Ehe statistische Modelle zur Prognose der Verkaufszahlen erstellt werden, ist es sinnvoll die Daten in unterschiedlicher Form zu visualisieren. Dies ist hilfreich, um sich einen allgemeinen Überblick zu verschaffen und Zusammenhänge in den Daten zu erkennen. Zudem können statistische Ausreißer und unvollständige Datensätze identifiziert werden.
In den folgenden Grafiken sind die Zeitreihen der Zielvariable „Umsatz in Mio. €“88 für einzelne Länder abgebildet. Aus Gründen der Übersichtlichkeit wurden die Länder auf zwei Abbildungen aufgeteilt. In Abbildung 6 sind die Zeitreihen der umsatzstarken Länder (Deutschland, Italien, Spanien) dargestellt, die alle den Schwellwert von 1 Mio. Euro Umsatz pro Monat (im Verlauf der bisherigen Zeitreihe) überschreiten. Zusätzlich wurde die Zeitreihe des gesamten Umsatzes in Europa als Referenzkurve eingezeichnet.
Die Zeitreihen der Länder weisen nach Markteintritt einen relativ stabilen positiven Trend auf. Auffällig ist zudem, dass die Zeitreihen auch in Bezug auf lokale Ausreißer übereinstimmen: Zum Beispiel weisen die Verläufe aller Länder Mitte 2014 einen ersten Peak auf, welcher sich im Folgejahr in stärkerer Form zu wiederholen scheint.
In Abbildung 7 sind die Zeitreihen der übrigen Länder visualisiert, die den Schwellwert von 1 Mio. Euro Umsatz pro Monat im betrachteten Zeitraum nicht überschreiten. Auch für diese Länder gilt, dass die Zeitreihen einen positiven Trend aufweisen. Die Steigung des Trends ist für alle Länder relativ konstant. Mit einem starken Anstieg zwischen 2014 und Mitte 2016 und anschließend abflachender Kurve stellt Portugal eine Ausnahmeentwicklung dar. Allgemein gilt, dass die Zeitreihen einen ähnlichen Verlauf lokaler Trends verzeichnen (z.B. deutliches Peak Ende 2016 in allen Zeitreihen). Es scheint demnach eine Einflussgröße zu existieren, die sich unabhängig von der geographischen Dimension auf den Umsatz auswirkt.
Abbildung 8 wurde mit der Intention erstellt, den Einfluss der Saisonkomponente zu ergründen. Der Abbildung ist zu entnehmen, dass der Umsatz in allen Ländern über das gesamte Jahr weitgehend stabil bleibt. Wohlgleich lässt sich landesübergreifend eine „sanfte“ Saisonalität erkennen. Vor allem der Monat März sticht heraus, da er in allen Ländern zu den umsatzstärksten Monaten gehört.
Neben den Zeitreihen der Zielvariable „Sales in €“ sind innerhalb eines Landes auch die Verläufe weiterer Variablen bekannt, zu denen ein Zusammenhang bestehen könnte. Die Umsätze von Mitbewerbern auf dem Schmerzmittelmarkt stellen eine relevante Klasse von potentiellen Regressor-Variablen dar. Im Folgenden wird Ihr Zusammenhang zur Zielvariable näher untersucht:
Abbildung 9 zeigt die Zeitreihen einzelner Wirkstoffe bzw. Produkte, sowie die Zeitreihe des Umsatzvolumens des gesamten Schmerzmittelmarktes (N2A Markt) in Deutschland.89 Es ist ersichtlich, dass der N2A Markt einen leicht ansteigenden Trend hat. Innerhalb des Marktes verzeichnen die Produkte Targin und Palexia jeweils deutlich positive Trends. In Bezug auf Targin90 ist anzumerken, dass sich der Umsatz ab Mitte 2016 zwischen Originalpräparat und Generika verteilt, was durch den Auslauf des Patentes auf Targin begründet ist. Oxycodon (exklusive Targin) stagnierte im betrachteten Zeitraum auf einem Niveau der Monatsumsätze von ca. 9,5 Mio. €. Hydromorphon schwankte um einen Monatsumsatz von etwa 12 Mio. €. Die Umsätze der übrigen Wirkstoffe Morphine, Fentanyl und Buprenorphine sind seit dem Markteintritt von Palexia in Deutschland (Oktober 2010) zurückgegangen.
Die negativen Trends der Wirkstoffe Morphine, Fentanyl und Buprenorphine erklären die negative Korrelation zur Zielvariable Palexia Total (siehe Abbildung 10). Da Palexia Total und Targin (inklusive Targin Generics) jeweils einen positiven Trend verzeichnen, besteht zwischen beiden Zeitreihen eine starke Korrelation von 0,918. Zu den Wirkstoffen, die keinen Trend zu verzeichnen hatten (Oxycodon und Hydromorphon) besteht hingegen keine ausgeprägte Korrelation. Dieser Sachverhalt verändert sich, wenn die differenzierten Zeitreihen als statistische Variablen betrachtet werden. Das bedeutet, dass die Differenzen der Umsätze zum jeweiligen Vormonat nun die neue Variable bilden. Durch diese Operation entfällt demnach eine Beobachtung für jede Zeitreihe. Interessanterweise liegt für differenzierte Größen eine stark positive Korrelation zwischen allen Wirkstoffen untereinander, sowie zum N2A Gesamtmarkt vor (siehe Abbildung 11). Daraus lässt sich folgern, dass externe Einflussgrößen existieren, die sich auf die Umsätze aller Produkte bzw. Wirkstoffe des N2A Marktes gleichermaßen auswirken.
Recent Comments