Автоматизация корреляционного анализа больших данных для решения задач фармакологического обеспечения населения выбранных регионов

Статья посвящена применению методов анализа больших данных и нейросетей в фармацевтической отрасли для оптимизации ценообразования, маркетинговых стратегий и управления ассортиментом. Авторы исследуют корреляционные взаимосвязи между ценами, запросами потребителей и сезонными колебаниями спроса на примере популярных обезболивающих препаратов (Нурофен, Диклофенак и др.) и средств от кишечных расстройств. Использование инструментов Python (Pandas, Matplotlib) и нейросетевых моделей позволило выявить скрытые паттерны, такие как высокая чувствительность Диклофенака к изменению цен (корреляция 0.95) и сезонный рост спроса на энтеросорбенты летом. Результаты демонстрируют практическую значимость автоматизированного анализа для прогнозирования спроса, оптимизации ценовой политики и повышения эффективности маркетинговых кампаний.

The article is devoted to the application of big data analysis methods and neural networks in the pharmaceutical industry for optimization of pricing, marketing strategies and assortment management. The authors investigate correlational relationships between prices, consumer requests, and seasonal fluctuations in demand using the example of popular painkillers (Nurofen, Diclofenac, etc.) and intestinal disorder remedies. The use of Python tools (Pandas, Matplotlib) and neural network models allowed to reveal hidden patterns, such as the high sensitivity of Diclofenac to price changes (correlation 0.95) and the seasonal growth of demand for enterosorbents in the summer. The results demonstrate the practical significance of automated analysis for demand forecasting, price policy optimization and marketing campaign efficiency improvement.