Кейс 3

ПРЕДИКТИВНАЯ АНАЛИТИКА
ДЛЯ ФАРМАЦЕВТИКИ

ML-модели для прогнозирования продаж лекарственных препаратов

  • О клиенте
    Российская фармацевтическая компания полного цикла, один из лидеров отечественного фармацевтического рынка
  • Задача
    Создать систему прогнозирования продаж лекарственных препаратов с использованием машинного обучения для оптимизации производственных планов и управления запасами
  • Наше решение
    Техническая архитектура:
    • Backend: Python для обработки больших объемов данных
    • ML Platform: Scikit-learn, TensorFlow для построения предиктивных моделей
    • База данных: PostgreSQL + ClickHouse для аналитических запросов

    Функциональность системы:
    • Сбор и очистка данных из множественных источников (аптечные сети, дистрибуторы)
    • Feature Engineering — создание признаков на основе сезонности, трендов, внешних факторов
    • ML-модели прогнозирования с учетом региональной специфики и типов препаратов
    • API для интеграции с ERP-системами планирования производства

    Особенности проекта:
    • Соответствие GxP стандартам фармацевтической индустрии
    • Валидация моделей согласно регулятивным требованиям
    • Работа с чувствительными данными о продажах и рыночной аналитике
  • Результат
    • Точность прогнозирования повысилась до 93% по ключевым препаратам
    • Оптимизация запасов — сокращение излишков при улучшении доступности
    • Улучшение планирования производства на основе точных прогнозов спроса
    • ROI проекта окупился за 8 месяцев после внедрения
Цифры проекта
  • 12 месяцев
    Длительность проекта
  • 6 специалистов
    Команда