SlideShare a Scribd company logo
1 of 24
© JMDC Inc. 1
Lookerを利用した

医療ビッグデータのマーケティング分析ツールの開発

2020/09/02
吉川/岡
© JMDC Inc. 2
Topics

前半:背景・設計



● 会社概要

● ツール開発の背景

● 医療データ分析の要件

● Looker:インフラ構成

● LookML:ソースコードのコンポーネント化

● LookerAPI:model評価の効率化





後半:ユースケース・改善



● 製薬業界のデータ分析とJMDCデータの活用

● 分析機能例

● Lookerを利用して改善できたこと

● 現状の課題と今後の展望

● Lookerへの機能要望

※BEACONにて
発表される内容とは
異なります
© JMDC Inc. 3
Profile

● 吉川 禎洋(よしかわ さだひろ) 

● 株式会社JMDC データ基盤開発部 

● 中途入社2年目

● サーバサイドエンジニア(ほぼクラウド) 

● 趣味

○ ヒトカラ

○ 健康食(サバ缶、BASE BREAD..etc)

       買ってくださいm(_ _)m → 

© JMDC Inc. 4
会社概要

保険者(≒ 健康組合)等からご提供いただいたデータを匿名加工し、医療の質の向上に貢献。



© JMDC Inc. 5
ツール開発の背景

● 昔から、製薬会社向けデータ分析ツール(以下、現行ツール)がJMDCにあった 

● ここ数年で、扱えるデータの種類が増えてきた 

● 現行ツールのカスタマイズより、もっと新しい価値を持ったツールをつくりたい 

○ 新しいデータや分析ニーズに、よりスピーディーに対応したい 

○ より幅広いユーザーをターゲットとする 







=> 久野さん(BEACON発表者)のチームでLookerを利用していると聞き、試してみる。



© JMDC Inc. 6
医療データ分析の要件

JMDCの保有するデータを使えば、1患者の推移を(年単位でも)確認できるのが強み。

© JMDC Inc. 7
医療データ分析の要件
ただ、その分析結果を抽出するには、単純なフィルタやJOINでは実現できない。
例えば。。。
困難1:継続をみる前に初診を抽出しなければいけない(=サブクエリ)

困難2:異なるカラムを組み合わせて、薬をグループ化(=カラム再構成)





困難3:期間内ずっと健康組合に在籍しているか確認(=HAVING)

研究テーマ:
 糖尿病ではなかった患者 ※1が初めて糖尿病の診断を受けたあと、
 どの糖尿病薬が、一番 継続 ※2して処方され続けているのかを知りたい。
...etc

 ※1:「半年以上」糖尿病診断のなかった患者
 ※2:「初診」から「別の薬が使われた」 or「3ヶ月間何も処方がなかった」までの月数
© JMDC Inc. 8
医療データ分析の要件
Lookerは相性がいいかも。。

© JMDC Inc. 9
Looker:インフラ構成
BigQueryをクエリエンジンとして利用。オンプレ+AWSで加工したデータを転送している。
加工

+

© JMDC Inc. 10
LookML:ソースコードのコンポーネント化
● 分析要件(薬グループなど)ごとにview(derived table)を分割、model内で組み合わせ
○ modelのexplore名と、共通viewを”main”という名称で結び付け
■ これにより、共通viewをいろんなところで活用できるように
複雑な、医療データ分析の要件をLooker上に落とし込む。
薬グループ化view
病気グループ化view
modelで利用されるview 初診判定view
explore固有view
共通view)
共通viewでFilterを”main”に
model
explore上でFilter操作可能に
© JMDC Inc. 11
LookML:ソースコードのコンポーネント化
● 開発用datasetをあらかじめ少量データでつくって、 develop modeで切替可能にする
● 本番データにも、通常版 /速報版といったタイプ切替があるため、そのロジックも含む
物理テーブルを参照しないようにviewファイルで制御。
© JMDC Inc. 12
LookerAPI:model評価の効率化
1.初回評価
手法:
● 分析チームが作成したクエリ結果と、 ExploreURLのクエリ結果を比較
ツール:
● ExploreURLを入力すると、クエリ結果 CSVを出力
○ 出力結果が、分析チームのクエリ結果 CSVと一致 → 評価OK
LookerAPIでツールを作成し、初回評価と、デグレード確認 を効率化。
© JMDC Inc. 13
LookerAPI:model評価の効率化
2.デグレード確認
手法:
● Looker上で、masterブランチと開発ブランチを比較
ツール:
● ExploreURLを入力すると、masterブランチと開発ブランチから SQLクエリを生成+比較
○ SQLクエリが一致 → デグレードなし
○ SQLクエリが一致しない → クエリを実行して結果 CSVが一致 → デグレードなし
© JMDC Inc. 14
前半まとめ
背景:

● 現行ツールとは別の、新しい価値のあるツールをつくりたい

○ 新しいことに、スピード感を持って対応できるツール

設計:

● 医療データ分析とLookerは相性がいい

● コンポーネント化+評価の効率化で、開発速度と質を向上

© JMDC Inc. 15
後半に続きます
© JMDC Inc. 16
Profile & 後半の内容
● 岡 裕也(おか ゆうや)
● 株式会社JMDC 製品開発部
● 4月からLookerプロジェクトを引継ぎ
● JMDCにおけるLooker利用のユースケースを中心に話します。
○ 製薬業界の市場調査と JMDCが生み出せる価値
○ JMDCデータのLooker分析機能事例
○ 今後の製品向上の展望と、 Lookerへの機能要望
© JMDC Inc. 17
製薬の市場分析
➢ 医師へのアンケート
従来型の一般的な薬剤市場調査は、
プライマリー調査 トップライン調査
➢ 薬剤売上データ
よく使う薬は?
どんな病気に使ってる?
IQVIA - 医薬品市場統計
© JMDC Inc. 18
JMDCのデータが生み出せる価値
キーワード
● Real World Data : RWD
○ 日常臨床環境で収集されたデータ(≠ 臨床試験のような実験的環境ではない。)
● Real World Evidence : RWE
○ RWDを用いて導き出される事象
JMDCが生み出せる価値
● 健康保険組合や病院から収集した、診療レセプト(= RWD)
○ 診療の実態を見ることができるのは画期的
RWD(医療ビッグデータ)を用いて、RWEを創出する。
RWDの新たな提供・分析ツールとしてLookerを採用。
© JMDC Inc. 19
機能例:アドヒアランス分析 ※前半で話した研究テーマの具体例
薬剤の処方継続を集計する。※数値はサンプルです。
横軸:薬を処方されてからの月数
縦
軸
薬
の
処
方
継
続
率
継続して薬を処方された割合を表示
・時間の経過による継続率低下の程度は?
・競合製品と比較してどうか?
継続率の上昇 = 売上の上昇
© JMDC Inc. 20
Dashboardの活用
❖ 研究テーマに応える分析をダッシュボードに集約して納品
➢ 実物をお見せします。
現行ツール Lookerツール
● データ更新の度に毎回集計
● CSVから都度グラフ作成
● 参照したいDB毎にアプリにログイン
● 常に最新データを自動集計
● 経営報告資料の工数削減
● 複数のDB・データソースを一括参照
● 新たな分析軸の提案
© JMDC Inc. 21
今後の展望
● 分析条件設定など、UIの利便性は現行ツールに劣る。
● よりユーザーフレンドリーなUIを目指す。
○ ステップごとの条件設定、ダイアログボックスの活用、etc.
● 分析対象の患者を段階的に絞り込むような分析ロジックの構築。
Extension Frameworkを利用したUI開発
Explore間の分析連携
糖尿病患者数は? SGLT2i薬処方患者数は? 他の傷病/処方薬は?
© JMDC Inc. 22
Lookerでこんなことができるともっと良い
● Explore上の分析でCREATE TABLE文を使用可能する、など。
○ 前項のExplore間の分析連携が容易に
中間テーブルの使用
エラーハンドリング
● JMDCの医療データは、複雑な条件設定・分析が必要
○ 条件設定をスムーズに誘導できるように
Explore
CREATE
Explore
SELECT
© JMDC Inc. 23
後半まとめ
● 新たなRWD分析ツールとしてLookerを採用
○ 医療ビッグデータ × BIツールによって新たな価値を持つ分析ツールの開発を目指す
● Exploreで複数の分析機能を実装し、Dashboardに集約
○ 最新データを自動集計、資料作成の工数削減、新たな分析軸の提案
● Looker社への機能提案(今後の開発展望)
○ 中間テーブルの使用:段階的に対象患者を絞り込む機能実装
○ エラーハンドリング機能:よりユーザーフレンドリーなUI開発
© JMDC Inc. 24

More Related Content

What's hot

もしプロダクトマネージャー・プロダクトチームにUXリサーチのメンターがついたら <レクイエム>
もしプロダクトマネージャー・プロダクトチームにUXリサーチのメンターがついたら <レクイエム>もしプロダクトマネージャー・プロダクトチームにUXリサーチのメンターがついたら <レクイエム>
もしプロダクトマネージャー・プロダクトチームにUXリサーチのメンターがついたら <レクイエム>Yoshiki Hayama
 
フロー効率性とリソース効率性について #xpjug
フロー効率性とリソース効率性について #xpjugフロー効率性とリソース効率性について #xpjug
フロー効率性とリソース効率性について #xpjugItsuki Kuroda
 
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)Tokoroten Nakayama
 
「顧客の声を聞かない」とはどういうことか
「顧客の声を聞かない」とはどういうことか「顧客の声を聞かない」とはどういうことか
「顧客の声を聞かない」とはどういうことかYoshiki Hayama
 
プロトタイピングとユーザビリティテストで「UXデザイン」を練りあげよう! | UXデザイン基礎セミナー 第4回
プロトタイピングとユーザビリティテストで「UXデザイン」を練りあげよう! | UXデザイン基礎セミナー 第4回プロトタイピングとユーザビリティテストで「UXデザイン」を練りあげよう! | UXデザイン基礎セミナー 第4回
プロトタイピングとユーザビリティテストで「UXデザイン」を練りあげよう! | UXデザイン基礎セミナー 第4回Yoshiki Hayama
 
初心者向けMongoDBのキホン!
初心者向けMongoDBのキホン!初心者向けMongoDBのキホン!
初心者向けMongoDBのキホン!Tetsutaro Watanabe
 
強いて言えば「集約どう実装するのかな、を考える」な話
強いて言えば「集約どう実装するのかな、を考える」な話強いて言えば「集約どう実装するのかな、を考える」な話
強いて言えば「集約どう実装するのかな、を考える」な話Yoshitaka Kawashima
 
KLabのインフラエンジニア 〜 こんな感じで働いてます 〜
KLabのインフラエンジニア 〜 こんな感じで働いてます 〜KLabのインフラエンジニア 〜 こんな感じで働いてます 〜
KLabのインフラエンジニア 〜 こんな感じで働いてます 〜KLab Inc. / Tech
 
Effective Data Lakes - ユースケースとデザインパターン
Effective Data Lakes - ユースケースとデザインパターンEffective Data Lakes - ユースケースとデザインパターン
Effective Data Lakes - ユースケースとデザインパターンNoritaka Sekiyama
 
ぼくと人間中心設計の七年間戦争
ぼくと人間中心設計の七年間戦争ぼくと人間中心設計の七年間戦争
ぼくと人間中心設計の七年間戦争Kazumichi (Mario) Sakata
 
PO ファイルで翻訳管理
PO ファイルで翻訳管理PO ファイルで翻訳管理
PO ファイルで翻訳管理Nozomu KURASAWA
 
ユーザーインタビューからその後どうするの? 得られた情報を「UXデザイン」に落とし込む方法 | UXデザイン基礎セミナー 第3回
ユーザーインタビューからその後どうするの?得られた情報を「UXデザイン」に落とし込む方法 | UXデザイン基礎セミナー 第3回ユーザーインタビューからその後どうするの?得られた情報を「UXデザイン」に落とし込む方法 | UXデザイン基礎セミナー 第3回
ユーザーインタビューからその後どうするの? 得られた情報を「UXデザイン」に落とし込む方法 | UXデザイン基礎セミナー 第3回Yoshiki Hayama
 
私にとってのテスト
私にとってのテスト私にとってのテスト
私にとってのテストTakuto Wada
 
データ収集の基本と「JapanTaxi」アプリにおける実践例
データ収集の基本と「JapanTaxi」アプリにおける実践例データ収集の基本と「JapanTaxi」アプリにおける実践例
データ収集の基本と「JapanTaxi」アプリにおける実践例Tetsutaro Watanabe
 
オントロジー工学に基づくセマンティック技術(1)オントロジー工学入門
オントロジー工学に基づくセマンティック技術(1)オントロジー工学入門オントロジー工学に基づくセマンティック技術(1)オントロジー工学入門
オントロジー工学に基づくセマンティック技術(1)オントロジー工学入門Kouji Kozaki
 
2016-10-25 product manager conference 資料
2016-10-25 product manager conference 資料2016-10-25 product manager conference 資料
2016-10-25 product manager conference 資料Takeo Iyo
 
世界一わかりやすいClean Architecture
世界一わかりやすいClean Architecture世界一わかりやすいClean Architecture
世界一わかりやすいClean ArchitectureAtsushi Nakamura
 
PythonによるCVアルゴリズム実装
PythonによるCVアルゴリズム実装PythonによるCVアルゴリズム実装
PythonによるCVアルゴリズム実装Hirokatsu Kataoka
 
データ基盤グループを支えるチームビルディング
データ基盤グループを支えるチームビルディングデータ基盤グループを支えるチームビルディング
データ基盤グループを支えるチームビルディング株式会社MonotaRO Tech Team
 
Rustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったかRustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったかShunsukeNakamura17
 

What's hot (20)

もしプロダクトマネージャー・プロダクトチームにUXリサーチのメンターがついたら <レクイエム>
もしプロダクトマネージャー・プロダクトチームにUXリサーチのメンターがついたら <レクイエム>もしプロダクトマネージャー・プロダクトチームにUXリサーチのメンターがついたら <レクイエム>
もしプロダクトマネージャー・プロダクトチームにUXリサーチのメンターがついたら <レクイエム>
 
フロー効率性とリソース効率性について #xpjug
フロー効率性とリソース効率性について #xpjugフロー効率性とリソース効率性について #xpjug
フロー効率性とリソース効率性について #xpjug
 
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
 
「顧客の声を聞かない」とはどういうことか
「顧客の声を聞かない」とはどういうことか「顧客の声を聞かない」とはどういうことか
「顧客の声を聞かない」とはどういうことか
 
プロトタイピングとユーザビリティテストで「UXデザイン」を練りあげよう! | UXデザイン基礎セミナー 第4回
プロトタイピングとユーザビリティテストで「UXデザイン」を練りあげよう! | UXデザイン基礎セミナー 第4回プロトタイピングとユーザビリティテストで「UXデザイン」を練りあげよう! | UXデザイン基礎セミナー 第4回
プロトタイピングとユーザビリティテストで「UXデザイン」を練りあげよう! | UXデザイン基礎セミナー 第4回
 
初心者向けMongoDBのキホン!
初心者向けMongoDBのキホン!初心者向けMongoDBのキホン!
初心者向けMongoDBのキホン!
 
強いて言えば「集約どう実装するのかな、を考える」な話
強いて言えば「集約どう実装するのかな、を考える」な話強いて言えば「集約どう実装するのかな、を考える」な話
強いて言えば「集約どう実装するのかな、を考える」な話
 
KLabのインフラエンジニア 〜 こんな感じで働いてます 〜
KLabのインフラエンジニア 〜 こんな感じで働いてます 〜KLabのインフラエンジニア 〜 こんな感じで働いてます 〜
KLabのインフラエンジニア 〜 こんな感じで働いてます 〜
 
Effective Data Lakes - ユースケースとデザインパターン
Effective Data Lakes - ユースケースとデザインパターンEffective Data Lakes - ユースケースとデザインパターン
Effective Data Lakes - ユースケースとデザインパターン
 
ぼくと人間中心設計の七年間戦争
ぼくと人間中心設計の七年間戦争ぼくと人間中心設計の七年間戦争
ぼくと人間中心設計の七年間戦争
 
PO ファイルで翻訳管理
PO ファイルで翻訳管理PO ファイルで翻訳管理
PO ファイルで翻訳管理
 
ユーザーインタビューからその後どうするの? 得られた情報を「UXデザイン」に落とし込む方法 | UXデザイン基礎セミナー 第3回
ユーザーインタビューからその後どうするの?得られた情報を「UXデザイン」に落とし込む方法 | UXデザイン基礎セミナー 第3回ユーザーインタビューからその後どうするの?得られた情報を「UXデザイン」に落とし込む方法 | UXデザイン基礎セミナー 第3回
ユーザーインタビューからその後どうするの? 得られた情報を「UXデザイン」に落とし込む方法 | UXデザイン基礎セミナー 第3回
 
私にとってのテスト
私にとってのテスト私にとってのテスト
私にとってのテスト
 
データ収集の基本と「JapanTaxi」アプリにおける実践例
データ収集の基本と「JapanTaxi」アプリにおける実践例データ収集の基本と「JapanTaxi」アプリにおける実践例
データ収集の基本と「JapanTaxi」アプリにおける実践例
 
オントロジー工学に基づくセマンティック技術(1)オントロジー工学入門
オントロジー工学に基づくセマンティック技術(1)オントロジー工学入門オントロジー工学に基づくセマンティック技術(1)オントロジー工学入門
オントロジー工学に基づくセマンティック技術(1)オントロジー工学入門
 
2016-10-25 product manager conference 資料
2016-10-25 product manager conference 資料2016-10-25 product manager conference 資料
2016-10-25 product manager conference 資料
 
世界一わかりやすいClean Architecture
世界一わかりやすいClean Architecture世界一わかりやすいClean Architecture
世界一わかりやすいClean Architecture
 
PythonによるCVアルゴリズム実装
PythonによるCVアルゴリズム実装PythonによるCVアルゴリズム実装
PythonによるCVアルゴリズム実装
 
データ基盤グループを支えるチームビルディング
データ基盤グループを支えるチームビルディングデータ基盤グループを支えるチームビルディング
データ基盤グループを支えるチームビルディング
 
Rustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったかRustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったか
 

Similar to JMDC / Looker User Meetup in Tokyo #4

Open Hybrid Cloudを検討すべき理由.pdf
Open Hybrid Cloudを検討すべき理由.pdfOpen Hybrid Cloudを検討すべき理由.pdf
Open Hybrid Cloudを検討すべき理由.pdfMasahiko Umeno
 
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に  ~自社・競合データから導く、結果につながるデータ分析の最新事例~大切なお客様を、一生のお客様に  ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~株式会社Consumer first
 
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)IMJ Corporation
 
【de:code 2020】 Power Platform いまさら聞けないモデル駆動型アプリケーション
【de:code 2020】 Power Platform いまさら聞けないモデル駆動型アプリケーション【de:code 2020】 Power Platform いまさら聞けないモデル駆動型アプリケーション
【de:code 2020】 Power Platform いまさら聞けないモデル駆動型アプリケーション日本マイクロソフト株式会社
 
BIGLOBE RDRA導入後の要件定義の変化
BIGLOBE RDRA導入後の要件定義の変化BIGLOBE RDRA導入後の要件定義の変化
BIGLOBE RDRA導入後の要件定義の変化BIGLOBE Inc.
 
アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜
アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜
アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜MicroAd, Inc.(Engineer)
 
20220125_neurips_sharing_vqgnn
20220125_neurips_sharing_vqgnn20220125_neurips_sharing_vqgnn
20220125_neurips_sharing_vqgnnssuser9156f1
 
株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch
株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch
株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitchzeal32
 
R&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのかR&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのか恵 桂木
 
R&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのかR&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのか恵 桂木
 
R&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのかR&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのか恵 桂木
 
R&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのかR&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのか恵 桂木
 
データ管理に重要なことは事業と組織の理解だった(Data Engineering Study #11 発表資料)
データ管理に重要なことは事業と組織の理解だった(Data Engineering Study #11 発表資料)データ管理に重要なことは事業と組織の理解だった(Data Engineering Study #11 発表資料)
データ管理に重要なことは事業と組織の理解だった(Data Engineering Study #11 発表資料)株式会社MonotaRO Tech Team
 
正確な意思決定を阻む 問題・障害との向き合い方
正確な意思決定を阻む 問題・障害との向き合い方正確な意思決定を阻む 問題・障害との向き合い方
正確な意思決定を阻む 問題・障害との向き合い方syou6162
 
IT Leaders 2012年5月号 No.43
IT Leaders 2012年5月号 No.43IT Leaders 2012年5月号 No.43
IT Leaders 2012年5月号 No.43Takumi ITOH
 
詳細設計とアプリケーション開発工程
詳細設計とアプリケーション開発工程詳細設計とアプリケーション開発工程
詳細設計とアプリケーション開発工程康 新谷
 
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介Tsuyoshi Hirayama
 
Pmij forum2013 pmo-wg2-20130803_jun_ohnishi
Pmij forum2013 pmo-wg2-20130803_jun_ohnishiPmij forum2013 pmo-wg2-20130803_jun_ohnishi
Pmij forum2013 pmo-wg2-20130803_jun_ohnishiJun Ohnishi
 

Similar to JMDC / Looker User Meetup in Tokyo #4 (20)

Open Hybrid Cloudを検討すべき理由.pdf
Open Hybrid Cloudを検討すべき理由.pdfOpen Hybrid Cloudを検討すべき理由.pdf
Open Hybrid Cloudを検討すべき理由.pdf
 
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に  ~自社・競合データから導く、結果につながるデータ分析の最新事例~大切なお客様を、一生のお客様に  ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
 
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
 
【de:code 2020】 Power Platform いまさら聞けないモデル駆動型アプリケーション
【de:code 2020】 Power Platform いまさら聞けないモデル駆動型アプリケーション【de:code 2020】 Power Platform いまさら聞けないモデル駆動型アプリケーション
【de:code 2020】 Power Platform いまさら聞けないモデル駆動型アプリケーション
 
BIGLOBE RDRA導入後の要件定義の変化
BIGLOBE RDRA導入後の要件定義の変化BIGLOBE RDRA導入後の要件定義の変化
BIGLOBE RDRA導入後の要件定義の変化
 
アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜
アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜
アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜
 
20220125_neurips_sharing_vqgnn
20220125_neurips_sharing_vqgnn20220125_neurips_sharing_vqgnn
20220125_neurips_sharing_vqgnn
 
株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch
株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch
株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch
 
R&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのかR&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのか
 
R&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのかR&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのか
 
ils202202
ils202202ils202202
ils202202
 
R&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのかR&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのか
 
ils202202
ils202202ils202202
ils202202
 
R&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのかR&D部門におけるデータ共有・利活用はなぜ難しいのか
R&D部門におけるデータ共有・利活用はなぜ難しいのか
 
データ管理に重要なことは事業と組織の理解だった(Data Engineering Study #11 発表資料)
データ管理に重要なことは事業と組織の理解だった(Data Engineering Study #11 発表資料)データ管理に重要なことは事業と組織の理解だった(Data Engineering Study #11 発表資料)
データ管理に重要なことは事業と組織の理解だった(Data Engineering Study #11 発表資料)
 
正確な意思決定を阻む 問題・障害との向き合い方
正確な意思決定を阻む 問題・障害との向き合い方正確な意思決定を阻む 問題・障害との向き合い方
正確な意思決定を阻む 問題・障害との向き合い方
 
IT Leaders 2012年5月号 No.43
IT Leaders 2012年5月号 No.43IT Leaders 2012年5月号 No.43
IT Leaders 2012年5月号 No.43
 
詳細設計とアプリケーション開発工程
詳細設計とアプリケーション開発工程詳細設計とアプリケーション開発工程
詳細設計とアプリケーション開発工程
 
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
 
Pmij forum2013 pmo-wg2-20130803_jun_ohnishi
Pmij forum2013 pmo-wg2-20130803_jun_ohnishiPmij forum2013 pmo-wg2-20130803_jun_ohnishi
Pmij forum2013 pmo-wg2-20130803_jun_ohnishi
 

JMDC / Looker User Meetup in Tokyo #4

  • 1. © JMDC Inc. 1 Lookerを利用した
 医療ビッグデータのマーケティング分析ツールの開発
 2020/09/02 吉川/岡
  • 2. © JMDC Inc. 2 Topics
 前半:背景・設計
 
 ● 会社概要
 ● ツール開発の背景
 ● 医療データ分析の要件
 ● Looker:インフラ構成
 ● LookML:ソースコードのコンポーネント化
 ● LookerAPI:model評価の効率化
 
 
 後半:ユースケース・改善
 
 ● 製薬業界のデータ分析とJMDCデータの活用
 ● 分析機能例
 ● Lookerを利用して改善できたこと
 ● 現状の課題と今後の展望
 ● Lookerへの機能要望
 ※BEACONにて 発表される内容とは 異なります
  • 3. © JMDC Inc. 3 Profile
 ● 吉川 禎洋(よしかわ さだひろ) 
 ● 株式会社JMDC データ基盤開発部 
 ● 中途入社2年目
 ● サーバサイドエンジニア(ほぼクラウド) 
 ● 趣味
 ○ ヒトカラ
 ○ 健康食(サバ缶、BASE BREAD..etc)
        買ってくださいm(_ _)m → 

  • 4. © JMDC Inc. 4 会社概要
 保険者(≒ 健康組合)等からご提供いただいたデータを匿名加工し、医療の質の向上に貢献。
 

  • 5. © JMDC Inc. 5 ツール開発の背景
 ● 昔から、製薬会社向けデータ分析ツール(以下、現行ツール)がJMDCにあった 
 ● ここ数年で、扱えるデータの種類が増えてきた 
 ● 現行ツールのカスタマイズより、もっと新しい価値を持ったツールをつくりたい 
 ○ 新しいデータや分析ニーズに、よりスピーディーに対応したい 
 ○ より幅広いユーザーをターゲットとする 
 
 
 
 => 久野さん(BEACON発表者)のチームでLookerを利用していると聞き、試してみる。
 

  • 6. © JMDC Inc. 6 医療データ分析の要件
 JMDCの保有するデータを使えば、1患者の推移を(年単位でも)確認できるのが強み。

  • 7. © JMDC Inc. 7 医療データ分析の要件 ただ、その分析結果を抽出するには、単純なフィルタやJOINでは実現できない。 例えば。。。 困難1:継続をみる前に初診を抽出しなければいけない(=サブクエリ)
 困難2:異なるカラムを組み合わせて、薬をグループ化(=カラム再構成)
 
 
 困難3:期間内ずっと健康組合に在籍しているか確認(=HAVING)
 研究テーマ:  糖尿病ではなかった患者 ※1が初めて糖尿病の診断を受けたあと、  どの糖尿病薬が、一番 継続 ※2して処方され続けているのかを知りたい。 ...etc
  ※1:「半年以上」糖尿病診断のなかった患者  ※2:「初診」から「別の薬が使われた」 or「3ヶ月間何も処方がなかった」までの月数
  • 8. © JMDC Inc. 8 医療データ分析の要件 Lookerは相性がいいかも。。

  • 9. © JMDC Inc. 9 Looker:インフラ構成 BigQueryをクエリエンジンとして利用。オンプレ+AWSで加工したデータを転送している。 加工
 +

  • 10. © JMDC Inc. 10 LookML:ソースコードのコンポーネント化 ● 分析要件(薬グループなど)ごとにview(derived table)を分割、model内で組み合わせ ○ modelのexplore名と、共通viewを”main”という名称で結び付け ■ これにより、共通viewをいろんなところで活用できるように 複雑な、医療データ分析の要件をLooker上に落とし込む。 薬グループ化view 病気グループ化view modelで利用されるview 初診判定view explore固有view 共通view) 共通viewでFilterを”main”に model explore上でFilter操作可能に
  • 11. © JMDC Inc. 11 LookML:ソースコードのコンポーネント化 ● 開発用datasetをあらかじめ少量データでつくって、 develop modeで切替可能にする ● 本番データにも、通常版 /速報版といったタイプ切替があるため、そのロジックも含む 物理テーブルを参照しないようにviewファイルで制御。
  • 12. © JMDC Inc. 12 LookerAPI:model評価の効率化 1.初回評価 手法: ● 分析チームが作成したクエリ結果と、 ExploreURLのクエリ結果を比較 ツール: ● ExploreURLを入力すると、クエリ結果 CSVを出力 ○ 出力結果が、分析チームのクエリ結果 CSVと一致 → 評価OK LookerAPIでツールを作成し、初回評価と、デグレード確認 を効率化。
  • 13. © JMDC Inc. 13 LookerAPI:model評価の効率化 2.デグレード確認 手法: ● Looker上で、masterブランチと開発ブランチを比較 ツール: ● ExploreURLを入力すると、masterブランチと開発ブランチから SQLクエリを生成+比較 ○ SQLクエリが一致 → デグレードなし ○ SQLクエリが一致しない → クエリを実行して結果 CSVが一致 → デグレードなし
  • 14. © JMDC Inc. 14 前半まとめ 背景:
 ● 現行ツールとは別の、新しい価値のあるツールをつくりたい
 ○ 新しいことに、スピード感を持って対応できるツール
 設計:
 ● 医療データ分析とLookerは相性がいい
 ● コンポーネント化+評価の効率化で、開発速度と質を向上

  • 15. © JMDC Inc. 15 後半に続きます
  • 16. © JMDC Inc. 16 Profile & 後半の内容 ● 岡 裕也(おか ゆうや) ● 株式会社JMDC 製品開発部 ● 4月からLookerプロジェクトを引継ぎ ● JMDCにおけるLooker利用のユースケースを中心に話します。 ○ 製薬業界の市場調査と JMDCが生み出せる価値 ○ JMDCデータのLooker分析機能事例 ○ 今後の製品向上の展望と、 Lookerへの機能要望
  • 17. © JMDC Inc. 17 製薬の市場分析 ➢ 医師へのアンケート 従来型の一般的な薬剤市場調査は、 プライマリー調査 トップライン調査 ➢ 薬剤売上データ よく使う薬は? どんな病気に使ってる? IQVIA - 医薬品市場統計
  • 18. © JMDC Inc. 18 JMDCのデータが生み出せる価値 キーワード ● Real World Data : RWD ○ 日常臨床環境で収集されたデータ(≠ 臨床試験のような実験的環境ではない。) ● Real World Evidence : RWE ○ RWDを用いて導き出される事象 JMDCが生み出せる価値 ● 健康保険組合や病院から収集した、診療レセプト(= RWD) ○ 診療の実態を見ることができるのは画期的 RWD(医療ビッグデータ)を用いて、RWEを創出する。 RWDの新たな提供・分析ツールとしてLookerを採用。
  • 19. © JMDC Inc. 19 機能例:アドヒアランス分析 ※前半で話した研究テーマの具体例 薬剤の処方継続を集計する。※数値はサンプルです。 横軸:薬を処方されてからの月数 縦 軸 薬 の 処 方 継 続 率 継続して薬を処方された割合を表示 ・時間の経過による継続率低下の程度は? ・競合製品と比較してどうか? 継続率の上昇 = 売上の上昇
  • 20. © JMDC Inc. 20 Dashboardの活用 ❖ 研究テーマに応える分析をダッシュボードに集約して納品 ➢ 実物をお見せします。 現行ツール Lookerツール ● データ更新の度に毎回集計 ● CSVから都度グラフ作成 ● 参照したいDB毎にアプリにログイン ● 常に最新データを自動集計 ● 経営報告資料の工数削減 ● 複数のDB・データソースを一括参照 ● 新たな分析軸の提案
  • 21. © JMDC Inc. 21 今後の展望 ● 分析条件設定など、UIの利便性は現行ツールに劣る。 ● よりユーザーフレンドリーなUIを目指す。 ○ ステップごとの条件設定、ダイアログボックスの活用、etc. ● 分析対象の患者を段階的に絞り込むような分析ロジックの構築。 Extension Frameworkを利用したUI開発 Explore間の分析連携 糖尿病患者数は? SGLT2i薬処方患者数は? 他の傷病/処方薬は?
  • 22. © JMDC Inc. 22 Lookerでこんなことができるともっと良い ● Explore上の分析でCREATE TABLE文を使用可能する、など。 ○ 前項のExplore間の分析連携が容易に 中間テーブルの使用 エラーハンドリング ● JMDCの医療データは、複雑な条件設定・分析が必要 ○ 条件設定をスムーズに誘導できるように Explore CREATE Explore SELECT
  • 23. © JMDC Inc. 23 後半まとめ ● 新たなRWD分析ツールとしてLookerを採用 ○ 医療ビッグデータ × BIツールによって新たな価値を持つ分析ツールの開発を目指す ● Exploreで複数の分析機能を実装し、Dashboardに集約 ○ 最新データを自動集計、資料作成の工数削減、新たな分析軸の提案 ● Looker社への機能提案(今後の開発展望) ○ 中間テーブルの使用:段階的に対象患者を絞り込む機能実装 ○ エラーハンドリング機能:よりユーザーフレンドリーなUI開発