Product Lead, Portfolio Insights AI

Die Position ist verantwortlich für die Revolutionierung von Roche's kommerziellen und Portfolio-Entscheidungen durch die Architektur einer "einzigen Quelle der Wahrheit" für Portfolio-Insights. Der Hauptzweck besteht darin, umfassende, qualitativ hochwertige interne und externe Portfolioinformationen mit fortschrittlichen analytischen Modellen und agentic AI zu verbinden. Durch die Demokratisierung des Zugangs zu Echtzeit-Wettbewerbs- und integrierten Finanz- und Markteinblicksdaten ermöglicht dieser Führer objektivere, transparentere und datengestützte Entscheidungen, die Roches Wettbewerbsposition stärken und den Wert der Pipeline maximieren.

Der Umfang dieses Programms umfasst die End-to-End-Integration von Daten und Insights über die gesamte Wertschöpfungskette:

• Integriertes Datenökosystem (Die Quelle): Konsolidierung fragmentierter interner Daten mit verschiedenen externen Datensätzen, einschließlich Wettbewerbsintelligenz, Epidemiologie, sozialen Mediendaten, Marktforschung und syndizierten Datenquellen.
• Intelligente Automatisierung: Implementierung von KI-gestützten Tools zur Automatisierung der Einsichtsgenerierung, Reduzierung manueller Berichtsbelastungen und Bereitstellung von Echtzeitwarnungen für Marktereignisse und Veränderungen in der Wettbewerberpipeline.
• Stakeholder-zentrierte Lösungen: Enge Zusammenarbeit mit jeder Stakeholder-Gruppe, um sicherzustellen, dass die Portfolio-Insights-Plattform direkt auf ihre einzigartigen funktionalen Bedürfnisse eingeht, von Investor Relations bis hin zu REDs, PD und GPS.

Die Gelegenheit:

• Leiten Sie das vereinte Team, bestehend aus dem Business Product Leader (Ihnen), Digital Tech und Business Activation. Sie sind verantwortlich für das Design, die Priorisierung von Funktionen, den analytischen Rahmen/die Methodik, die Datenanforderungen sowie die Ausführung und das Management von Analytik- und Datenprodukten für dieses spezielle Produkt.
• Erstellen Sie das Gesamtdesign, den Business Case, die Datenstrategie, den analytischen Ansatz und die Benutzeroberfläche für das Analytics-Produkt.
• Verwenden Sie Jira und Scrum-Methoden, um geschäftliche "Schmerzpunkte" in einen gepflegten Backlog technischer Funktionen mit klaren, zeitgebundenen Meilensteinen zu übersetzen.
• Priorisierung von Funktionen: Unbarmherzig die Produkt-Rückstandsliste basierend auf der Schnittmenge von Geschäftswert, Datenbereitschaft und technischer Machbarkeit priorisieren.
• Sicherstellen, dass Insights dort geliefert werden, wo Entscheidungen getroffen werden. Ob es sich um Veeva/CRM, Marketingautomatisierung oder benutzerdefinierte digitale Tools handelt, die Analytik muss in den bestehenden Workflow eingebettet sein, nicht als separates Ziel.
• Gestalten Sie "Best-in-Class"-Schnittstellen, die intuitiv und "nicht-wissenschaftlich" für den Endbenutzer sind, und überzeugen Sie die Field- und Medical-Teams, zur richtigen Zeit die richtigen Maßnahmen zu ergreifen.
• Besitzen Sie die "Final Mile". Sie sind verantwortlich für die Steigerungsrate der Akzeptanz und die Messung des greifbaren "Lift"-Impacts, der durch das Produkt erzeugt wird.
• Definieren Sie strenge Validierungskriterien. Sie müssen bereit sein, ein Produkt "zu töten", wenn die EDA (Explorative Datenanalyse) ein niedriges Signal-Rausch-Verhältnis zeigt oder wenn die Datenquellen keine skalierbare Lösung unterstützen können.
• Vereinfachen Sie komplexe KI-Konzepte in strategische Narrative für die C-Suite/Senior Leadership. Sie müssen die "Ausgaben" rechtfertigen, indem Sie nachweisen, wie die Engine funktioniert.

Wer Sie sind:

• Tiefes Verständnis des medizinischen/kommerziellen Lebenszyklus in den Lebenswissenschaften (HCP-Engagement, Patientenreisen, Regulierung/Compliance).
• Erfahrung im Aufbau von KI- und agentic AI-Lösungen in großem Maßstab.
• Tiefe Expertise in der Durchführung von sekundären und primären Forschungen für Strategien im Krankheitsbereich/BD&L.
• Tiefe Expertise im Aufbau von Prognosemodellen und Marktgrößenanalysen.
• Sie müssen verstehen, "wie die Engine funktioniert." Dazu gehört ein starkes Verständnis von Cloud-Stacks, Datenengineering, API-Integrationen und MLOps.
• Praktische Erfahrung mit modernen Data Warehouses (Snowflake/Databricks).
• Die Fähigkeit, als "Mini-CEO" Ihrer Produktlinie zu agieren und sich in einer komplexen Matrixorganisation zurechtzufinden, um Dinge zu erledigen.

Roche ist ein Arbeitgeber, der Chancengleichheit bietet.