2016年对于医药行业可谓不平静的一年，医药商业贿赂再次被央视的暗访报道推到风口浪尖，营改增、两票制等多项新政推出更是将该行业推入改革深水区。面对国家不断加大对医药行业的整治力度，药企如何在政策变革及行业转型中处理好可能存在的合规风险，这是2017年医药企业不得不面临的首要挑战。

面对腐蚀医药行业多年的顽症，诸如，通过学术推广活动名义贿赂医生、学术机构人员，甚至政府官员；通过会务公司、旅行社等第三方机构支付交通食宿费；医药代表假借科室会议之名进行违规报销，获取非法利益；串通经销商对销售数据作假等等；大多药企已着手实施了一系列措施，从派专人“跟会”、“神秘顾客调查”、票据审核，到细化企业内部合规流程、完善合规政策、强化合规内训，再到在组织内部进行不合规操作的调查以及加强第三方尽职调查等，这些常见措施在帮助企业管控合规风险方面相当必要。然而，随着违规行为主体自身的防御意识在不断提高，行为模式不断发生变化，不合规的形式也在演变，因此企业合规风险及防范成本均在逐步提高。

“随着合规环境的不断变革，医药行业应当拥抱大数据时代所带来的科技，将数据分析融入合规风险治理，从而实现对整个组织内更加高效、完善的风险监控，开展由事后补救转变为事前防御的策略。”华夏邓白氏产品及解决方案总监陈为谦在近期举行的2017中国制药和医药峰会上这样说道。华夏邓白氏是国内领先的风险管理机构，多年来一直致力于以数据驱动的方式管理合规等商业风险，并在帮助医药企业以大数据预测分析技术进行反欺诈等合规风险管理领域已有成功案例。

大数据分析将反欺诈风险监控效率提升数倍

“医药企业在以往的合规风险管理活动中积累的经验、知识、数据、流程以及系统，都是进行大数据预测分析的沃土，可以为反欺诈合规风险治理提供丰富的洞察力。”陈为谦补充道。

某跨国制药巨头已经通过华夏邓白氏提供的大数据预测分析受益匪浅，将其“科室会议”反欺诈风险监控的效率提升了数倍。在医药行业，医药代表假借科室会之名，违规报销获取非法利益已屡见不鲜，而该制药公司每年动辄数千场小型的科室会议单凭调查人员通过随机性抽查的方式，显然已无法有效防范风险，而且成本也居高不下。针对这一挑战，华夏邓白氏首先基于该企业分散在ERP、CRM及其它本地与全球数据库等多个系统中的各类数据，将母公司邓白氏集团强大的数据库作为补充，再凭借高度复杂的数据运算分析能力，为该公司专门开发了针对科室会议的反欺诈风险预测模型。这一模型可以在会议审批流程之初，就能发现存在高欺诈风险可能性的会议，因而，调查人员便可有针对性的挑选存在隐患的会议进行现场核查，将风险防范提前到“事前”进行。此外，通过对会后医药代表的报销数据进行分析，配以其它相关系统的数据支持，有效筛查异常信号，追溯可能存在的违规报销行为。该风险预测模型亦能运用于对新欺诈模式的分析与辨别，有助于医药企业及早发现异常行为并制定相关政策。

除此之外，要管理超过数千家经销商的复杂分销网络并不是一件易事。拜耳中国内审部负责人KarstenKloppenburg认为，两票制出台后，药企将面临管理更多数量的一级经销商的挑战，这无疑增加了经销商网络管理的复杂性；此外，各地方政府对于该新政的具体实施办法可能各有不同，这些不确定性都将增加风险管理的难度及成本。

华夏邓白氏曾为同样受困于管理复杂分销网络的某跨国制药企业开发了一套工具包。这一工具包基于大数据预测分析技术，通过对经销商的周期性进出货数量及价值的评估及趋势分析，追踪发现异常交易趋势及存在风险的经销商；发现同级、跨级经销商之间或跨地域的可能串货行为；以及经销商、或其串通医药代表伪造销售数据进行欺诈的可能性风险等等。这一风险预测工具为后“两票制”时代管理复杂的医药分销网提供了基于数据分析的科学依据。

“非结构化”数据的价值体现是未来合规风险管理趋势

目前，将大数据预测分析用于医药行业合规风险治理尚属开创先河。陈为谦认为，据华夏邓白氏的经验，成功的预测分析=正确的数据+正确的商业理解+适当的先进分析方法，未来的大数据分析不应仅仅依赖于结构化的数据，而更应该充分提取非结构化数据的价值，为医药合规风险预测提供切实可行的洞察力。

“非结构化”数据主要是指那些无固定结构和逻辑的数据，不同于诸如企业内部的交易、销售等“结构化”的数据，它们主要为散落在社交平台上的图片、视频、或用户评论之类的文字信息。大多数研究显示，有近85%的新数据是“非结构化”的数据，它们含有丰富的语义，目前尚未被加以利用。

“非结构化数据分析及建模已经普遍运用于销售与市场营销的业务场景中，但在合规风险管理上仍是处于启蒙阶段，这一类的非结构化数据对于监控与预测第三方合作伙伴的风险将是不可缺少的利器。”陈为谦最后总结道。