakeholdern bei Danone.

Ort: Flanders Meeting & Convention Center, Koningin Astridplein 20-26, Antwerpen
Vortragende:

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

Einige wichtige Erkenntnisse, die Sie aus dieser Sitzung mitnehmen werden:

• den Wert der Nutzung eigener Daten zur Erschließung des Wachstumspotenzials. Insbesondere, wie man den Umsatzwert quantifizieren kann, der durch die Aktivitäten des Außendienstes mit Ärzten des Gesundheitswesens generiert wird, die Einfluss auf die Verbraucherentscheidungen haben.
• eine geschickte Kombination aus einem wachsenden Data-Science-Team des Unternehmens und einer analytisch versierten und flexiblen Agentur kann in diesem Zusammenhang der Schlüssel zum Erfolg sein
• die richtige Kombination von analytischen, industriellen und kommerziellen Fähigkeiten ist erforderlich. In diesem Fall haben wir zwischen Danone Data Science und SKIM ein Team mit unterschiedlichen Fähigkeiten und Erfahrungen zusammengestellt, von frischgebackenen Analysten mit den neuesten Techniken des maschinellen Lernens in ihrem Lebenslauf bis hin zu erfahrenen Datenexperten und Praktikern der quantitativen Forschung.