Ricerche di mercato e il Pharma – Parte XVI – Approccio all’analisi dei dati

1099212_43344416

Riprendendo il tema dell’attività di analisi dati nelle ricerche di mercato di tipo quantitativo in ambito farmaceutico, l’intento del mio contributo odierno non è quello di fornire un quadro metodologico e analitico di come si debba condurre un’analisi in tale tipo di indagine. Se si vuole approfondire questo specifico argomento basta consultare o studiare dei testi di statistica e/o dei vari manuali che si occupano di come si conducono le ricerche di mercato (alcuni veramente molto validi come i già da me spesso citati: Ricerche di Mercato – Alessandro Amadori e Letizia Leprini eLe Ricerche di Mercato – Amedeo De Luca): i metodi di data analysis e la statistica insieme ai suoi modelli sono i medesimi utilizzati nelle indagini relativi agli altri settori (analisi univariate, bivariate e multivariate; e fra queste ultime: la conjoint analysis, l’analisi fattoriale, ecc…). Oggi vorrei invece cercare di offrire qualche spunto, in maniera nemmeno troppo ordinata, che sia in grado di far comprendere con quale spirito approntare l’analisi dati di un’indagine quantitativa in ambito farmaceutico.

Poiché i farmaci sono suddivisi in più categorie, anche l’ottica con cui affrontare l’analisi dati su di una ricerca di mercato in ambito pharma può essere diversa da caso a caso. I farmaci possono essere classificati in vari modi, ma fondamentalmente si dividono in due categorie: i farmaci etici e i farmaci senza obbligo di prescrizione medica (OTC/SOP). Ciò significa che mentre il mercato dei primi è condizionato in tutto e per tutto dalle scelte di un medico, quello dei secondi non subisce l’influenza (o perlomeno solo in piccolissima parte) del rapporto di agenzia che si instaura fra medico e paziente, lasciando quindi al paziente molta discrezionalità in fase di analisi, valutazione e decisione di acquisto, quasi come un qualsiasi altro mercato consumer. Ed anche quando ci si trova a confrontarsi con il ricerche relative ai farmaci etici, non sempre le correlazioni, le dimensioni e le valutazioni da analizzare riguardanti ad un farmaco il cui utilizzo è limitato all’ambito ospedaliero siano le più adeguate per analizzare anche i dati relativi a farmaci la cui dispensazione avviene in ambito territoriale.

Una differenza di approccio ancora maggiore è quella riguardante il tipo di ricerca che si sta svolgendo: si tratta di una ricerca continuativa o ad-hoc? E’ un’indagine censitaria o a campione? E riguardo l’espansione del dato, si ricorre a modelli più o meno complessi oppure si procede a calcolare semplicemente la media, la mediana e via dicendo? (sì, talune volte l’analisi non è nient’altro che questo).

In alcune situazioni, inoltre, è l’intuizione a guidare l’operato del data analyst poiché non è così raro che alcune dimensioni vengano incrociate fra loro anche in casi in cui i risultati che si ottengono non  fanno parte degli obiettivi dichiarate nel progetto dell’indagine, tale correlazione non era stata pensata a livello di questionario e il piano della ricerca in origine non prevedeva tale misurazione: spesso grazie all’istinto si ottengono risultati davvero interessanti e impensabili (e talvolta un po’ bizzarri).

In alcune occasioni, facendo una vera e propria operazione di “artigianato” statistico, si cerca addirittura di attribuire dei dati provenienti da altre fonti, quindi diverse da quelle scaturite dalla rilevazione, alle unità statistiche di un campione o di un censimento: in particolare nei censimenti, tale operazione messa in atto in tutti in quei casi dove il professionista o l’ente/azienda si sia rifiutato di aderire alla ricerca, può permettere di attribuire una o più determinate dimensioni più o meno aderenti alla realtà dei fatti, in modo da consentire il loro utilizzo come driver nell’elaborazione di una stima su quelle dimensioni la cui misura rappresenta l’obiettivo della ricerca.

In conclusione, l’analisi dai dati deve essere eseguita con il fine di raggiungere gli obiettivi della ricerca e ciò significa concentrare le proprie attività su questa finalità: in pratica sappiamo già quali dimensioni vogliamo conoscere e la data analysis è l’attività che ci permette di ottenere/calcolare le metriche associate ad esse. Le dimensioni da ricercare possono essere più o meno complesse, ed è la bravura e la preparazione del data analyst a consentire l’ottenimento di risultati complessi e comunque realistici anche nelle situazioni più difficili: è la sua bravura che gli permette di selezionare i dati necessari allo scopo, a raggiungerlo, e ad arricchirlo con nuove informazioni, ma sempre mantenendone la coerenza con gli obiettivi della ricerca.

Dino Biselli

Rispondi