Case Study · Pharma
Sechs Jahre Vertriebsdaten. Eine entscheidende Lücke.
Wie wir für einen DAX-notierten Pharma-Konzern aus über 4 TB Rohdaten eine konkrete Handlungsempfehlung entwickelt haben — und warum die wichtigste Erkenntnis nicht das Modell war.
Die folgenden Inhalte sind anonymisiert. Branche, Größenordnung und Vorgehen sind verifiziert. Konkrete Zahlen, Produkte, Märkte und Vertragspartner sind verändert oder entfernt — auf eine Weise, die die Story nachvollziehbar lässt, ohne den Mandanten identifizierbar zu machen.
01
Ausgangssituation
Ein Hauptprodukt verhielt sich in einigen Märkten anders — und niemand wusste, warum.
Ein international tätiger Pharma-Konzern mit Vertrieb in 27 Ländern hatte das Gefühl, dass sich der Verkauf eines Hauptprodukts in einigen Märkten stiller verhielt als in anderen — ohne dass jemand erklären konnte, warum.
Sechs Jahre Vertriebsdaten lagen verteilt über mehrere CRM-Systeme, ergänzt durch Excel-Inseln aus den einzelnen Länder-Niederlassungen. Die internen Analytics-Tools zeigten Trends, aber keine Ursachen.
02
Datenlage
Über 4 TB Rohdaten — bevor irgendein Modell darauf zugreifen durfte.
Vertriebsdaten aus drei CRM-Quellen, ergänzt durch Marketingbudgets, Außendienst- Aktivitäten, regionale Marktdaten und Wechselkurse. In einer ersten Phase haben wir einen einheitlichen Datenschnitt gebaut und alle personen- und kunden-bezogenen Felder pseudonymisiert.
Erst danach durfte das Analyse-Team mit den Daten arbeiten. Datenschutz vor Methodik — in einem regulierten Umfeld kein Komfort, sondern Voraussetzung.
4 TB+
Rohdaten
27
Märkte
6 Jahre
Historie
03
Methodik
Drei Schritte. Erst Verstehen, dann Modell, dann Vergleich.
Explorative Datenanalyse, um Inkonsistenzen, Lücken und stille Annahmen sichtbar zu machen — bevor das erste Modell läuft.
Time-Series-Modelle pro Markt, um Saisonalität und Außendienst-Effekt sauber von strukturellen Trends zu trennen.
Anomalie-Detektion über Märkte, die nicht „wo läuft es schlecht" beantwortet, sondern „wo läuft es anders als erwartet". Ein entscheidender Unterschied — er führt zu anderen Fragen.
04
Erkenntnisse
Drei Märkte fielen heraus — und teilten genau eine Variable.
Drei Märkte zeigten konsistente Abweichungen, die nicht durch Saisonalität, Wettbewerb oder Außendiensteinsatz erklärbar waren. Das war im Konzern intern bekannt, aber als Einzelfälle abgetan.
Die gemeinsame Klammer: alle drei wurden über denselben Distributor-Vertrag bedient. Eine Variable, die nie als zusammenhängende Größe analysiert worden war — weil sie in keinem der CRM-Systeme als Feld geführt wurde.
05
Empfehlungen
Drei Schritte vorgeschlagen, alle umsetzbar ohne Tool-Kauf.
Erstens, den Distributor-Vertrag in einer strukturierten Review betrachten — mit den Daten, die jetzt vorliegen.
Zweitens, ein einfaches Dashboard, das die drei Märkte gegen die übrigen 24 tageaktuell vergleicht. Keine Plattform-Investition, sondern ein Reporting-Layer auf der bestehenden Infrastruktur.
Drittens, einen wiederkehrenden Anomalie-Check über alle Märkte als feste Routine, nicht als Einzelprojekt.
06
Ergebnis
Ein neuer Vertrag, ein produktives Dashboard, ein neuer Standard.
Die Vertragsanalyse ergab strukturelle Schwächen, die in einer Neuverhandlung adressiert wurden. Das Dashboard läuft seit über einem Jahr produktiv und gehört zur wöchentlichen Regelkommunikation der Vertriebsleitung.
Die Anomalie-Auswertung ist inzwischen Bestandteil des jährlichen Strategieprozesses — nicht mehr als Sonderprojekt eines externen Teams, sondern als interne Disziplin.
1
Vertrag neu verhandelt
12+ Monate
Dashboard produktiv
jährlich
Anomalie-Check
Ähnliches Datenproblem im Haus?
Wenn Sie das Gefühl haben, in Ihren Daten steckt eine Antwort, aber die Tools liefern nur Trends — sprechen wir darüber. 30 Minuten, vertraulich, ohne Vertriebs-Skript.