「Monthlyミクス」2020年8月号 寄稿

１.製薬企業の支援を通して感じること（コンサルタントの目線から）

PwCコンサルティングでは多くの製薬企業のＤＸ（デジタルトランスフォーメーション）やＡＩ活用の支援を行っているが、コンサルタントの立場から感じていることを紹介したい。

（１）良い点と成長余地

良い点として、まずはデジタル領域におけるチャレンジの積極性をあげたい。多くの製薬企業は以前から多数の先進的なチャレンジを行っているが、いくつかの企業ではそれらを加速させている。このような動きをポジティブに捉え、試行錯誤を重ねているＭＲも多い。業界全般にそのような機運があり、2000年台半ば・後半からeディテールが加速度的に浸透していった時期を彷彿とさせる。

もうひとつの良い点は、アナリティクスへの関心の高まりと、ＡＩを活用したデータ分析による意思決定の浸透であろう。たとえば、ファイザーを含む弊社支援クライアントではＡＩ分析からの示唆を意思決定に活用し、かつフィールドに展開している。分析のための分析ではなく、実行（エグゼキューション）のための分析を行っている。

先進企業にとっての成長余地はどこにあるだろうか。最大の成長機会は上述のチャレンジを組織全体の推進力強化につなげていくことにあると考える。そして、その実現には「“Data-driven” PDCAの実践」が重要となる。PDCAというと使い古された単語に聞こえるかもしれないが、現在においても、その実践レベルが組織の成長力に大きく影響すると各所で言われており、仮説構築・検証の繰り返しは、正解のないイノベーションが求められている今だからこそ重要性が増している（図１：「成長を加速させる“Data-driven” PDCA（全体像）」参照）。

（２）成長加速のための“Data-driven” PDCAの実践に向けた課題

分析による様々な示唆から戦略仮説とアクションプランを構築し、それを実践・検証しながら継続的に意味のある成功と失敗の経験を積む、そして意図的に学びを得ていく。学びの質と量が競争力につながるわけだが、このPDCAの実践に際しての課題を以下に述べたい。

①Planに関する課題：シナリオ
構築力・AI活用力の強化

ここでは「a. （顧客の思考を反映した上で）何をどう伝えれば、どのような症例で自社品の処方を増やすか」、「b. そのディテールスト―リー（aの内容）が奏効する可能性の高さを証明するデータは何か」「c. どのようなデータを組み合わせ、また加工し、どのようなインプット（説明変数）を作り、どのようなアルゴリズムでそれらを分析するとどのような示唆が得られるか」といった３種類のシナリオを想定している。最初の２つ（aおよびb）にはビジネススキル、最後の１つのcには分析スキルが求められる。

まずは前者のビジネススキルについて述べる。ここでは、データ分析の結果を市場、顧客、競合、自社の実力に対る深い理解のもと、コンテクストとして解釈することが重要となる。そうでなければ戦略・戦術を構築できず、かつ現場に説明力を持ちえないからである。次に、後者の分析スキルについて述べる。経験上、最初から分析に必要なデータが揃っていたことはない。逆に、揃っているなら誰でも示唆を得られるので分析が競争力につながらない。ここでは、仮説を持ちながら現有データを組み合わせたり加工したりしながら、必要なインプットデータを構築する能力が求められる。また、一通りの分析手法の理解と、それらを自身のビジネスへ応用するスキルも必須である。インプットデータの議論と同様に、最初から「この課題にはこの分析」とアプローチが見えていた経験は殆どない。データ作成とアルゴリズムの選択を両輪として、ＡＩ分析のシナリオを構築していくスキルが必要となる。

コマーシャル部門で中心的に用いるＡＩの技術要素は機械学習（Machine Learning）であり、その特徴は計算力の強さと多次元での分析力（人間は３次元以上になると物事を把握しにくい）により、人間が気付き得ない特徴を見出せる点だと捉えている。具体的な活用事例を図２「営業・マーケティング領域でのＡＩ分析事例（抜粋）」で紹介しているので参考にしていただきたい。いずれも、機械学習により人間が感知し得ない特徴を可視化し、戦略・戦術に反映させた事例となる。

②DoおよびActionに関する課題：実験型組織化（チェンジマネジメント）

「実験型組織」という単語は⽿馴染みがないかもしれないが、仮説構築・検証を繰り返し、学び、成長する組織を言う。ここでは「失敗に対する誤解」を解きたい。上手くいかないことが分かっていることを実践するのは愚であるが、失敗と「間違っていること」とは異なる。A/Bテストという単語を聞いたことのある方は多いだろう。AとBを試し、より成果の出た策を採用するというものである。なぜA/Bテストが必要なのだろうか。答えは「より良い策を見つけるため」である。したがって、仮にAの成績が良かったとしても、Bはそれを証明するために必要であり、間違いではなく「必要な失敗」と言える（どちらが良いか最初は分からない）。また、データはあくまで過去の結果であり、成長を続けるには常に新しいチャレンジ（A/Bテスト）が行われ、その結果のデータが継続的に追加されていかなければならない。

しかしながら、製薬業界に限らずこのような考えが組織に浸透しているケースは少ない印象がある。全社的な戦略・計画が年単位で決まるものの、年間を通じて思考錯誤を重ねるケースは多いとは言えないかもしれない。前期に「何が上手くいき、何が上手くいかなかったのか」の分析があまりないケースも見受けられる。また、何となくの反省はあるが、それをしっかり文章で書く、つまり、ナレッジ化・形式知化するケースが少ない点も懸念している。一般的に文章に書いて初めてナレッジとなると言われている。本社・現場ともに、より良いアイディアを探し、学び続ける文化を形成することが望まれる。

なお、DoおよびActionで求められることは、マネジメントによる方針の打ち出しと、新しいことにチャレンジする現場へのハンズオンのサポートとなる。また、意思を持って積んだ経験が豊富であることが競争力につながるため、早期に着手するほどアドバンテージが大きくなると言える。

③Checkに関する課題：データの可視化

仮説検証に、データ収集は必要不可欠である。つまり、戦略仮説に基づく活動計画の着実な実行と、そこからのデータの獲得が求められる。また、新しい取り組みを進める際、その障害となる事由は多数存在することから問題の芽を早期に摘むことが重要だが、可視化ツールはそのための進捗把握・問題発見に大いに役立つ（ＢＩツールと並行してＡＩを活用すればなお強力になる）。

データの可視化は文章化の議論に近いが、グラフにすることで初めて見えることは多く、それが新しい仮説の構築に貢献することも付け加えたい。問題や傾向が見えていないケースにおいては、データがグラフ化されていないことが意外に多い。

３.最後に

第１回「起こり始めている未来を見据えた、医薬品の営業・マーケティングが求められる変革（仮説）」、第２回「求められる変革の実現への課題」と連載してきた。次号は最終回として「課題を踏まえた上での変革実現へのロードマップ」について寄稿する予定である。

※法人名、役職などは掲載当時のものです。