【医药】产品·数据决策_行业专业 skill-PHP中文网

【医药】产品·数据决策

Polar Sponsor

爱发电赞助

.NET 9.0

立即下载

当产品经理需要分类/整合KOL访谈反馈、搭建市场数据看板，或设计临床试验方案（样本量、终点指标）时使用本技能。涵盖：医生反馈分析、市场数据看板、临床试验设计。

QQ( ++/ +++ 药剂技能)

功能概述

QQ( ++/ +++ 药剂技能)是一项面向实际任务的技能，主要用于这种技能使 WorkBuddy 能够担任 +++ 角色的专门助理, 具体来说就是 QQ 工作Buddy +AIltha 的 ++ 子情景设定。它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。

核心要点

使用时应结合输入条件选择合适的执行方式，核对必要参数、依赖环境与输出内容，并按原始要求处理异常情况。
该技能适合需要稳定复用相关能力的场景，可作为自动化工作流的一部分，也便于后续检查、调整和扩展。
从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。

使用与执行

实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。

结果检查与注意事项

执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。

数据驱动决策（产品管理/新药研发 · pharma skill）

用途

This skill equips WorkBuddy to act as a specialized assistant for the 产品管理/新药研发 role, specifically the 数据驱动决策 sub-scenario set from the 未名企鹅 WorkBuddy 医药企业AI工作场景案例白皮书. This skill should be used when a product manager needs to classify/synthesize KOL interview feedback, build market data dashboards, or design clinical trial protocols (sample size, endpoints). Covers: 医生反馈分析, 市场数据看板, 临床试验设计.

触发示例

"医生反馈分析：上传KOL访谈记录，AI自动分类、归纳、提炼临床需求"
"市场数据看板：上传销售和市场数据，自动生成可视化图表和竞争分析报告"
"临床试验设计：输入研究目的，AI协助设计试验方案、样本量计算、终点选择"

适用场景明细

场景	操作方式	提效价值	典型交付物
医生反馈分析	上传KOL访谈记录，AI自动分类、归纳、提炼临床需求	从噪音到洞察	反馈洞察报告(.md)
市场数据看板	上传销售和市场数据，自动生成可视化图表和竞争分析报告	数据叙事	市场看板(.html)
临床试验设计	输入研究目的，AI协助设计试验方案、样本量计算、终点选择	快速验证	试验设计方案(.docx)

工作流

明确场景与输入：根据用户诉求定位上表中的目标场景，并收集所需输入（文本描述、CSV/Excel 数据、参考文件等）。
组织内容：基于场景要点与领域知识，撰写/归纳结构化内容（章节、要点、表格）。
运行分析：对量化数据场景，执行 python scripts/analyze.py <数据文件> --output result.json 得到分析 spec。
渲染交付物：执行 python scripts/render.py --format --output <交付文件路径>。
交付与复核：返回交付物，并提示医药行业合规与人工复核要求（见下）。

脚本

scripts/render.py：通用文档渲染器（支持 md / html / docx / json）。
scripts/analyze.py：通用数据分析器（trend/ranking/warning/ratio/comparison/summary）。

数据分析（本类含）

涉及量化数据的场景，先运行 scripts/analyze.py 生成分析 spec JSON，再交给 render.py 出报告。支持的分析类型：summary、trend。配置示例见 references/templates.md。

输入 spec 说明（render.py）

spec 为 JSON，结构：

{
  "title": "报告标题",
  "subtitle": "可选副标题",
  "meta": [["字段", "值"]],
  "sections": [
    {"heading": "章节标题", "paragraphs": ["段落"], "bullets": ["要点"], "table": {"headers": ["列1","列2"], "rows": [["a","b"]]}, "note": "提示"}
  ],
  "footer": "页脚"
}

完整字段与示例见 references/templates.md。

使用增强（enrichment）

模糊需求澄清问句

收到需求时，若以下信息缺失，先向用户确认再动手（避免返工）：

业务目标：这份产出给谁看、用来做什么决策？（如：管理层月报 / 投资人路演 / 内部评审）
数据范围与时间窗：哪些产品/区域/时间段？口径（同比/环比/累计）？
交付形态：要 .md 大纲、.docx 文档，还是图表+说明？（本技能渲染为结构化 Markdown，不生成二进制成品）
合规红线：是否涉及未获批适应症、疗效/安全性断言？若有，需走合规校验。
深度与篇幅：概览级 / 标准级 / 详述级？

常见错误与 FAQ（反模式）

常见错误用法（请避免）：

把未批准适应症的疗效说法写进产出 → 违反广告法，必须剔除或加"仅限已获批"限定。
直接用"最佳/首选/唯一/100%/根治"等绝对化用词 → 触发合规拦截。
把成本/利润数据当对外材料 → 财务数据仅限内部，需标注"机密·内部使用"。
不做数据口径对齐就横向对比 → 不同口径数字不可比，先统一再比。
跳过"澄清问句"直接生成 → 缺目标/范围导致返工。

FAQ：

Q：能直接生成 .docx / .pptx 成品吗？ A：本技能渲染结构化 Markdown（含讲者备注/图表说明），成品由用户在本地 Office 打开另存；如需自动转 docx 可配合外部脚本。
Q：财务数据能对外给吗？ A：不能。财务/成本类产出默认标注"机密·内部使用"，仅限授权内部人员。
Q：两票制/带量采购影响分析怎么算？ A：提供政策口径+历史价差假设，给出敏感性区间，不赌单一数字。
Q：数据缺失怎么办？ A：标注"数据缺失"而非编造；列出缺口清单请用户补齐。
Q：评测/模型结论能当医学定论吗？ A：不能。医学证据类产出须注明"供专业判断参考，不替代临床决策"。

能力边界（不能做什么）

不替代专业终审：财务披露、医学证据、临床结论须经持证人士/合规审核，本技能只出草稿。
不联网核实：不实时抓取法规/价格库，涉及时效数据请用户确认最新口径。
不生成疗效承诺：不写治愈率/保证疗效类表述，不超适应症推广。
不处理非 pharma 业务：聚焦医药企业场景，跨行业通用分析不适用。
处理能力上限：单次分析建议 ≤ 20 个指标维度；超大规模需分批或给聚合视图。
不输出未脱敏个人信息：涉及患者/医生个人数据须先脱敏。

端到端示例（输入 → 输出）

场景：KOL 访谈反馈整合

用户输入："把这批 KOL 访谈整理成洞察"
步骤①：先用"模糊需求澄清问句"确认目标/范围/形态 → 确认业务问题=定位优化、范围=本季度、形态=看板大纲
步骤②：调用 scripts/analyze.py + scripts/render.py 生成结构化草稿 → analyze.py 分类编码访谈，render.py 出洞察看板
输出样例：《KOL 洞察看板》含：主题聚类 / 高频诉求 / 机会点 / 待验证假设