効果的かつ効率的な意思決定を行うためには、優れた予測モデルの構築が不可欠です。精度の高い信頼できるインサイトを提供することで、ビジネス目標の達成やブランド／企業の成長を支援し、リスクの可視化や機会の定量化を可能にします。本記事では、製薬業界における予測モデルを成功に導くための重要な要素について解説します。
長期予測（long range forecasting）において100％の精度を実現することは不可能であるというのが一般的な認識です。実際、ある調査によると、製薬業界の予測は最大で40％の誤差が生じる可能性があると報告されています（参考文献1）。こうした不正確さの多くは、透明性に欠け、ベストプラクティスに則っていないモデル設計や、根拠の乏しい仮定に起因しています。
しかし、こうした誤差を最小限に抑え、仮定の弱点を特定するモデルを設計することは可能です。エバリュエートでは、製薬業界向けにカスタマイズされた予測モデルの豊富な構築経験をもとに、成功するモデルに必要な要素をご紹介します。
1. 予測モデル設計時に「良いモデルとは何か」を明確にする
予測モデルの精度が低くなる原因のひとつは、製薬業界における予測の原則を十分に理解していないチームによる設計です。適切なモデル構造や予測手法を選定するためのアプローチや思考プロセスが不足していると、予測結果に根本的な誤りが生じる可能性があります。また、ビジネス上の意思決定と整合性の取れていないモデルは、価値を生み出すことができません。
「競争力を維持するためには、先入観を排除し、仮定を正当化し、機会を明確化し、リスクを定量化できるモデルが必要です」
推奨アクション： 予測モデルを構築する際には、疾患構造だけでなく、利用可能なデータや必要な複雑性を踏まえたうえで、適切なモデル構造と予測手法を選定する必要があります。複雑な疾患に対して高度なモデルを構築するには、それを支えるデータと仮定が不可欠です。Evaluateでは、疾患や治療領域の構造に基づいたモデル設計の仮案（ストローマン）を作成し、将来的なイベントの監査とともに、利用可能なデータと照合します。必要なデータが存在しない場合は、モデルを調整する、データを収集する、またはデータ不足による変動性をモデル化するなどの対応が可能です。
2. 優れた予測モデルには「隠し事」がない
予測は、新薬の上市など重要な投資判断を支援するために存在します。透明性のないモデルでは、特定の利害関係者の意向に沿った仮定が導入され、正確な予測ではなく、望ましい結果が導かれてしまうことがあります。
予測から政治的要素を完全に排除することは困難ですが、仮定とその影響が明確かつ透明であるモデルを構築することで、過度に楽観的または悲観的な入力要素を可視化することが可能になります。
推奨アクション：トレンドベースおよびイベントベースの予測手法を適用しましょう。これにより、過去のトレンドやベースラインに基づいて市場の動向を把握し、例えば新製品の上市などのイベントによって市場がどのように変化するかをモデル化できます。イベントには、ピーク到達までの期間、ビジネスの出所、ピークシェアなどの仮定が明示されるため、予測が透明になり、ステークホルダーがその内容を理解したうえで議論・承認することが可能になります。
3. 誰もが使えるモデル設計
エバリュエートでは、長年にわたる予測モデル構築の経験から、自社だけでなく他社の失敗事例からも多くを学んできました。私たちが目にする多くのモデルは、構造そのものではなく設計の不備によって過度に複雑化しています。情報が追加されるたびにモデルが有機的に膨れ上がり、数百行のデータや数え切れないほどのタブが存在するケースも珍しくありません。その結果、論理や指針が不明瞭な数字の集合体となり、エラーの原因となるだけでなく、数字への信頼性も損なわれます。こうしたモデルは、作成者以外には理解できない「一人用モデル」となってしまいます。
「目的に合わないレガシーモデルを引き継いで使用するチームは、重要な意思決定に必要なアウトプットを得られない可能性があります」
推奨アクション：予測モデルは高度なソフトウェアであり、他のソフトウェアと同様にユーザー視点で設計されるべきです。Evaluateでは、モデルのユーザビリティ向上に注力し、ベストプラクティスに基づいたステップバイステップの設計アプローチを採用しています。各セクションは明確に区分され、説明が付されており、該当セクションのアウトプットや最終予測を示すチャートも含まれるため、不要なスクロールを減らすことができます。その他の工夫として、色やフォントサイズの使用を最小限に抑えること、1つのタブに過剰な行数を含めないこと、各データセクションを1画面内に収めることなどが挙げられます。
4. 柔軟性を備えたモデル設計
予測モデルには、2つの柔軟性が求められます。
1つ目は、新しいデータや仮定が得られた際に、簡単に入力・更新できること。
2つ目は、仮定を調整して市場をストレステストしたり、楽観的／悲観的な将来を反映した独立したシナリオを作成できることです。
更新可能なモデルの利点は明白ですが、なぜストレステストやシナリオが必要なのでしょうか？
予測仮定のストレステストは、予測プロセスにおいて重要なステップです。市場に最も大きな変化をもたらす主要な要因を特定できるほか、仮定やデータが完全ではない場合に、その影響を明確に伝えることで、意思決定者がそのばらつきを十分に理解したうえで判断を下すことが可能になります。
シナリオは計画策定において不可欠です。競合が上市するか否かといった異なる未来の展開をモデル化し、事前に対応策を検討することができます。また、投資レベルごとのリターンを評価する際にも活用できます。
推奨アクション：前述のトレンドベースおよびイベントベースのアプローチを活用することが第一歩です。次に重要なのは、明確にラベリングされた複数のモデルバージョンを作成・管理することです。Evaluateのモデルには、この機能が標準で組み込まれており、自動集計や可視化機能も備えているため、ステークホルダーへの明確なコミュニケーションを支援します。
5. シンプルさを保つ
モデルに複雑さを加えようとする動きは少なくありません。これは、関係者ごとに異なる視点でデータを見たいという要望や、「複雑＝高精度」という誤解が背景にあることもあります。しかし、優れた予測担当者であれば誰もが知っているように、不要な複雑さは予測の敵です。最良の場合でも、モデルの保守や説明が困難になります。最悪の場合は、仮定の上にさらに仮定が積み重なり、最終的な予測への信頼性が損なわれてしまいます。
推奨アクション：成功する予測モデルは、意思決定を支援するアウトプットを提供しながらも、可能な限りシンプルであるべきです。そのバランスを見極めるには、まずモデルの目的を明確にすることが重要です。
- この予測モデルは、社内のどの機能に活用されるのか？
- その機能が、正確で根拠ある意思決定を行うために必要なアウトプットとは何か？
こうした問いを通じて、モデル内の各要素が「必要不可欠」なのか、それとも「あると便利」なだけなのかを見極め、シンプルさを保つことができます。
なぜこれが重要なのか？
以下のような要素を備えたモデルは：
- 予測の精度を最大限に高める
- 作業負荷やユーザーの疲労を軽減し、運用の継続性を高める
- 保守・拡張が容易で、長期的に活用できる
- 誰もが理解できるストーリーを描き、社内の合意形成を促進する
迅速な合意形成は非常に重要です。信頼性の低いモデルに基づいた予測では、意思決定者の間で異論が生じやすく、アウトプットが否定されたり、予測のやり直しが必要になったりします。これにより、数日から数週間にわたる時間とリソースが浪費されてしまいます。こうした事態は、バイアス、ビジネス目標との不整合、透明性の欠如など、これまでに述べてきた要因によって引き起こされます。
一人で取り組むべきか？
予測は単なるデータ処理ではありません。不確実性の高い市況において、根拠ある意思決定を行うためのプロセスです。予測担当者には、バイアスを排除し、仮定を正当化し、リスクを定量化しながら、ビジネス目標と整合させることが求められます。
本記事で紹介した「成功する予測モデルの要素」は、そのための強固な基盤となりますが、これを実現するには、業界に対する深い理解、データソースの活用スキル、そしてステークホルダーのニーズを把握する力が必要です。
エバリュエートでは、医薬品予測の専門家と業界スタンダードのデータアセットを通じて、戦略的かつ柔軟性のある、実効性の高いモデルを構築することが可能になります。さらに、専用ソフトウェアやトレーニングを通じて、社内に予測の専門性を育成することもできます。
貴社の予測精度を高め、より良い戦略的成果を実現するために、ぜひお気軽にご相談ください。
参考文献
- Ref1: Cha, M., Rifai, B. & Sarraf, P. Pharmaceutical forecasting: throwing darts?. Nat Rev Drug Discov 12, 737–738 (2013).
