и
Scient) и для легиона других. А общим результатом работы стало превращение идеи коммерции в Internet в реальность. Internet так далека от вертикального рынка, что дальше не бывает. Она бы просто не работала без переплетения разнообразных альянсов.
Альянсы такого рода часто создаются и поддерживаются на уровне менеджера по маркетингу продукта. Обычно на возможность создания такого альянса обращают внимание продавцы или сотрудники отдела поддержки клиентов, случайно столкнувшись у клиента с потенциальным союзником. Однако такие возможности можно и предугадывать, рассматривая целостный продукт с точки зрения его привлекательности для покупателя. Главное заключается в том, что это тактические альянсы, продиктованные необходимостью создания целостного продукта, а не стратегические альянсы, продиктованные… ну в общем тем, чем они продиктованы (по-моему, главная причина стратегических альянсов кроется в том, что слишком многим руководителям нечем заняться).
Чтобы увидеть, как все это может работать, рассмотрим конкретный пример. Pharsight Corporation — начинающая компания по разработке программного обеспечения для фармацевтической отрасли. Она решила создать совершенно новый продукт — компьютерное моделирование клинических испытаний медицинских препаратов. Целевой покупатель — руководитель, отвечающий за клинические испытания. Побудительная причина для покупки заключается в том, что свыше половины очень дорогих и длительных клинических испытаний новых медицинских препаратов дают не всегда убедительные результаты. Решение этой проблемы в улучшении планирования клинических испытаний, но до сего дня это оставалось уделом опытных статистиков (отдельная наука) или опытных клиницистов (черная магия), а не дисциплиной, подвластной простым смертным.
Pharsight вывела на рынок программное обеспечение, которое позволяло структурировать проведение клинических испытаний систематическими методами, а также использовать результаты предыдущих испытаний для создания моделей будущих испытаний. Более того, компания приобрела продукты своих основных конкурентов и, объединив три линейки, смогла делать клиентам комплексное предложение. Но этого недостаточно.
Для того чтобы смоделировать клинические испытания, нужно иметь «данные для моделирования», т. е. необходимо ввести нечто для моделирования результатов на основе предыдущего опыта. Одни модели можно использовать несколько раз: модели групп пациентов, которые могут служить базой для сравнения, например, с контрольной группой, или аналитические модели для контроля взаимодействия множественных переменных. Другие модели будут специфичными для класса препаратов или группы болезней (часто такие модели приходится создавать не на базе цифр или официально собранных данных, а на основе мнений и опыта экспертов).