Zum DatamedIQ-Panel zählen 19 der Top 25 Online-Apotheken. Kürzlich haben wir die Coverage mit Aponeo, Sanicare und Disapo noch einmal erheblich erhöht. Die Datenbasis unserer Partnerunternehmen enthält zudem Um- und Absätze aus dem sogenannten Marketplace-Geschäft, wie beispielsweise der Amazon Marketplace. Oben finden Sie die Übersicht aller Datenlieferanten. 

Die Zusammenarbeit mit einigen unserer Datenlieferanten erfolgt exklusiv. Dies bedeutet, dass deren Umsätze ausschließlich von uns ausgewertet und hochgerechnet werden. Gemeinsam mit nicht-exklusiven Datenbeständen bieten wir so das repräsentativste Panel auf dem Markt. 

DatamedIQ erhält von den Online-Apotheken sogenannte Transaktionsdaten, also Informationen, die beim Kauf in einer Online-Apotheke erzeugt werden. Dazu zählen Warenkorbinformationen und statistische Daten zum Kaufenden.

Bei den Informationen zum Kaufenden (Geschlecht, Alter und 4-stellige Postleitzahl) handelt sich um nicht-personenbezogene oder personenbeziehbare Daten. Bei diesen rein statistischen Daten ist nachweislich jeglicher Personenbezug konsequent ausgeschlossen.  

Einige spezifische Punkte zur Datenerfassung:  

• Wir erhalten niemals die genaue Lieferadresse der Kundinnen und Kunden. Stattdessen bekommen wir lediglich Informationen über die Region basierend auf den ersten vier Stellen der Postleitzahl mitgeteilt. 

• Zu den Transaktionen erhalten wir Informationen über das Geschlecht und das Alter der Kundinnen und Kunden. Das Alter wird dabei auf 5 Jahre gerundet, um eine direkte Zuordnung zu verhindern. 

• Zwar verfügen wir über Kundenreferenznummern oder IDs, diese stammen jedoch nicht direkt aus dem Shop-System. Sie werden durch Hashing-Verfahren pseudonymisiert oder anonymisiert. Daher besteht zu keinem Zeitpunkt die Möglichkeit, eine Referenznummer einer/m bestimmten Kundin/en zuzuordnen, selbst über verschiedene Systeme hinweg. 

DatamedIQ erhält seine Daten täglich. Die Transaktionsdaten des abgeschlossenen Vortages werden stets am darauffolgenden Tag an uns übermittelt. Es ist jedoch zu beachten, dass es aufgrund systembedingter Verzögerungen durch die ERP-Systeme unserer Lieferanten, insbesondere bei den Versandhändlern, zu Verzögerungen kommen kann. Dennoch können wir mit hoher Wahrscheinlichkeit sicherstellen, dass alle relevanten Transaktionen spätestens zwei Tage nach einem Kauf in unseren Datenbank erfasst wurden. Tatsächlich treffen etwa 95% aller Daten bereits am Tag nach der Transaktion bei uns ein. 

DatamedIQ legt großen Wert auf die Sicherung der Datenqualität und hat hierfür mehrere Maßnahmen implementiert: 

• Maschinelle Überwachung der Datenlieferungen: Unsere Systeme überwachen automatisch alle eingehenden Datenlieferungen. Sollte eine Lieferung ausfallen, werden wir umgehend benachrichtigt. Dies ermöglicht uns, den Lieferanten bereits in den frühen Morgenstunden auf den fehlenden Datensatz hinzuweisen und diesen umgehend anzufordern. Dadurch gewährleisten wir die tägliche Datenlieferung. 

• Qualitätssicherungsprozesse: Neben der Überwachung der Datenlieferungen haben wir weitere maschinelle Verfahren eingerichtet, um die Datenqualität zu überprüfen. Diese Prozesse erkennen Abweichungen in den Daten basierend auf unseren Erfahrungswerten. Bei festgestellten Abweichungen erhalten wir Benachrichtigungen, die unser dediziertes Data Team überprüft und aufklärt. 

• Manuelle Überprüfung: Vor der Veröffentlichung unserer monatlichen Berichte führen wir eine zusätzliche vier-Augen Kontrolle durch, bei der wir die Vollständigkeit und Plausibilität der Daten manuell überprüfen – ein Verfahren, das intern als „Eye Bawling“ bezeichnet wird.

Durch diese Maßnahmen stellen wir sicher, dass die von uns bereitgestellten Daten stets von höchster Qualität sind. 

DatamedIQ verwendet ein ausgeklügeltes Verfahren zur Hochrechnung der Marktzahlen basierend auf den Transaktionsdaten der Online-Apotheken: 

• Statistisches Modell: Zunächst verwenden wir ein Regressionsmodell, um die Marktzahlen zu schätzen. Basierend auf unserer Kenntnis der Marktgröße und der Menge der uns vorliegenden Transaktionsdaten, können wir den Faktor bestimmen, mit dem wir die Daten hochrechnen müssen, um den tatsächlichen Marktwert zu erreichen. 

• Hochrechnungsfaktoren: Wir verfügen über mehrere hunderttausend Hochrechnungsfaktoren, die initial festgelegt wurden und regelmäßig aktualisiert werden, insbesondere beim Onboarding neuer Apotheken in das Panel. 

• Einheitliche Datenhandhabung: Unsere Hochrechnung basiert auf den Transaktionsdaten unserer Partnerapotheken. Um eine konsistente Qualität zu gewährleisten, haben wir spezifische Datenstandards und -spezifikationen mit unseren Lieferanten vereinbart. Dies stellt sicher, dass die Datenströme über alle Lieferanten hinweg konsistent sind. 

• Produktbezogene Hochrechnung: Für jedes Produkt, repräsentiert durch eine PZN (Pharmazentralnummer), nutzt unser Modell spezifische Hochrechnungsfaktoren. Mit diesen können wir die uns übermittelten Daten für jedes Produkt auf ein Niveau hochrechnen, das wir als repräsentativ für das Marktniveau dieses Produkts ansehen. 

• Berücksichtigung von Trends: Zusätzlich zu unseren statistischen Modellen berücksichtigen wir auch Markttrends bei der Hochrechnung. Dies stellt sicher, dass weder Überschätzungen im Wachstum noch Unterschätzungen auftreten. 

Durch diese Methodik gewährleisten wir eine präzise und zuverlässige Hochrechnung der Marktzahlen aus den uns vorliegenden Transaktionsdaten. 

Die Verkaufszahlen in den täglichen und monatlichen Berichten werden beide unter dem Begriff „Verkauf“ geführt, jedoch können die Zahlen unterschiedlich sein. Dies liegt daran, dass die täglichen Daten zunächst vorläufig sind und nur Bestellungen über bestimmte Kanäle sofort erfassen. Zudem werden Stornierungen und Rücksendungen möglicherweise nicht sofort berücksichtigt. Nach einigen Tagen werden diese Daten korrigiert und ergänzt, sodass die monatlichen Daten eine vollständigere und raffiniertere Darstellung aller Transaktionen bieten, einschließlich aller Kanäle und Korrekturen. Diese monatlichen Berichte sind ideal für die Analyse von Langzeittrends und strategischer Planung, da sie einen umfassenden Überblick bieten. Tägliche Daten hingegen sind nützlich für die sofortige Bewertung von Marketingkampagnen oder schnellen Marktänderungen.

Marktplätze: Wir berücksichtigen Transaktionen von Marktplätzen, sofern der Lieferant dort aktiv ist. Wenn ein Lieferant, beispielsweise auf Plattformen wie Amazon einen Anbieterplatz hat, erfassen wir diese Transaktionen in unserer Hochrechnung. 

Hybrid-Apotheken (Stationäre Apotheken, die über Marktplätze verkaufen): Generell sind Hybrid-Apotheken nicht systematisch in unserer Hochrechnung enthalten. Unser Panel deckt primär das B2C-Geschäft ab, d.h. Transaktionen, bei denen Endverbraucher Produkte direkt bei Online-Apotheken erwerben. Wenn eine Kundin oder ein Kunde ein Produkt über einen Marktplatz von einer Apotheke kauft, die nicht unser Partner ist, wird diese Transaktion nicht in unserer Hochrechnung erfasst. Nur, wenn die Hybrid-Apotheke rechtlich Teil einer unserer Partner ist und die Verträge konsolidiert werden, könnten wir solche Transaktionen berücksichtigen. Aktuell haben wir jedoch keine dedizierten Datenlieferverträge mit Marktplatzanbietern wie Amazon oder eBay. Wir erhalten lediglich Daten von unseren Lieferanten, die Verträge über diese Marktplätze abschließen. 

Grundsätzlich handelt es sich bei den aggregierten Sell-out-Daten der Apotheken und der Hochrechnung von DatamedIQ um zwei vollkommen unterschiedliche Datensätze. Sie unterscheiden sich vor allem in folgenden wesentlichen Punkten:

• Einheitliche Schnittstelle: DatamedIQ fordert die Transaktionsdaten von allen Lieferanten nach einheitlichen Standards ein. Erst diese Spezifikation bietet die Grundlage für eine repräsentative Hochrechnung: So werden bei uns Umsätze uniform abgegrenzt und ausschließlich B2C-Transaktionen ausgewertet. Die Sell-out-Daten der Apotheken, hingegen, werden nicht einheitlich exportiert.
   
• Tägliche Datenprüfung: Wir überprüfen die Daten täglich systemisch auf Vollständigkeit und Korrektheit. Zudem erfolgt monatlich eine ausführliche Überprüfung im 4-Augen-Prinzip. Vergleichbare Qualitätsstandards existieren bei den Sell-out-Zahlen nicht.
   
• Repräsentative Daten: Unsere Daten bieten die höchste und führende Abdeckung des Marktes, da wir sowohl mit Top-Apotheken als auch mit anderen bekannten Apotheken zusammenarbeiten, die eine hohe Marktrelevanz haben. Unsere Marktmodelle berücksichtigen Schließungen und andere besondere Markteffekte, die in aggregierten Sell-out-Zahlen in der Regel nicht oder nur unzureichend modelliert werden.
  

• Auflösung von Bundles: Ein weiteres Unterscheidungsmerkmal ist, dass wir Produkt-Bundles in ihren einzelnen Bestandteilen einheitlich identifizieren und auflösen. Insbesondere im Bezug auf Umsatz ist dies in der Regel mit Sell-out-Zahlen nicht möglich. 

•  Gesamtmarktansicht: Während Sell-out-Zahlen in der Regel nur für das eigene Portfolio zur Verfügung stehen, bietet das DatamedIQ-Panel eine Gesamtmarktansicht. Nur so können unsere Kundinnen und Kunden Marktanteile und deren Verschiebung belastbar beobachten.

Zusammenfassend bietet DatamedIQ eine umfassende, standardisierte und repräsentative Ansicht des Marktes, während die Sell-out-Daten der Apotheken oft eingeschränkter und weniger standardisiert sind. 

Jeder CHC-Hersteller muss natürlich eigenständig entscheiden, welche Daten er zur Bewertung seiner Performance heranzieht. Aber angesichts der überlegenen Abdeckung und Qualitätssicherung unserer Hochrechnungen, empfehlen wir dringend gegen die Verwendung aggregierter Sell-out- oder Sell-in-Daten. Ein Vergleich zwischen diesen Daten und unseren ist oft nicht zielführend.  

Keineswegs! Sie sind insbesondere für spezifische Anwendungsfälle jenseits der Marktanalyse nützlich. Die Sell-out-Zahlen der ePharmacies sind beispielsweise die einzig verlässliche Datenquelle für die Bewertung bestimmter Kampagnen oder der Performance bei einer spezifischen Apotheke. 

In diesem Artikel gehen wir im Detail auf diese Thematik ein. Dort lernen Sie die gängigsten Datenquellen kennen und erfahren den (sehr wichtigen!) Unterschied zwischen aggregierten Sell-out-Daten und hochgerechneten Marktzahlen.