AI数智化算法助力潜力KOL的挖掘已经是当今医药圈儿举足轻重的话题了，无论从上市前研发阶段的stakeholder，到后期进医保进院，或是带量采购的关键人物，借助于大数据分析工具及科学算法智能推荐，是真正的YYDS！
那么到底什么才是真正的大数据算法呢？
先来看一个真实案例：
某药企的人血白蛋白项目组曾经委托我们做过一期广阔市场挖掘目标KOL的项目。
若是像普通药品那样，目标适应症明确、科室集中度清晰，倒没任何难度，此次项目的关键点在于人血白蛋白用于重症补液的特殊性，就意味着没有目标适应症，所有可能会导致重症的疾病都可能会用到，并且没有专业的学协会组织，更没有指导意义的指南共识，在看似毫无头绪的情况下，找到跨N多科室的精准专家。
不过，这对于身经百战的脉络洞察项目组来说，难度并不算很大，项目迅速启动后，项目组便同客户的医学部共同研究，搜集权威资料，尽可能挖掘KOL特点，最终探讨出一套可行的方案，高效精准定位。
我们借助于大数据，把这个项目做成功的关键点在于三个字：“全”、“准”、“快”。
01 “全”
一个大而全的医生库是整个项目的根基，如同在小池塘或大海中找出一枚世界上最美的珍珠一样，哪个可能性更高是不言而喻的。
我们曾经把脉络洞察医生库同卫健委统计年鉴做过对比，发现我们的医生库里，二三级医院人数覆盖率达到了98%，一级及未定级的医生数量也占到90%以上，耗费六年时间维护的医生库，确定是业界遥遥领先的水平，这么全面干净的数据，也成为了脉络洞察所有项目高质量交付的保障。
02 “准”
这里的准有两层意思：
其一，是医生数据匹配要高度准确。
匹配逻辑在HCP画像中属于难度最高的一步，因为涉及医院/科室别名、医生任职单位变更、数据中提及疾病与专家兴趣度匹配等等，需要技术提炼与专人长期维护方能做到。我们在项目过程中不断优化匹配逻辑，截至目前，粗略统计已达到200多种细分算法，程序匹配的召回率和正确率均高达95%以上。
其二，是准确定位目标KOL。
这里面需要一整套的评价体系，尤其是进行跨科室、跨专业的KOL，在某个疾病、某个治疗方式方面的影响力、专注力的定量评价模型；
这里面还需要考虑不同数据之间的可比性，比如不同科室、不同专业的HCP特性，他们之间的各种数据是否可比，只有数据类型之间可比，科室和专业间可比，这个模型才能支撑项目中的精细化筛选。
03 “快”
这类项目花费时间最多的地方，不应该是数据整合，而应该是前期的方案策划。
在找准目标疾病以及步步为营的解决方案中多花心思设计，基于完善的医生库提取数据便是一步到位的事情，不仅精准，还更高效，节省大量时间的投入，这也能代表大数据算法的一大优点，恰恰是古老的人工趟的方法没办法实现的（传统方法emoing……）
最终经过以上三个关键点的筛选，相信我们从此可以摒弃传统方法，利用大数据算法，在广阔市场环境下甄别跨科室的专家，做到高效助力企业快速扩面。
同样的方法学也适用于泛疾病领域、某些医疗器械等等需要甄别KOL的场景，因为他们共同的特点就是KOL所在科室不集中，同时也说明市场的广泛性，我们需要做的就是早日通过数据层面鉴别出更多的专家，让好的产品为更多患者带来获益。
然而，如同某家企业说的那样，经常会碰到假的大数据公司，因为对外宣传有数据，有AI算法，实际上连自己独立运维的医生库及数据库都没有，你们又如何让我们信服呢？
其实这个坑也好避开，最有力的一招，就是是否可以支持各种验证和抽检，在这点上我们自信满满，不信的话， 不妨联系我们，做个检验~
