写给制药业高管的5条入门提示

入手消解阻力。

他最先在语音识别团队中获得了初步支持。该团队在谷歌中的关注度远不及搜索或广告业务部门，但吴恩达至少以此为起点帮助第一位内部客户获得了价值回报，让深度学习在谷歌语音搜索中得到早期应用。也正是凭借这成功的第一步，深度学习技术得到了在谷歌地图中一试身手的机会，负责提高数据质量。

每个项目的成功都在巩固人们的信心。最终，飞轮效应全面启动，令深度学习成为谷歌之内一股不可阻挡的洪流。如今，深度学习已经为谷歌的大多数产品提供着强大的支持，包括搜索、相册、YouTube乃至地图等等。

这个故事同样能够为制药行业的高管们提供宝贵经验，启发大家立足所在组织一步步探索数据科学领域。

每一家希望掌握高级分析之力的组织，都必须经历五大关键步骤。虽然说起来非常简单，但不同行业的高管人士往往未能对这些步骤给予应有的重视。

TPS Global临床与战略运营执行副总裁Syed Shah表示，“令我感到惊讶的是，药学领域一直存在大量可用数据，但真正得到成功使用的数据量却非常有限。”通过示例，我们将共同了解这五个步骤如何帮助您为制药行业建立起可靠的数据科学实践。

1. 克制挑战“登月”的雄心，先从唾手可得的成果中做出选择 

在选择数据科学之旅的启动项目方面，企业往往会犯下同一类错误——倾向于选择那些紧急但缺乏战略影响，或者说有趣但鲜有实际回报的项目。

更糟糕的是，企业最终选择的项目往往过于复杂。请注意，最重要的是应该通过早期的一个个小成功快速展示业务价值，而非一上来就选择那些前景无比宏伟、但却充满不确定性风险的“登月”级项目。

Roche Diagnostics公司商务智能兼分析主管K.M.A. Omar表示，“在制药企业中选择启动项目时，并不一定非得从营销、销售或者财务等角度切入。研究等领域的实施阻力往往更低，而且同样能够为患者带来可观的价值。此外，这部分员工们对于生物统计学乃至数据的应用概念拥有良好的理解。实际上，他们往往对组织在高级分析方法方面的尝试充满热情。”

2. 通过量化业务投资回报、而非给出模糊的预测结果，保障资金供给 

根据Gartner的调查，数据分析项目中的资金短缺已经成为首席数据官（CDO）们面临的最大障碍之一。Syed Shah指出，“为了获取资金，首先需要明确项目的最终收益。”

Shah补充道，“然而，确实有不少项目缺乏明确的投资回报（ROI）或者成本节约效用。对于这类项目，最重要的自然是归纳其带来的无形收益，例如消除由低质量产品带来的返工成本。”

举例来说，假定你已经建立起一套数据科学解决方案，可以自动对细胞进行计数以加快药物发现速度。一般认为，这类解决方案能够缩短研发周期或者降低生物学家们的工作强度。对此，最合理的方法自然是计算项目带来的潜在成本节约与投资回报。只要以由此得出的近似估算值作为投资回报起点，你的项目就能在企业中获得必要的

（编辑：甘孜站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!