张俊：各位业内同仁大家上午好，我是艾斯公司的张俊，今天我给大家演讲的题目是《357种疾病的诊疗状态与需求》，副标题是医药市场研究的“四大名捕”，“四大名捕”他们的工作是捕快、是侦探，侦探有一句名言，大家应该听过，我尝试的学一下，真相只有一个，是名侦探柯南的名言，对于我们做市场研究的人来说，真实的市场就在那里，我们通过不同的角度，不同的研究方法，综合各式各样的线索，进一步抽丝剥茧，目的就是不断接近还原市场的真实模样，从这个意义上讲，我们在座的每一位都是大侦探，接下来我分享一下艾斯公司在医药市场咨询方面的分析尝试。

今天我演讲的内容主要分为四部分，市场规模、市场集中度、未满足的医药需求，以及医药销售代表访问这四方面。先看一下市场规模的一般做法，一般谈到市场规模，我们会去查找一些二手数据方面的支持，也会去查找一些大数据，通过大数据做各方面的推测，还有我们也可以去通过询问医生，从医生那里得到一些启示。我们艾斯所做的尝试呢，就是把尽可能多的疾病，把全国的患者数全部推测出来，尽可能多有多少呢？我主标题上也写到了357种，通过我们调研结果推测出全国前三十位的患者人数，在中国患者人数比较多的是糖尿病、高血压、高血脂等这些生活习惯相关的慢性病患者，因为这个数据是基于我们做的一项大规模医师调研，有些人的手头可能会有一张A4的资料，大家可以参考一下，我这里主要拿出来一些结果跟大家分享。比如说我们看一下糖尿病患者，根据我们的推测患者人数是4810万人，看到这个数据大家可能会说，中国的糖尿病患者好像不止这么点吧，我理解，因为在网上查找各方面数据的时候，我们看到中国推测的患者可能超过一亿人，甚至一亿一千、一亿两千万人，我们这里是通过医师调研推测出的结果，我们给出的患者人数实际已经到医院了，实际得到诊疗的患者。从这个角度上又查找其他的数据，通过另外两个报告的结果，我们看到分别是4775万人和4740万人，这三个数据是相对来说差别不是特别大。类似这样，我们结合不同的数据给出来的结果，可以帮助我们更接近市场真实的模式。

近期有关癌症方面的研究也是很大的话题，有很多新药陆续上市，接下来我给大家展示癌症患者推测的全国前三十位的疾病有哪一些，大家可以先想一下在中国癌症患者数占前几位的有可能是什么呢？肺癌、胃癌，看一下，在中国比较靠前的是胃癌和非小细胞肺癌，这些数据是通过我们2018年最新的调研结果给出来的数据，如果结合往年的数据，就能够看到整体市场规模变化的趋势是怎么样的？这里使用一下日本的数据，比如说拿高血压患者做一个例子，这是一个患者的集中曲线，横轴是医生数，纵轴是患者数，通过这几年的数据患者集中曲线整体趋势对比，可以看到高血压患者整体是趋于减少的。再看一下另外一种疾病有关痴呆症，整体趋势是趋于增加的，痴呆症也分为不同的细分类型，比如说我们看其中三个细分的类型，第一种阿尔兹海默症，患者数是增加的，第二种患者数减少，医生数也是略微减少，第三种患者数和医生数都有增加，我们可以分不同的地区、不同的科室做类似的分析，我们就可以知道随着时间的推移，患者越来越集中在哪几个科室和地区。

接下来我们看一下第二部分市场集中度，根据我们以往的经验，某一种疾病一般集中在哪几个科室，我们也可以上网去查找一些资料，当然我们还可以去询问医生，能不能从医生那里得到更多的激发，我们艾斯所做的尝试，就是把刚才提到的357种疾病，每一种疾病集中在哪几个科室推算出来。说到糖尿病，糖尿病患者主要集中在哪几个科室？主要是内分泌糖尿病专科、心脏内科、中医科、内科也会看这样的患者，高血压是心脏内科、中医科、内分泌科、神经内科也会看这样的患者。如果给一种不是那么常见的疾病呢？比如说SLE，系统性红斑狼疮，常见的是风湿科等等。我们知道具体的某几种疾病集中在哪个科室还不够，还要看到每一个科室所诊疗患者数的医生分布是怎么样的，比如说用的比多的一个场景，就是我们在做问卷设计的时候，我们经常会决定甄别条件，比如说内科医生要选患者大于等于100人，这里出现了大于等于多少患者的医生数据是怎样，根据这个数据就有理也据的给客户提出方案，客户尝试着把他们公司内部的数据，和我们的调研数据相互比对，通过这样的较验能得到什么结论呢？我们看一下实际的理论，这个红色的是客户内部的数据，大家可以看出从整体来说各患者之间的医师分布大体上是一致的，没有太大的偏差。接下来我给大家看三个例子，从这三个例子当中，大家可能看得出来，客户内部的专项调研他们比较倾向于患者人数比较多的这一块，也就是说患者比较多的医生参与调研的情况比较多，类似这样的，把我们的数据跟客户内部的数据相互比对、相互较验，可以帮助客户在专项结果解释和给出进一步建议的时候减少偏差。

接下来就看有关新药未满足的医药需求，有这么多种新药，哪一种疾病领域是希望进一步有新药的出现呢？我们尝试着把这357种疾病新药需求的情况汇总一下，这是排名前三十的新药需求情况，排名比较靠前的是高血压、糖尿病、COPD这些患者量比较多的疾病。但从实际诊疗某种疾病的医生基础上，新药需求排名比较靠前的是AML、ALL等精神疾病，新药需求是比较高的。讲到这里我们知道每一种疾病的诊疗率，也能推测出每一种疾病全国患者的诊疗数，我们能不能把这几种因素综合在一起，让客户一目了然的将自己的产品对号入座，我们做的尝试就是接下来的这幅图，这幅图是我们2014年参加美国PDLG会议时候的作品，这个气泡图我给大家解释一下，横轴就是医生的诊疗率，越往左边诊疗率是越高的，越往右边诊疗率是越低的，纵轴是新药需求，气泡的大小是它推测的这种疾病患者人数的大小。在这张图的左下方，这些疾病主要是糖尿病、高血压、高血脂等慢性疾病，他们的患者量很大，可是他们整体的新药需求并不是那么得高，这个是基于日本的数据，中国今年的数据还没有统一的表。再往中心看浅蓝色的泡泡是痴呆症和精神分裂，相对来说泡泡也比较大，而且新药需求比较高，可以说这一块是潜在能力非常大的市场，最后往右上方看这些红色的泡泡，红色的是癌症相关的，整体癌症的诊疗率是非常高，客户给我们的反馈就是说在他们研究研发新药，增加一些药物的适应症，是非常有参考意义。

我们接下来看最后一部分有关医药销售代表的访问，在我们的调研基础上，整体医生的样本基础上，排名比较靠前的是辉瑞、阿斯利康、拜耳等大的外资企业。类似于这样的医药销售代表访问，我们做医药调研的都是比较熟悉，也比较常见的分析方法，我们尝试着从客户的角度亿去思考一下，假设这里面有很多的医生，每个医生所看的目标疾病患者人数是不一样的，有两家医药公司，A公司有4名医药代表，但每个医生的目标患者比较少，B公司有2名医药代表，但他们的医生目标患者非常多，A公司4名医药代表覆盖了48%的目标患者，B公司的2名医药代表覆盖了81%的目标患者，所有的医药公司都想成为B公司这样，作为调研公司怎么样帮助我们的客户做到这一点呢？首先我们尝试做一个患者的集中曲线，在此基础上把医生分为五组，所看患者最多的医生为第一组，其次是第二组，接着是三四五，然后进行交叉分析，我们就可以得出这样的结果，可以看医药公司A公司，在各组医生的医药代表访问率是抵减的，主要资源都已经集中在第一组了。同样看B公司，他医药代表访问主要集中在医生这里，也就是患者数不是那么多的医生，对于患者量最多的医生他的访问率仅仅只有9%，类似于这样的分析，我们还可以进一步和客户公司内部的数据进行融合，就可以做进一步更精确的分析，帮助客户更高效的分析。

到这里我演讲的内容就告一段落，最后总结一下，我们今天从市场规模、市场集中度，以及新药的未满足医药需求，还有销售代表访问等情况，跟大家做了一下分析，像我开头说的那样，真实的市场就在那里，让我们一起努力解开市场朦胧的面纱，还原它真实的模样，谢谢大家！

主持人：谢谢，大家有什么问题吗？我们这个事每年都在做吗？每年的规模都是一样的吗？

张俊：中国是今年第一次做，日本是从2011年开始，每一年都做，还包括美国和英国。

提问：可以告诉客户具体的医生，这个合规吗？

张俊：应该不能够具体确切到某一位医生，但我们可以尝试定位到某一个医院，或者某一个区域，或者是什么样的医生，类似这样的可以给出来，不能定位到某一个医生，这样有关于个人信息方面。

主持人：谢谢，下面有请NOVARTIS副总监刘杰，给大家分享一下这些数据真正用在业务中。