Prévision des ventes pharmaceutiques

Mission

Conception et développement d’une application Streamlit “prête à l’emploi” pour expérimenter, évaluer et comparer des modèles de prévision de ventes pharma sur données mono/multi-séries. Mise en place d’un workflow end-to-end : ingestion CSV depuis l’UI + datasets d’exemple, validation de schéma minimal et préparation des jeux de données pour industrialisation. Implémentation d’un benchmark multi-modèles orienté décision : entraînement, backtesting robuste, ranking, sélection automatique du meilleur modèle, puis forecast final exploitable. Produit une “forecast factory” opérationnelle, traçable et reproductible, pensée pour le comparatif multi-modèles et la robustesse méthodologique (backtesting, contrôles qualité, garde-fous séries temporelles). Focalisation adoption métier : interprétabilité actionnable (SHAP + diagnostics), scénarios what-if orientés leviers, exports et model cards facilitant la validation, la communication et la décision.

Contexte et environnement

Contexte pharma / Sales Forecast : prévoir volumes / patients / parts de marché à des granularités géographiques hétérogènes pour fiabiliser les décisions Sales. Données typiques : identifiants territoriaux (brick/territoire/région), variables marché (patients total), variables produit (patients produit), parts de marché, proxies d’effort terrain (fréquence d’interactions), covariables exogènes et scénarios futurs.

Objectifs clés

Technologies et infrastructure