|
2023년 6월 14일| 기사
다운로드
거의 모든 제약 회사는 비즈니스에 대한 디지털 기술의 중요성을 인식하고 디지털 및 분석 이니셔티브를 진행하고 있습니다. 이제 많은 기업이 그러한 변화를 주도한 경험이 있는 전담 CDTO(Chief Digital and Technology Officer)를 임명하여 노력을 이끌고 있습니다. 주요 업체는 디지털 및 분석을 초기 단계의 약물 발견 및 임상 개발에 통합하여 일정을 단축하고 성공 가능성을 높이고 있습니다. 많은 사람들이 더 나은 치료 결과를 달성하는 경험을 향상하고 맞춤화하는 기술을 사용하여 의료 서비스 제공자 및 환자와의 상호 작용을 재창조하기 시작했습니다.
사이드바
저자 소개
그럼에도 불구하고 McKinsey의 2022년 업계 검토 에서 관찰된 바와 같이 제약 회사는 표면을 긁었을 뿐입니다. 사일로화된 사용 사례와 영향 사례는 많지만 투자가 조직의 중대한 변화로 이어지는 경우는 거의 없습니다. 아직 조직 전체에 디지털 및 분석을 깊숙이 내장하는 데 성공한 기업은 거의 없습니다. 경영진은 더 광범위하고 혁신적인 영향이 없다는 점에 좌절하고 있습니다.
앞으로 나아갈 길이 있습니다. McKinsey는 디지털 및 분석 파일럿을 대규모 제공 및 전환으로 성공적으로 확장하여 실질적인 수익에 영향을 미친 회사를 조사했습니다. 이 분석은 제약회사 CEO와 CDTO가 향후 12개월에서 18개월 사이에 소규모 실험에서 디지털 및 분석의 산업화로 발전하기 위해 취할 수 있는 5가지 입증된 조치를 제안합니다.
실행 1: 운영 모델을 재고하고 결과 중심으로 재정향
가장 인기 있는 인사이트
디지털 및 분석 투자에서 대규모 변혁적 변화를 일으키기 시작한 기업은 제품 및 플랫폼 지향 운영 모델 로 전환했습니다 . 이러한 리소스 재할당은 개별 제품이 아닌 특정한 포괄적인 목표를 향해 지속적으로 작업할 수 있는 고성능, 교차 기능 및 자율 팀에 권한을 부여하고 장비를 제공합니다.
이러한 변화를 효과적으로 만드는 기업은 모바일 앱이나 챗봇과 같은 별개의 기술이 아니라 비즈니스 결과와 사용자를 중심으로 조직을 구성합니다. 예를 들어 환자 또는 의료 제공자 경험의 일부에 대해 교차 기능 팀을 구성합니다. 제품 및 플랫폼 지향 운영 모델은 원하는 영향을 중심으로 교차 기능 팀을 보다 잘 배치하는 것으로 나타났으며 핸드오프 감소, 생산성 향상, 시장 출시 시간 단축 및 사용자 경험 개선을 가져오는 경향이 있습니다. 향후 50개 이상의 제품 팀을 대상으로 한 McKinsey 설문 조사에서는 이러한 작업 방식이 배송 속도와 직원 만족도를 평균 20%, 고객 만족도를 15% 향상시키는 것으로 나타났습니다.
접근 방식의 얼리 어답터는 프로젝트 제공에서 비즈니스 결과 제공으로 방향을 전환하면서 상당한 가치를 실현했습니다. 예를 들어, 대규모 글로벌 제약 회사는 기술 프로젝트를 개발하고 제공하는 사일로화된 접근 방식을 결과에 따라 조정되고 적절하다고 판단되는 결과를 추구할 수 있는 권한을 부여받은 교차 기능 팀으로 대체했습니다. 새로운 운영 모델은 테스트 시간을 50% 단축했고, 제품 배송 속도를 20% 이상 개선했으며 경우에 따라 고객 만족도를 50점 높였습니다. 또한 새로운 디지털 제품을 개발할 때 민첩성을 높일 수 있는 기반을 마련했습니다.
제품 또는 플랫폼 운영 모델로의 전환과 함께 기업은 공급업체 계약 및 기술 선택을 보완적으로 변경함으로써 이점을 볼 수 있습니다. 예를 들어 많은 기업이 공급업체 포트폴리오를 통합하여 몇 가지 주요 전략적 공급업체를 포함하고 상업적 공급업체 계약을 활동 기반에서 결과 기반 가격 및 성과 관리로 이동합니다. 애플리케이션 지원 및 유지 관리 계약을 볼륨(예: 티켓 서비스)에 따른 가격 책정에서 결과(예: 가동 시간)에 따른 가격 책정으로 전환하여 시간이 지남에 따라 애플리케이션 성능을 강화할 수 있습니다. 우리는 제약 회사가 공급업체 통합을 통해 평균 10% 비용을 절감할 수 있는 반면 결과 기반 계약은 보다 전략적인 목표를 중심으로 공급업체와 고객의 전략적 이익을 지향할 수 있다는 것을 관찰했습니다.
마찬가지로 기술 인프라를 현대화하면 대규모 디지털 및 분석 변환을 위한 길을 열 수 있습니다. 제약 회사는 애플리케이션을 합리화하고 클라우드 마이그레이션을 가속화하여 민첩성을 저해할 수 있는 기술 부채를 줄이고 현대적인 기술 기반을 구축할 수 있습니다. 클라우드 인프라는 온디맨드, AI 지원 의사 결정 , 자동화된 엔드 투 엔드 워크플로와 같은 전략적 기능에 투자할 수 있는 유연성과 확장성을 제공합니다.
우리의 경험에 따르면 이러한 변화를 통해 제약 고객은 IT 지출의 최대 30%를 확보하고 디지털 및 AI 우선 순위를 가속화하는 데 이러한 리소스를 다시 집중할 수 있습니다.
작업 2: DataOps에 뛰어들어 혁신 주도
데이터 액세스 및 품질은 제약 산업에서 디지털 및 분석 변환의 주요 저해 요소였습니다. 존재하는 데이터를 식별하고, 빠르게 액세스하고, 사용을 모니터링하고, 중복되거나 고립된 데이터 소스를 찾아내는 것은 어렵습니다. 많은 회사에서 수동 데이터 프로세스가 지속되어 규모나 속도에 따른 고급 분석이 불가능합니다. 제약 회사는 디지털 및 분석 변환을 달성하기 전에 데이터 변환을 수용해야 합니다.
데이터 사용을 표준화하고 자동화하여 품질을 개선하고 고급 분석 주기를 단축할 수 있는 일련의 협업 방식, 기능 및 도구인 DataOps를 도입하십시오. DataOps 접근 방식을 통해 제약 회사는 데이터에서 더 많은 가치를 추출하고 디지털 및 분석 이니셔티브를 보다 빠르게 발전시키고 확장할 수 있습니다. DataOps를 수용하는 회사에서 비즈니스 사용자는 기업 전체에서 분석 애플리케이션의 중요한 기본 기능인 데이터를 더 쉽게 찾고, 액세스하고, 통합하고, 다시 게시할 수 있습니다.
작동 방식은 다음과 같습니다. 교차 기능 팀은 여러 소스의 데이터를 통합할 수 있는 데이터 스택을 구축합니다. 그런 다음 데이터 거버넌스 및 소유권, 액세스 관리, 개발 우선 순위 및 데이터 제품에 대한 표준을 정의합니다. DataOps 접근 방식에는 데이터 제품을 관리하고 품질을 보장하기 위해 데이터 관리와 같은 새로운 기술 세트가 필요합니다. 그러나 제약 회사가 이러한 기능을 갖추게 되면 데이터 엔지니어링 노력을 간소화하기 위해 변칙 또는 데이터 드리프트 감지와 같은 일련의 자동화된 도구를 개발할 수 있습니다. DataOps 엔진은 지속적인 디지털 및 분석 혁신의 원동력이 될 수 있습니다.
글락소스미스클라인(GlaxoSmithKline)은 회사 웹사이트에 따르면 GSK가 "종합적인 데이터 및 기계 학습 생태계를 구축"하는 데 사용할 플랫폼 그룹인 오닉스(Onyx)를 통해 데이터옵스(DataOps) 변혁에 착수했다.
작업 3: MLOps로 AI 산업화
DataOps를 통해 제약 산업은 자동화된 적응증 찾기부터 위험 추정기, 디지털 의료 솔루션의 환자 결과 개선 예측에 이르기까지 AI 및 기계 학습을 위한 다양한 애플리케이션을 보유하고 있습니다. 그러나 다른 분야의 많은 회사와 마찬가지로 제약 회사는 일반적으로 AI 파일럿 및 프로젝트를 일회성 이니셔티브로 취급했으며 비즈니스 단위는 필요에 따라 디지털 및 분석 팀에 고급 분석 및 모델 구축을 요청했습니다. 이는 비효율적이고 더 중요한 것은 반복할 수 없는 접근 방식입니다. 그리고 특정 비즈니스 사례에서 어느 정도 성공을 거둘 수는 있지만 규모나 속도에 따른 변화를 가져오지는 않을 것입니다. 게다가 이 접근 방식은 조직을 불필요한 위험에 노출시킬 수 있습니다.
지속적인 AI 개발을 위한 표준화된 엔진을 구축하기 위한 단 하나의 사일로화된 노력에서 발전하기 위해 제약 회사는 기계 학습 작업(MLOps)을 구현할 수 있습니다. 배포 또는 모니터링을 위한 일관된 메커니즘 없이 처음부터 모델을 개발하는 대신 MLOps 표준 및 프로세스는 AI 기능의 반복 가능하고 공장 수준의 개발, 배포 및 모니터링을 가능하게 합니다.
MLOps 환경에서 기계 학습 모델 및 애플리케이션은 특정 작업을 수행하고 신속하게 결합할 수 있는 재사용 가능한 구성 요소 또는 코드 청크의 카탈로그를 작성하여 구축할 수 있습니다. 개별 제품은 여전히 사용자를 이해하고 옹호할 수 있는 제품 소유자가 관리할 수 있습니다. 그러나 백엔드에서 AI 생산 라인은 개발 표준 준수를 위해 코드를 자동으로 테스트하는 지속적인 통합 프로세스를 통해 안정적이고 위험을 준수하며 즉시 사용할 수 있는 모델을 대규모로 제공하기 위해 노력하고 있습니다.
제약 회사는 MLOps를 채택함으로써 조직 전체에서 AI 및 기계 학습을 확장하여 핵심 비즈니스 프로세스 및 워크플로에 통합할 수 있습니다. MLOps 및 DataOps의 지원을 받는 디지털 팀은 단순한 회귀에서 R&D, 의료 및 상업 기능을 포함하여 제약 가치 사슬 전체에서 작업 수행 방식을 근본적으로 바꿀 수 있는 기본 모델 및 생성 AI로 발전할 수 있습니다.
McKinsey 연구에 따르면 이 접근 방식을 채택한 기업은 AI 투자에서 규모와 가치를 실현할 가능성이 훨씬 더 높으며 일부는 이자 및 세금 전 이익(EBIT)이 20%까지 증가했습니다.
예를 들어 Pfizer 에서는 AI와 자동화가 임상 연구 중에 주기 시간을 줄이고 액세스를 넓히는 데 도움을 주고 있습니다. 회사는 또한 기계 학습을 사용하여 안전 프로필을 모니터링하고 규정 준수를 보장하고 있습니다. 그리고 상업적인 측면에서 Pfizer는 AI 및 기계 학습으로 구동되는 디지털 담당자 고문을 배치하여 영업 팀이 의사와 상호 작용할 때 대상 결정 지원을 제공합니다.
조치 4: 인재 전략을 빠르게 변화시키십시오.
디지털 및 분석 제공과 결과를 확장하려면 새로운 운영 모델, 데이터 사례, AI/머신 러닝 접근 방식 이상이 필요합니다. 올바른 인재를 확보하는 것이 중요합니다. 제약 회사는 경쟁력 있는 급여, 강력한 임무 및 혁신 문화를 제공할 수 있습니다. 이 모든 것이 고성능 디지털 전문가를 유치하는 데 핵심입니다. 그러나 데이터 과학자에서 제품 관리자, 경험 디자이너에 이르기까지 필요한 기술 인재를 유치하고 유지하기 위한 노력은 여전히 매우 현실적입니다.
디지털 기술 인재가 혁신 이니셔티브에 필수적인 제약 회사는 채용 및 유지 노력을 강화함으로써 혜택을 볼 수 있습니다. 최근 기술 회사 정리 해고의 물결은 제약 산업에 디지털 및 분석 야망을 주도할 중요한 기술과 재능을 퍼낼 기회를 제공합니다. 두 가지 접근 방식이 도움이 될 수 있습니다. 인재 "승리실"과 인수를 통한 채용입니다.
인재 확보실은 조직의 가장 긴급한 인재 요구 사항을 우선적으로 처리하고 충족하기 위한 허브입니다. 하나를 설정하기 위해 회사는 Center of Excellence에 자원을 모을 수 있습니다. 위에서 설명한 제품 운영 모델의 한 페이지를 보면 기술 인재 전문가와 제품 리더로 구성된 교차 기능 제품 팀이 계획 및 고용에서 관리 및 유지에 이르는 인재 수명 주기에 중점을 둡니다. Talent Win Room은 민첩한 테스트 및 학습 모델을 사용하여 새로운 아이디어를 개발하는 빠르고 유연한 접근 방식을 제공합니다. 더 나은 인재 계획 접근 방식, 채용 및 온보딩을 위한 새로운 프로세스, 인재 관리의 혁신, 보다 의미 있는 개발 기회 및 다양성, 형평성 및 포함을 우선시하는 새로운 경력 경로를 개발할 수 있습니다.
한 선도적인 제약 회사는 최근 디지털 인재를 위한 허브를 만들어 채용 및 온보딩을 보다 경험적이고 생산성에 중점을 두도록 개선했습니다. Talent Win Room은 광범위한 신규 채용 채널과 보다 능동적인 소싱을 식별하고 디지털 채용을 위해 채용 담당자의 기술을 향상했으며 경험이 뒷받침되는 온보딩 여정을 설계했습니다. 그 결과 6개월 이내에 50명 이상의 정규직 디지털 직원을 신속하게 채용할 수 있었습니다.
역량을 빠르게 업그레이드해야 하는 제약 회사는 디지털, AI 및 의료 기술 인재를 위한 M&A 거래를 고려할 수도 있습니다. 기술의 급속한 발전을 감안할 때 검증된 인재를 확보함으로써 회사는 기술 향상보다 더 빠르게 혁신 요구를 충족할 수 있습니다. 이 "획득" 전략은 제품 관리, 경험 디자인, 데이터 과학과 같은 일반적인 디지털 인재 기술 격차를 해소하는 데 효과적일 수 있습니다. 2023년 독일의 면역요법 개발업체인 BioNTech는 InstaDeep을 인수하겠다는 의사를 발표하여 차세대 면역요법을 대규모로 발견, 설계 및 개발하기 위한 AI 및 기계 학습 기능을 강화했습니다.1보도 자료는 인수가 AI/머신 러닝 경험이 있는 240명의 직원에 의해 BioNTech의 디지털 벤치를 즉시 심화할 것으로 예상된다고 언급했습니다.
실행 5: 디지털 건강 전략 정의
디지털 건강 분야의 미국 벤처 자금은 2021년 거의 300억 달러에 달했습니다.2많은 제약 회사가 이 디지털 건강 공간에 참여하기를 열망합니다. 회사의 포트폴리오가 상당한 예산 영향(예: 신진대사 또는 심혈관 R&D) 및/또는 관리 복잡성(예: 세포 및 유전자 치료)이 있는 과학적 혁신으로 이동함에 따라 디지털 건강 솔루션은 매력적인 인접 가치 풀을 제공할 수 있습니다. 특히 디지털 및 분석 야망과 관련하여 디지털 건강 회사와 제휴하거나 투자하면 제약 회사가 새로운 디지털 건강 응용 프로그램을 보다 신속하게 도입하고 환자 및 치료 초점 영역에 보다 직접적으로 참여할 수 있는 기회가 생깁니다. McKinsey 분석에 따르면 지난 3년 동안 상위 5개 제약 회사는 디지털 건강 회사 및 자산에 대한 50개 이상의 투자를 발표했으며 두 배 더 많은 디지털 건강 파트너십을 형성했습니다. 예를 들어 Sanofi는 최근 디지털 치료제 개발을 위해 DarioHealth와 계약을 체결했으며 AstraZeneca와 Huma Therapeutics는 질병 관리 솔루션 구축을 위한 파트너십을 발표했습니다.삼
과거에는 이 공간에 대한 제약 회사의 참여가 순조롭게 진행되어 규모에 맞는 새로운 솔루션이 거의 나오지 않았습니다. 오늘날 추구하는 결과를 보장하기 위해 제약 회사 리더는 먼저 디지털 건강 전략을 통합하고 명확히 해야 합니다. 모든 회사가 디지털 의료 분야에서 경쟁하기로 선택하는 것은 아니지만 그렇게 하는 회사는 다음과 같은 주요 전략적 문제를 해결할 수 있습니다.
더 넓은 포트폴리오에서 디지털 건강의 역할: 디지털 건강이 독립형 수익원이 될 것인가, 아니면 주로 인라인 브랜드를 지원할 것인가? 디지털 의료가 제공하는 다른 이점(예: 보다 직접적인 환자 관계 구축, 자사 데이터에 대한 액세스)은 무엇입니까? 디지털 건강의 가치 제안을 정의하면 초점과 명확성을 만드는 데 도움이 됩니다.
대상으로 삼을 주요 영역 : 제약 업계 리더는 관심 있는 디지털 범주(예: 원격 환자 모니터링, 디지털 치료)를 결정해야 합니다. 시장 역학(예: 성장, 기술 혁신 동향)을 이해하고 조직이 보유한 영역의 장단점을 이해하면 범위를 좁힐 수 있습니다.
시장 진출 전략: 각 기회에 대해 제약 회사는 초기 실사 단계에서 명확한 상용화 모델(예: 파트너십, 인수, 공동 개발)을 정의할 수 있습니다. 이 작업은 리더가 경제 모델의 실행 가능성과 전략적 적합성을 평가하는 데 도움이 됩니다.
로드맵 및 성과 지표: 로드맵을 만들고 가치 평가를 위한 명확한 단계 관문을 정의하면 이니셔티브의 위험이 줄어들고 더 광범위한 조직적 구매가 가능하며 지속적인 모멘텀이 촉진됩니다. 디지털 건강 이니셔티브의 실행 가능성과 확장성을 검증하고 사용자 피드백과 채택을 모니터링함으로써 제약 회사는 가치를 추가하지 않는 이니셔티브를 중단할 수도 있습니다.
시작하기
대부분의 제약 회사는 조직 전체에 내장된 디지털 및 분석 기능이 제공할 수 있는 종류의 비즈니스 결과를 실현하기를 열망합니다. 그러나 그렇게 하려면 영향이 제한된 수십 개의 소규모 프로젝트에서 비즈니스 전략에 따라 더 큰 디지털 변환 계획으로 전환해야 합니다.
일부 회사는 소규모 베팅이 위험도가 낮다고 잘못 생각합니다. 그러나 조정되지 않은 일련의 활동 및 이니셔티브에 리소스를 너무 얇게 분산하면 많은 활동이 생성되지만 가치는 거의 없으며 회사는 뒤쳐질 위험이 더 커집니다. 보다 유익한 접근 방식은 비즈니스에 중요한 영역에서 실질적인 차이를 만들 수 있을 만큼 충분히 큰 몇 가지 중요한 도메인을 식별한 다음 위에 요약된 주요 기능을 개발하여 디지털 및 분석 작업을 표준화하여 전체에서 복제할 수 있도록 하는 것입니다. 규모의 비즈니스. McKinsey 연구에 따르면 혁신적인 변화를 만드는 제약 회사는 회사 EBITDA의 최소 20%를 디지털 및 분석 프로그램에 투자하고 있습니다.
이니셔티브를 빠르게 시작하려는 제약 회사는 디지털 및 분석 변환 목표를 중심으로 주요 이해 관계자를 조정하고 노력을 안내하는 로드맵을 개발하는 것으로 시작할 수 있습니다. 그런 다음 위에서 설명한 근본적인 변화(새로운 운영 모델, DataOps, MLOps, 새로운 인재 전략, 디지털 의료 파트너십 및 투자)에 투자하여 데이터의 전체 가치를 추출하고 원하는 결과를 실현할 수 있습니다.
|