生命科学中的AI优势：始于懂得其含义的数据

生命科学中的AI优势始于懂得其含义的数据 杰夫·皮尔奇，资深总监，产品开发，IQVIA安德鲁·琼斯，总监，产品开发，IQVIA 目录 345转变：从数据集成到数据理解 2产品化连接器为何重要 2代理式MDM：商业数据管理的下一阶段发展 3机遇：构建AI可信赖的商业数据层问题：生命科学领域的数据量超出了其利用能力执行使命：从小处着手，着眼规模雪花维度：规模化安全数据协作从历史分析到预测行动 随着生命科学公司争相部署人工智能，真正的差异化因素并非模型的复杂程度。关键在于将零散的商业数据转化为可信的、具有上下文关联的智能，从而能够大规模地驱动决策。 多年来，生命科学组织在商业数据资产、云平台、分析团队和客户互动技术方面投入了大量资金。然而，许多人仍然面临同样的限制：有价值的数据仍然分散在不同的系统、业务单元、格式和定义中。其结果不仅仅是运营效率低下，更是战略上的拖累。 问题：生命科学领域的数据量超出了其可利用的范围 生命科学数据是世界上最宝贵的数据之一，同时也是最难激活的数据之一。商业团队依赖于CRM活动、索赔、参考数据、隶属关系、通话录音、现场记录、客户层级、供应商关系、付款方动态、第三方数据源，以及日益重要的非结构化和多模态内容。 随着行业从生成式AI的实验转向代理式、工作流程集成的智能，压力正在上升。AI并不能解决碎片化的数据，而是将其暴露出来。如果没有受管理的语义基础，AI系统可能会加剧歧义，强化不一致的定义，并产生领导者无法自信投入运营的输出。 然而，其中大量智能资源未被充分利用，因为它们被困在彼此隔离的系统、不一致的业务逻辑以及并非为人工智能设计的格式中。行列数据或许能驱动仪表盘，但商业决策的下一个时代需要更多：需要机器可读的、对现实世界实体、关系、定义和背景的理解。 获胜的组织将是那些能够将一方、第三方和合作伙伴数据连接到一个既适用于人工智能、了解领域、安全可靠且为行动而构建的通用商业智能层中的组织。 业务影响非常显著。当数据分散时，分析团队会花费过多时间协调定义。商业领导者会就同一个问题得到不同的答案。现场团队只能基于片面的客户视图进行操作。人工智能计划因基础不被信任而停滞不前。创新则依赖于缓慢、昂贵且难以扩展的定制工程项目。 该基础必须做好四件事： 转变：从数据集成到数据理解 在企业和合作伙伴平台之间安全连接数据，无需不必要的数据重复。 传统的集成重点在于将数据从系统A迁移到系统B。这曾经是必要的，但如今已不再足够。在一个AI驱动的企业中，更关键的问题并非数据能否迁移，而是数据在迁移过程中是否承载了意义。 使用特定领域知识、商业关系、业务规则和受管定义来对数据进行语境化。 统一实体，以便团队和系统能够跨来源识别相同的提供方、组织、患者群体、账户、产品或区域。 语义层次、本体、元数据管理和实体统一在此变得具有战略性。它们提供了连接组织，使系统、分析师和人工智能代理能够理解医疗服务提供者（HCP）、医疗服务机构（HCO）、处方者、护理地点、隶属关系、执照、专业领域和区域并非孤立的数据点。它们是现实世界商业生态系统的一部分。 在决策发生的平台（如CRM、MDM、分析、数据云以及新兴的AI代理环境）中激活洞察力。 目标并非另一个数据仓库。而是一个企业智能层，能够快速使商业数据变得可用、可解释且可操作。 产品化连接器为何重要 对于生命科学领域的领导者而言，这是一个关键的区别。语义层不应被视为数据组织内部的技术抽象概念。它是企业用于决策的共同语言，它定义了业务概念的含义、它们之间的关系以及它们的管理方式。 连接器在历史上一直被视为点对点的管道：将数据从一个应用程序传输到另一个应用程序，转换字段，并保持管道畅通。对于准备就绪的人工智能商业企业而言，该模型过于有限。 当销售主管问“什么是通话效率？”时，答案不应取决于谁提出了问题、使用了哪个仪表盘，或访问了哪个系统。该定义应被掌握、管理和可重用，就像客户、供应商、产品或付款方数据一样。 下一代商业连接器必须具备智能化。它们需要传输带有上下文的数据，以便下游系统能够接收已映射、已掌握、已管理、已丰富、适用、受控且可用的信息。 机遇：构建AI可信赖的商业数据层 这对于生命科学组织尤为重要，因为它们在复杂的科技环境中运营，包括CRM、MDM、云数据平台、数据清洁室、商业分析环境以及合作伙伴生态系统。一个仅仅传输数据的连接器会创造另一种依赖关系，而一个传输意义的连接器则会创造杠杆效应。 未来的道路并非要从头重建每个数据环境。而是要将自有第一方数据、IQVIA数据、第三方来源以及合作伙伴生态系统整合到一个受监管的商业智能基础架构中，该架构能够支持当今的分析以及未来的自主工作流程。 案例研究 IQVIA与Veeva：从数据交付到定制化应用 一个例子是预先构建IQVIA数据资产与Veeva环境之间的商业连接性。该方法并非将数据交换视为一种通用的传输，而是旨在以接收系统可以立即理解和消费的模型来提供数据。 对于生命科学组织而言，其价值在于实用：更短的实施时间表、更少的手动映射、减轻管理负担，以及为持续的客户互动奠定更坚实的基础。数据并非简单地移入CRM生态系统。它是为该生态系统的实际运作方式而准备的。 这是商业数据交换必须走的方向：减少定制化集成，增加产品化智能。 雪花维度：规模化安全数据协作 代理式MDM：商业数据管理的下一代演进 现代商业智能也依赖于安全、可扩展的数据协作。生命科学公司需要能够在不造成不必要的数据重复、安全漏洞或工程积压的情况下，共享、丰富和返还数据的方法。 主数据管理长期以来一直围绕匹配、合并、存活性、治理和业务流程构建。这些能力仍然至关重要。但人工智能改变了运作模式。 代理式MDM引入了新的可能性：基于向量的匹配、大型语言模型辅助的匹配流程、代理支持的治理、智能搜索以及自动化的数据变更请求工作流。若实施得当，这些功能能够减轻人工负担，同时提升一致性和可解释性。 雪花的数据共享和洁净室能力为这种合作创建了一个强大的模式。公司可以安全地共享结构化或非结构化数据，允许IQVIA利用转换逻辑和领域智能对其进行丰富，并接收定制化的洞察，而无需将此工作转化为一个定制的集成项目。 关键短语是“操作得当”。生命科学组织不应在没有监管的情况下将关键数据决策权交给人工智能。突破发生在人工智能代理在可信赖的语义和本体知识库上运行时。在这种环境下，人工智能不再是一个黑箱，而成为受监管决策的加速器。 其战略意义十分明确：数据合作可以成为一种可重复的运营模式，而非一次性的服务合作。这一点至关重要，因为最有价值的洞察往往在专有客户、现场、患者和市场数据与更广泛的行业背景相结合时才会产生。 执行使命：从小处着手，着眼规模 对于高管而言，前进的道路无需“ boiling the ocean”（作无谓的努力）。更明智的做法是：从一份聚焦且高价值的数据集和一个具有实际意义的企业问题开始。 哪些客户群体相对于市场机遇参与度不足？ • 哪些实地活动与增长潜力不符？ 哪些账户显示出早期治疗中断或获取障碍的信号？ 哪些数据资产仍以非结构化格式锁定，但能够为商业战略提供信息？ 通过从一个狭窄的应用场景开始，组织可以证明其价值、建立治理机制、测试协作模式并建立势头。然后，该基础可以通过添加新的数据源、连接器、语义定义、代理或下游激活点来模块化扩展。 底线 生命科学领域的下一个发展阶段将由那些能够将零散数据转化为可信情报，并将可信情报转化为行动的组织来定义。人工智能将放大拥有坚实数据基础公司的优势，同时也会放大缺乏这些基础公司的风险。 生命科学领域的领导者们应该停止询问他们是否拥有足够的数据。他们应该询问他们的数据是否连接得足够充分以供行动、是否背景信息足够丰富以便人工智能理解、是否管理得足够完善以供信任，以及是否足够易于访问从而能够即时改变决策。 获胜者将不会是拥有最大数据资产的组织。他们将是那些让他们的数据产生意义的人。