您所在的医药细分领域是？
化学制药
生物制药
中药/天然药物
医疗器械
医药流通/零售
CXO（医药研发生产外包）
其他医药相关领域
您的工作岗位层级是？
基层执行岗（专员/助理）
中层管理岗（主管/经理）
高层管理岗（总监/副总及以上）
专业技术岗（研究员/分析师）
其他岗位
您所在团队平均每年产出医药相关调研报告的频次是？
1-2份
3-5份
6-10份
10份以上
暂未独立产出过完整调研报告
您开展医药行业相关调研时，常用的一手数据收集渠道有哪些？
企业深度访谈（药企高管/研发人员/销售代表等）
临床医生/患者问卷调研
线下行业展会/学术会议实地调研
自有用户/会员数据库调取
神秘顾客/终端门店走访
其他一手渠道
您开展医药行业相关调研时，常用的二手数据来源有哪些？
国家药监局/医保局/卫健委等官方公开数据
医药行业协会发布的年度/季度报告
Wind/米内网/药智网等专业医药数据库
券商发布的医药行业研报
公开学术期刊/临床研究文献
企业官网/招股书/年报等公开披露信息
其他二手来源
您在收集医药调研数据时，最常遇到的核心障碍是？
核心业务数据（如真实销量/在研管线进度）获取难度大
数据来源分散，跨渠道整合成本高
不同来源数据口径不一致，可信度难验证
涉及患者隐私/商业机密，数据合规风险高
数据更新滞后，无法匹配快速变化的行业政策
其他障碍
请您对当前常用各类医药数据来源的整体可信度进行评分（1分=极不可信，5分=完全可信）
分数 ★ ★ ★ ★ ★
标签 ★ ★ ★ ★ ★
针对医药政策（如集采、医保谈判）相关的调研内容，您优先选择哪些数据收集方式？
跟踪官方政策文件及解读发布会
访谈政策影响下的药企/医院/药店相关负责人
采集政策落地后的终端销售/处方量变化数据
参考同类政策的历史影响研究成果
调研患者对政策调整后的用药反馈
其他方式
您在医药调研数据清洗阶段，通常会投入多少比例的项目时间？
10%及以下
11%-20%
21%-30%
31%及以上
您处理医药调研数据时，常用的数据分析方法有哪些？
描述性统计分析（规模/增速/占比等基础指标计算）
对比分析（跨企业/跨区域/跨时间维度对标）
相关性/回归分析（挖掘影响因素间的关联关系）
PEST/SWOT/波特五力等行业框架分析
患者用药行为/医生处方行为的聚类分析
药物经济学成本-效益分析
预测模型分析（如市场规模预测、管线成功率预测）
其他分析方法
您在分析医药细分赛道（如创新药、医疗器械）投资价值时，最核心的分析维度是？
赛道市场规模及未来增长空间
竞争格局及头部企业壁垒
政策支持力度及监管导向
技术成熟度及临床价值
医保/商保支付覆盖能力
产业链上下游配套完善度
其他维度
请您对自身团队当前医药调研数据分析方法的专业度进行评分（1分=非常不专业，5分=非常专业）
分数 ★ ★ ★ ★ ★
标签 ★ ★ ★ ★ ★
您认为当前医药调研报告在数据应用层面存在哪些普遍问题？
数据堆砌，缺乏与核心结论的强关联
样本量不足或样本代表性不够，结论说服力弱
分析方法单一，无法挖掘数据背后的深层逻辑
数据时效性差，结论滞后于行业变化
对异常数据缺乏合理解释，存在结论偏差
可视化呈现不足，数据可读性差
其他问题
您所在团队是否会引入AI工具辅助医药调研的数据收集与分析工作？
已全面应用，覆盖数据爬取、清洗、分析全流程
部分应用，主要用于初步信息整理和基础数据统计
正在试点评估阶段，尚未规模化使用
暂未使用，未来1-2年有引入计划
暂未使用，且暂无引入计划
您认为AI工具对提升医药调研数据处理效率的帮助程度如何？
帮助极大，可减少50%以上的重复性工作
帮助较大，可减少30%-50%的重复性工作
帮助一般，可减少10%-30%的重复性工作
帮助较小，仅能完成非常基础的辅助工作
暂无明显帮助
在医药调研数据全流程管理中，您认为最需要强化的能力模块是？
多源异构数据的合规获取能力
非结构化数据（如临床文献、访谈记录）的结构化处理能力
面向医药行业特性的定制化分析模型搭建能力
数据驱动的前瞻性趋势预判能力
调研数据的安全存储与隐私保护能力
数据结论的可视化呈现与落地转化能力
其他能力模块
您开展医药调研相关工作的年限是？
1年及以下
1-3年
3-5年
5-10年
10年以上
结合您的实操经验，您对优化医药行业调研的数据收集与分析方法还有哪些具体建议？