CN110555730A

CN110555730A - 一种产品上市后研究的数据统计分析方法

Info

Publication number: CN110555730A
Application number: CN201910802852.5A
Authority: CN
Inventors: 姚娟娟
Original assignee: Shanghai Mingping Medical Data Technology Co Ltd
Current assignee: Shanghai Mingping Medical Data Technology Co Ltd
Priority date: 2019-08-28
Filing date: 2019-08-28
Publication date: 2019-12-10
Also published as: US20220374920A1; JP2022546079A; WO2021037039A1; DE112020004015T5; JP7405953B2

Abstract

本发明提供一种产品上市后研究的数据统计分析方法，包括：a.通过多个研究终端采集产品上市后的研究数据，研究终端独立于用户终端，用户终端是指已经应用产品的终端，研究数据至少包括产品使用周期信息、周期内用量信息和应用反馈信息；b.提取来自研究终端的研究数据中的特征值集合X，其中，X＝{x₁,x₂…x_n},且组成特征值集合的元素是与时间、用量相关的数据；c.提取生成研发数据所对应时间点的销售数据，以特征值集合为自变量、销售数据为因变量构建函数表达式S＝f(X)，其中，S表示销售数据，计算函数表达式的极值并将极值作为预测市场趋势的指数值。

Description

一种产品上市后研究的数据统计分析方法

技术领域

本发明涉及数据分析领域，尤其是发现产品研究数据与市场趋势判断方面的相关性分析处理，具体地涉及一种产品上市后研究的数据统计分析方法。

背景技术

随着大数据时代的到来，各种不同类型的数据被搜集和处理，产品研究数据的处理也因为现代信息技术的迭代带来重大的变化。在工业领域，传感器的广泛使用，使得产品研究的过程被细化拆分为数据元的采集过程，采集完成的大数据被标签化，进而通过大数据算法清洗、整合、分析、处理后发送给研究者，研究者依据大数据算法得到的结果，运用经验和专业知识得出最终的研究结论，这突破了传统产品研发过程中，完全依赖于人脑运算、判断的方法，使得研究的进程大大加快了。

与传统研究方法相比，依赖于大数据研发的研究方法的特点在于：传统的研究过程中最重要的是依赖于研究者的经验，属于个人的知识性投入，研究最大的成本支出在于人力支出，而现在的研究过程中需要配置大量的基础设施，开发智能化的研究系统，虽然提高了研究效率，但研究的成本被大大的提高。

传统的研究理论认为，研究是一种纯投入的技术活动，其目标在于得到前瞻性的研究结论，风险当然也是需要考虑的，但研究结论是否适合于市场应用，在大多数的研究项目中被列在第二位，至少与得到前瞻性结论的重要性不是同等的。在研究方法已经发生革命性变化的今天，如果仍然将研究成果的考核聚焦于单个方面，即，得到前瞻性的研究结论作为研究成果的首要考核指标，从经济学角度上讲，研究的投入和产品的风险收益比例被进一步的拉大了。

为此，如何通过对研究数据的分析处理得出扩大市场的结果，即，通过分析研究数据指导市场策略，是顺应新时代研究方法革命的必然趋势，也就是将传统意义上相互隔离的产品研究和市场研究有效融合，才是未来产品大数据研究的方向所在。

发明内容

本发明技术方案所解决的技术问题为，如何标准、快速的检验医学数据。

为了解决上述技术问题，本发明技术方案提供一种产品上市后研究的数据统计分析方法，通过对产品上市后研究数据的统计分析预测市场趋势，包括如下步骤：

a.通过多个研究终端采集产品上市后的研究数据，所述研究终端独立于用户终端，所述用户终端是指已经应用产品的终端，所述研究数据至少包括产品使用周期信息、周期内用量信息和应用反馈信息；

b.提取来自研究终端的研究数据中的特征值集合X，其中，X＝{x₁,x₂…x_n},且组成所述特征值集合的元素是与时间、用量相关的数据；

c.提取生成所述研发数据所对应时间点的销售数据，以所述特征值集合为自变量、所述销售数据为因变量构建函数表达式S＝f(X)，其中，S表示所述销售数据，计算所述函数表达式的极值并将所述极值作为预测市场趋势的指数值。

优选地，所述步骤a包括如下步骤：

a1.分发终端发送数据限额指令至所述研究终端，所述数据限额指令决定所述研究终端能够采集的研究数据的上限；

a2.设计终端配置所述研究数据的采集周期；

a3.所述研究终端根据数据限额指令以及所述采集周期采集所述研究数据。

优选地，所述步骤a2中，所述采集周期按照以下公式进行配置：

T＝f(n)，其中,n表示所述研究数据所对应产品的使用周期。

优选地，所述特征值集合由所述研究数据的采集周期T和研究数据所对应产品的服用时长t组成，则所述步骤c中，S＝f(T,t)。

优选地，所述步骤c之后执行如下步骤：

d.所述函数表达式确定后，继续采集所述研究数据并提取所述特征值集合，当所述函数表达式出现驻点时，监控系统向所述分发终端发出警示信号。

优选地，所述步骤d之后执行如下步骤：

e.所述分发终端调整所述数据限额指令和/或所述采集周期。

优选地，所述步骤e包括如下步骤：

e1.判断所述驻点是否属于鞍点、极大值、极小值中的任一种；

e2.若所述驻点为鞍点，则调增所述数据限额指令以及调增所述采集周期；若所述驻点为极大值，则调减所述数据限额指令以及调增所述采集周期，若所述驻点为极小值，则调增所述数据限额指令以及调减所述采集周期。

优选地，若所述分发终端调整所述数据限额指令和/或所述采集周期的次数超过次数阈值，则重新开始执行步骤c，所述次数阈值由监控系统设定。

优选地，若所述研究终端的采集方式与所述数据限额指令或者所述采集周期不匹配，则所述研究终端无法上传研究数据。

本发明以研究数据中的与时间、数量相关的数值作为自变量，以市场趋势作为因变量构建函数模型，通过积累研究数据不断完善函数模型进而预测市场趋势。进一步地，本发明还通过调整所述数据限额指令和/或所述采集周期，间接性的优化所述函数模型，以便更加精准的预测市场趋势。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其他特征、目的和优点将会变得更明显：

图1为本发明的一种具体实施方式的，一种产品上市后研究的数据统计分析方法的流程图；

图2为本发明的第一实施例的，另一种产品上市后研究的数据统计分析方法的流程图；

图3为本发明的第二实施例的，一种提供警示信息的产品上市后研究的数据统计分析方法的流程图；

图4为本发明的第三实施例的，一种可调整的产品上市后研究的数据统计分析方法的流程图；以及

图5为本发明的第四实施例的，一种精确调控的产品上市后研究的数据统计分析方法的流程图。

具体实施方式

为了更好的使本发明的技术方案清晰的表示出来，下面结合附图对本发明作进一步说明。

本领域技术人员理解，产品上市后研究所形成的研发数据，与传统的产品研发数据具有本质的区别，同时与市场调研数据也是不同的。传统的产品研发，大都是新产品研发或者产品技术迭代的研发，因此，其研发过程中所关注的或者所采集的数据是基于前瞻性的预判所得到的数据，当然前瞻性的预判可以基于市场调研获得，也可以基于竞品或者原有产品缺陷的技术分析获得，但无论如何，该前瞻性的预判一定是理想化的、适用于实验室的重复验证的一种假想模型，之后，研发人员会基于统计学意义上的研究方法，重复性的实施以实现该假想模型为目标的研发活动，相应地，在此情况下所形成的数据是脱离了真实世界，以获得符合预设假想模型为目标的半人造数据，从大数据分析的角度看，这样的数据具备统计学上的意义，但由于其采集过程中加入大量的人为设定因素，例如，实验条件、材料选择、入组对象选择等等，其数据与真实世界的一致性概率被大大降低，所以这也就是现有的研发活动，大都是作为企业的一种纯投入性的活动，无法与市场相结合，其原因在于，市场本身就是真实世界，对市场趋势的分析最重要的就是要与真实世界高度匹配。

进一步地，市场调研数据不同于传统研发数据的是，其本身是来自于真实世界的，但市场调研数据的来源对象是直接应用产品后的用户，因此其数据的专业性是不足的，也仅仅具有统计学上的意义，如果用于大数据的统计分析是可以的，但如果将其作为基础数据，研发用于预测市场预测的人工智能系统，其缺乏最为核心的数据形成逻辑，无法作为机器学习的有效素材。

综上所述，本发明的目的在于通过一种创新的数据分析方法，让研发活动形成数据与市场紧密结合起来，充分发挥数据的有效潜力，提高企业研发活动的效益，增加企业开展研发活动的积极性。图1示出了本发明的具体实施方式的，一种产品上市后研究的数据统计分析方法，通过对产品上市后研究数据的统计分析预测市场趋势，包括如下步骤：

首先执行步骤S101，通过多个研究终端采集产品上市后的研究数据，所述研究终端独立于用户终端，所述用户终端是指已经应用产品的终端，所述研究数据至少包括产品使用周期信息、周期内用量信息和应用反馈信息。具体地，所述研究数据不同于市场调研数据，其基于研发为目的设计数据模型，因此，数据中至少包括产品的使用周期、周期内的用量、应用反馈等定量和定性的信息。本领域技术人员理解，所述数据来自于第三方独立的研究终端，而非产品的直接用户，这样可以最大化避免感性化数据的上传，影响数据的客观性，同时研究终端还可以对用户反馈的信息进行专业化的、有利于研究进展的处理，即，所述研究数据是经过研究终端结构化处理的来自于真实世界应用的数据。更为具体地，本步骤通过限定数据的来源终端和信息的标签类型控制数据的质量，同时也将其区别于传统的纯研发型数据和纯粹的市场调研数据，其中，产品使用周期信息是指按照产品说明书公开的标准化应用周期，也可以是用户根据自身情况调整后的应用周期，例如，产品的一个完整应用周期为7天，用户实际使用了3个周期，则产品使用周期信息即为21天；周期内用量信息是指产品的单位用量，例如单位产品的重量为5毫克，单个周期使用10个单位用量，若用户实际使用了3个周期，则用户的产品用量共计150毫克；应用反馈信息是研究终端根据用户终端的使用情况所编辑生成的正面/负面反馈信息，通常情况，其主要用于研发，与本发明的实施可以不相关。在一个优选的实施例中，可以对所述应用反馈信息进行标签化处理，针对不同的标签配置不同的调节系数，相应地，所述研究终端通过以下方式得到产品使用周期信息和周期内用量信息：

所述产品使用周期信息＝原始产品使用周期*所述调节系数，所述周期内用量信息＝原始周期内用量信息*所述调节系数，其中，所述原始产品使用周期系所述用户终端的实际使用周期，所述原始周期内用量信息系所述用户终端的在实际使用周期中所使用的产品总用量。

进一步地，执行步骤S102，提取来自研究终端的研究数据中的特征值集合X，其中，X＝{x₁,x₂…x_n},且组成所述特征值集合的元素是与时间、用量相关的数据。具体地，结合步骤S101的记载，所述研究数据中包含产品使用周期信息和周期内用量信息，本领域技术人员理解，产品使用周期信息在数据的表达上优选为时间单位格式，例如日、月、年等，在一种变化例中，还可以自定义表达方式，例如以“疗程”为单位，此种情形下，可以通过配置底层数据库，对不同的疗程进行分类编辑，有利于应用层数据的简洁化；周期内用量信息在数据的表达上优先为重量单位，例如微克、毫克、克等，相应地，周期内用量信息可以有两种计算方法，一种是直接按照产品的重量计算，另一种是按照产品中的有效物质进行计算，如果从研发层面考虑，后一种计算方式更为合适，对于本发明而言，优选按照产品的重量计算。

进一步地，执行步骤S103，提取生成所述研发数据所对应时间点的销售数据，以所述特征值集合为自变量、所述销售数据为因变量构建函数表达式S＝f(X)，计算所述函数表达式的极值并将所述极值作为预测市场趋势的指数值。本领域技术人员理解，结合步骤S102所述，特征值是与时间、用量相关的数据，即，特征值包含两种以上的信息类型，对应于本步骤中的函数表达式可以得出，确定市场趋势的函数表达式为多元函数，结合本发明所要解决的技术问题，其目的是将传统意义上相互隔离的产品研究和市场研究有效融合，融合的关键在于从数据采集到数据运算的全过程结束后，如何找到最优解，即，既能满足研发的需要、同时还能够满足市场预测的需要，而多元函数的应用则能够通过对数据资源的分配同步满足研发兼市场的双重需要。

进一步地，本步骤的函数表达式基于已经累计的研发数据和销售数据形成，所述研发数据的采集结合步骤S101和S102予以理解，具体地，与步骤S103相关的是研发数据的生产时间和特征值，本领域技术人员理解，所述研发数据是由研发终端采集，而所述研发数据的生成时间与所述研发终端的采集时间不一定相同，即，所述研发数据在采集过程中需要所述研发终端标注对应的生成时间戳，所述生成时间戳即为生成所述研发数据的时间，该时间点对应的销售数据即可作为函数表达式的因变量，本领域技术人员理解，在实际的应用中，时间点的日期格式可能为**年**月**日、**年**月或者**年，而所述销售数据可能来自于同一数据库，也能来自于不同的数据库，即，所述销售数据的生成时间的格式可能与所述研发数据的生成时间的格式相同或者不同，本步骤中所定义的“对应时间点”，是指所述销售数据的生成时间与所述研发数据的生成时间的重叠时间，例如，所述销售数据的生成时间为2018年10月，而所述研发数据的生成时间为2018年10月5日，则该销售数据即可作为因变量，仍以本实施例为例，若2018年10月不存在任何销售数据，则意味着在该时间点生成的所述研发数据对应的特征值不存在对应的因变量(即所述销售数据)，对于本发明而言，即使在该时间点采集了研发数据，但该研发数据即为冗余数据。因此，为了提高研发数据的利用率，本发明所涉及的销售数据的采集应常态连续化进行，即，销售数据的采集进度与研发数据的采集进度应当相同或者相似，以保证每个研发数据对应的时间点均能够提取到对应的销售数据。更为具体地，所述销售数据可以是金额，也可以是出货量，相应地，销售数据的计量单位也是不同，但这并不影响本发明的实现，在此不予赘述。

本领域技术人员理解，步骤S103中，所述函数表达式的具体运算规则并不限定，不同的特征值与不同的销售数据所构建形成的函数表达式也是不同的，相应地，不同的函数表达式其对应的极值也是不同的，本发明的通过函数表达式的极值定量的表达市场趋势，这是现有技术所不曾用到的方案。具体地，随着研发数据和销售数据的不断积累，所述函数表达式会发生变化，相应地，函数表达式的极值会发生变化，也就是说用来表达市场趋势的指数值也会发生变化，此时，也就是实现了本发明的目的，改变了传统仅仅依赖于销售数据预测市场走势的方法。更为具体地，所述函数表达式的极值有可能是极大值，也有可能是极小值，相应代表了市场趋势发展的顶峰或者最低谷，对于实际应用而言，销售数据通常是不能够控制的，即，其依赖于消费者的客观行为而定，即使预测了市场趋势，通常的方法是调整销售策略，但销售策略的调整也不一定能够带来市场的变化，因为其仍然依赖于消费者的客观行为。本发明所采用的技术方案的特点在于，研发数据是商家可以控制，商家可以通过调整研发数据的采集方式间接控制所述特征值集合，即，调整了用以生成所述函数表达式的自变量，最终实现更为精准的市场趋势预测和调整，同时，也可以通过调整研发数据的采集方式来影响市场走势，这在本发明中的后续实施例会有更为详细的描述。

作为本发明的第一实施例，图2示出了另一种产品上市后研究的数据统计分析方法的流程图，包括如下步骤：

首先执行步骤S201，分发终端发送数据限额指令至所述研究终端，所述数据限额指令决定所述研究终端能够采集的研究数据的上限。具体地，所述数据限额指令限定所述研究数据的方式有多种，例如，可以限定所述研究数据的数量，所述研究数据的设计内容全部采集完成后可以视为1例研究数据，则所述数据限额指令就是以例为单位予以限定；又例如，可以限定所述研究数据的总量，以数据的通常计量单位字节、千字节、兆字节、比特、千比特、兆比特等作为计算总量的单位，此时，当所述研究数据采集的数据总量超过预设的数据量阈值时，所述研究终端即不能继续采集数据。本领域技术人员理解，通过本步骤的限定，可以保证数据来源的广谱性，避免大量的数据来自于固定化的部分研究终端。

进一步地，执行步骤S202，设计终端配置所述研究数据的采集周期。具体地，设计终端具体负责研究数据的采集格式、内容、路径、方式的设计，而本步骤中所述的采集周期归属于所述研究数据采集方式，相应的，所述数据限额指令实际上也归属于所述研究数据的采集方式。更为具体地，所述研究数据的采集周期影响所述研究数据的生成频率。

作为步骤S202的一个具体的实现方式，所述采集周期按照以下公式T＝f(n)进行配置，其中,n表示所述研究数据所对应产品的使用周期，在本步骤中，并不具体限定该公式的运算式，本领域技术人员可以根据实际的应用个性化设计。本领域技术人员理解，配置固定系数的优点在于，采集周期与产品使用周期并不一定是相同的，优选地，可以配置一个固定系数，则T＝f(n)＝δ×n，更为优选地，所述固定系数的具体数值可以由研究终端予以设定，更大程度提高研究终端的采集自由度。

进一步地，执行步骤S203，所述研究终端根据数据限额指令以及所述采集周期采集所述研究数据。本领域技术人员理解，本步骤所限定的是所述研究数据的采集方式。具体地，本步骤通过两个维度限定采集方式，一是总数据量，二是采集周期，确保数据采集按时按量完成并符合实现本发明的目的。更为具体地，传统的研究数据的信息内容以研究为目的，且并不会对研究数据的采集方式做具体的限定，更不会将采集方式作为数据信息的一部分融入，本实施例中，将数据限额指令以及所述采集周期作为两项信息融入至所述研究数据中，为后续步骤做准备。

进一步地，执行步骤S204，提取来自研究终端的研究数据中的特征值集合X,所述特征值集合由所述研究数据的采集周期T和研究数据所对应产品的服用时长t组成。结合步骤S102的描述，本步骤只是具体限定了所述特征值集合，即，所述特征值集合包含两种元素，本领域技术人员理解，产品的服用时长作为通常研究数据的信息内容，包含在研究数据之中，其目的是用于辅助衡量产品的使用效果，但在本发明中，同样可以用于分析市场趋势。

进一步地，执行步骤S205，提取生成所述研发数据所对应时间点的销售数据，以步骤S204的所述特征值集合为自变量、所述销售数据为因变量构建函数表达式S＝f(X)＝f(T,t)，其中，T表示所述研究数据的采集周期，t表示所述研究数据所对应产品的服用时长，计算所述函数表达式的极值并将所述极值作为预测市场趋势的指数值。本领域技术人员可以结合步骤S103理解本步骤。

作为本发明的第二实施例，图3示出了一种提供警示信息的产品上市后研究的数据统计分析方法的流程图，包括如下步骤：

首先执行步骤S301，分发终端发送数据限额指令至所述研究终端，所述数据限额指令决定所述研究终端能够采集的研究数据的上限。本领域技术人员可以结合步骤S201理解本步骤。

进一步地，执行步骤S302，设计终端配置所述研究数据的采集周期。本领域技术人员可以结合步骤S202理解本步骤。

进一步地，执行步骤S303，所述研究终端根据数据限额指令以及所述采集周期采集所述研究数据。本领域技术人员可以结合步骤S203理解本步骤。

进一步地，执行步骤S304，提取来自研究终端的研究数据中的特征值集合X,所述特征值集合由所述研究数据的采集周期T和研究数据所对应产品的服用时长t组成。本领域技术人员可以结合步骤S204理解本步骤。

进一步地，执行步骤S305，提取生成所述研发数据所对应时间点的销售数据，以步骤S304的所述特征值集合为自变量、所述销售数据为因变量构建函数表达式S＝f(X)＝f(T,t)，其中，T表示所述研究数据的采集周期，t表示所述研究数据所对应产品的服用时长，计算所述函数表达式的极值并将所述极值作为预测市场趋势的指数值。本领域技术人员可以结合步骤S205理解本步骤。

进一步地，执行步骤S306，所述函数表达式确定后，继续采集所述研究数据并提取所述特征值集合，当所述函数表达式出现驻点时，监控系统向所述分发终端发出警示信号。本领域技术人员理解，驻点作为函数上的概念，其出现时，表示函数的输出值停止增加或者开始减少，即，驻点的出现表示了临界点的出现，本发明所要实现的目的即是通过对研究数据的分析发现市场趋势走向，而临界点的提前预测是本发明第一目的，实际运用中，当临界点出现时的警示，则更加具体实用性。具体地，当驻点出现时，其并不一定所述函数表达式的极值点，其往往表现出的局部的极限，或者称之为阶段性的极大值或极小值，这在对市场趋势把控时更为重要，就是通过阶段性的警示，防止市场趋势出现不可逆转的破坏。更为具体地，本步骤的实施是建立在函数表达式已经确定的前提下，即，此时的研究数据是继续采集而来的，而不是用于生成所述函数表达式的研究数据，新采集的研究数据得到后，进而获得新的特征值集合，相应的，以新的特征值集合作为自变量，可以得到对应的因变量即销售数据，该销售数据也并非用于生成函数表达式的历史销售数据，而是根据新采集的研究数据预测的销售数据，随着研究数据采集进程的推进，当某一组研究数据所对应的特征值集合与所述函数表达式的一阶偏导数为零的点相重合时，监控系统向分发终端发送警示信号。

作为本发明的第三实施例，图4示出了一种可调整的产品上市后研究的数据统计分析方法的流程图，包括如下步骤：

首先执行步骤S401，分发终端发送数据限额指令至所述研究终端，所述数据限额指令决定所述研究终端能够采集的研究数据的上限。本领域技术人员可以结合步骤S201理解本步骤。

进一步地，执行步骤S402，设计终端配置所述研究数据的采集周期。本领域技术人员可以结合步骤S202理解本步骤。

进一步地，执行步骤S403，所述研究终端根据数据限额指令以及所述采集周期采集所述研究数据。本领域技术人员可以结合步骤S203理解本步骤。

进一步地，执行步骤S404，提取来自研究终端的研究数据中的特征值集合X,所述特征值集合由所述研究数据的采集周期T和研究数据所对应产品的服用时长t组成。本领域技术人员可以结合步骤S204理解本步骤。

进一步地，执行步骤S405，提取生成所述研发数据所对应时间点的销售数据，以步骤S404的所述特征值集合为自变量、所述销售数据为因变量构建函数表达式S＝f(X)＝f(T,t)，其中，T表示所述研究数据的采集周期，t表示所述研究数据所对应产品的服用时长，计算所述函数表达式的极值并将所述极值作为预测市场趋势的指数值。本领域技术人员可以结合步骤S205理解本步骤。

进一步地，执行步骤S406，所述函数表达式确定后，继续采集所述研究数据并提取所述特征值集合，当所述函数表达式出现驻点时，监控系统向所述分发终端发出警示信号。本领域技术人员可以结合步骤S306理解本步骤。

进一步地，执行步骤S407，所述分发终端调整所述数据限额指令和/或所述采集周期。具体地，所述分发终端收到警示信号时，通常是暂停研究数据指标的分发，即，研究终端暂时停止研究数据采集工作，而本步骤实际上是通过调整研发数据的采集方式间接控制所述特征值集合，即，调整了用以生成所述函数表达式的自变量，最终实现更为精准的市场趋势预测和调整，同时，也通过调整研发数据的采集方式来影响市场走势。本领域技术人员理解，本发明所适用的产品大都是以研发驱动的产品为主，即，产品的销售主要依赖于专业技术上的推动，而并非简单以市场策略、销售策略为手段的产品，研发数据的采集方式会影响研究终端的采集行为，其间接性的会在产品的技术先进性、专业影响力上发挥作用，并最终反映在销量上，这相比于传统的以市场份额、价格走势、消费者群体变化为主要变量的销售数据分析方式，更加精准和可持续。

在一个更为优选的实施例中，当调整所述数据限额指令和/或所述采集周期超过一定次数时，例如，可以设定次数阈值，分发终端每次调整即计数一次，当调整次数超过次数阈值时，重复执行步骤S405，即，重新生成函数表达式，以便更为精准表达对市场趋势的预测。

作为本发明的第四实施例，图5示出了一种精确调控的产品上市后研究的数据统计分析方法的流程图，包括如下步骤：

首先执行步骤S501，分发终端发送数据限额指令至所述研究终端，所述数据限额指令决定所述研究终端能够采集的研究数据的上限。本领域技术人员可以结合步骤S201理解本步骤。

进一步地，执行步骤S502，设计终端配置所述研究数据的采集周期。本领域技术人员可以结合步骤S202理解本步骤。

进一步地，执行步骤S503，所述研究终端根据数据限额指令以及所述采集周期采集所述研究数据。本领域技术人员可以结合步骤S203理解本步骤。

进一步地，执行步骤S504，提取来自研究终端的研究数据中的特征值集合X,所述特征值集合由所述研究数据的采集周期T和研究数据所对应产品的服用时长t组成。本领域技术人员可以结合步骤S204理解本步骤。

进一步地，执行步骤S505，提取生成所述研发数据所对应时间点的销售数据，以步骤S504的所述特征值集合为自变量、所述销售数据为因变量构建函数表达式S＝f(X)＝f(T,t)，其中，T表示所述研究数据的采集周期，t表示所述研究数据所对应产品的服用时长，计算所述函数表达式的极值并将所述极值作为预测市场趋势的指数值。

进一步地，执行步骤S506，所述函数表达式确定后，继续采集所述研究数据并提取所述特征值集合，当所述函数表达式出现驻点时，监控系统向所述分发终端发出警示信号。本领域技术人员可以结合步骤S306理解本步骤。

进一步地，执行步骤S507，判断所述驻点是否属于鞍点,执行步骤S508，判断所述驻点是否属于极大值，执行步骤S509，判断所述驻点是否属于极小值。本领域技术人员理解，在所述函数表达式确定后，鞍点、极大值、极小值即可确定，当然，所述函数表达式可能仅存在鞍点、极大值、极小值中的一种或者几种，但这并不影响本发明的实现。具体地，随着研究数据采集进程的推进，当某一组研究数据所对应的特征值集合确定，本步骤即是用于判断所述特征值集合对应的点与所述函数表达式的鞍点、极大值、极小值的任一个点是否重合。更为具体地，图4中示出的步骤S507至步骤S509是同步执行的，作为一种变化，也可以先后执行，执行顺序不予限定。

进一步地，若所述驻点为鞍点，执行步骤S510，则调增所述数据限额指令以及调增所述采集周期；若所述驻点为极大值，执行步骤S511，则调减所述数据限额指令以及调增所述采集周期；若所述驻点为极小值，执行步骤S512，则调增所述数据限额指令以及调减所述采集周期。本领域技术人员理解，本段内容是用于指导实际的调整方案，即，如何通过调整采集方式影响市场趋势，其原因在于，调整所述数据限额指令以及所述采集周期必然会影响所述研究数据，例如，如果出现鞍点时，通过调整，可以避免出现极大值，例如，如果出现极大值时，通过调整，可以避免出现极小值。

在一个变化例中，若所述研究终端的采集方式与所述数据限额指令或者所述采集周期不匹配，则所述研究终端无法上传研究数据。具体地，当所述分发终端调整所述数据限额指令或者所述采集周期之后，可能会出现研究终端不适应的情形，即，研究终端仍然习惯于传统的采集方式，在本实施例中，通过系统设定采集拒绝指令的形式避免研究终端上传的研究数据不符合新的要求，同时，也进一步地控制了研究终端的采集行为，进而间接影响产品的销售。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims

1.一种产品上市后研究的数据统计分析方法，其特征在于，通过对产品上市后研究数据的统计分析预测市场趋势，包括如下步骤：

2.根据权利要求1所述的数据统计分析方法，其特征在于：所述步骤a包括如下步骤：

a2.设计终端配置所述研究数据的采集周期；

3.根据权利要求2所述的数据统计分析方法，其特征在于：所述步骤a2中，所述采集周期按照以下公式进行配置：

T＝f(n)，其中,n表示所述研究数据所对应产品的使用周期。

4.根据权利要求3所述的数据统计分析方法，其特征在于：所述特征值集合由所述研究数据的采集周期T和研究数据所对应产品的服用时长t组成，则所述步骤c中，S＝f(T,t)。

5.根据权利要求3所述的数据统计分析方法，其特征在于：所述步骤c之后执行如下步骤：

6.根据权利要求5所述的数据统计分析方法，其特征在于：所述步骤d之后执行如下步骤：

e.所述分发终端调整所述数据限额指令和/或所述采集周期。

7.根据权利要求6所述的数据统计分析方法，其特征在于：所述步骤e包括如下步骤：

8.根据权利要求6所述的数据统计分析方法，其特征在于：若所述分发终端调整所述数据限额指令和/或所述采集周期的次数超过次数阈值，则重新开始执行步骤c，所述次数阈值由监控系统设定。

9.根据权利要求1至8所述的数据统计分析方法，其特征在于：若所述研究终端的采集方式与所述数据限额指令或者所述采集周期不匹配，则所述研究终端无法上传研究数据。