在罗氏做数据分析,说实话,光懂统计可不够。现在做药,拼的是谁能从那些不完美的真实数据里,找到真正对患者有用的洞察。你的角色更像是帮创新药更顺利走到患者身边的关键一环。
能不能进医保,往往比药效更重要。就算效果再好,如果分析不出它对医疗系统的实际价值,药可能也推不出去。在这里,Cost-effectiveness和疗效数据一样重要。
数据常常是散的、缺的,但工作就是得推进。我们经常用到 合成数据、联邦学习 这些方法,在合规的前提下,把不同来源的RWE整合起来,重点不是抱怨数据不够,而是想办法把它构建出来。
你还得会“翻译” ,就是把复杂的模型结果,转化成医生和业务团队能听懂的逻辑;把数据处理过程,整理成清晰合规的文件。技术和业务之间,需要你来搭桥。
如果你在准备面试,比起竞赛排名,他们更想听你讲:在数据有限的实际场景里,具体解决过什么问题?对PHC、数字生物标志物有没有真实的了解?罗氏需要的是能踏实落地、懂业务、也知道风险在哪的人。
我整哩了Roche DA面筋和面试的常见问题,🙌🏻【RO】
最新评论 1
: 隔行如隔山啊 隔行如隔山啊