odborný seminář ČSSI Praha 24.března 2006 Josef Vejlupek

Prezentace na téma: "odborný seminář ČSSI Praha 24.března 2006 Josef Vejlupek"— Transkript prezentace:

1 Implementace kompletního BI řešení na platformě SAS v České podnikatelské pojišťovně, a.s.
odborný seminář ČSSI Praha 24.března 2006 Josef Vejlupek Česká podnikatelská pojišťovna, a.s. Projekt manager

2 Česká podnikatelská pojišťovna, a.s.
7. největší pojišťovna v ČR 5. největší neživotní pojišťovna v ČR Specializace na pojištění vozidel – 3. místo na trhu v povinném ručení 800 tisíc smluv, předepsané pojistné - za rok ,1 mld Kč 60 poboček, 650 kmenových zaměstnanců, >6500 spolupracovníků Strategičtí partneři: VZP, HVP, Česká pošta – prodej produktů v prodejních sítích

3 …a vznikla očekávání Podpora rozhodování pro různé úrovně řízení
Zajištění jednotné datové základny = jediné pravdy Zdroj nezkreslených finančních a provozních statistik Výkaznictví vzhledem ke státu, ČKP, ČAP Uživatelské vytváření pokročilých analýz Podpora tvorby nových produktů Hodnocení ziskovosti produktů Hodnocení prodejních kanálů Sledování výkonů pracovníků Sledování škodních průběhů Sledování a analýza pohledávek Predikce cash-flow Segmentace klientské základny Vytěžení potenciálu zákazníků Prevence a odhalování pojistných podvodů

4 Faktory úspěchu projektu
Identifikován sponzor (CIO) Během prvních dnů realizován POC nad daty ČPP Workshopy s vrcholovým vedením definovaly obchodní cíle Zvolen přírůstkový přístup – budování ve více etapách Každá etapa měla fáze s definovanými výstupy k odsouhlasení Assessment a sběr požadavků Návrh Realizace Testování Kombinovaný tým SAS a ČPP (projektový manager na obou stranách) Česté workshopy s uživateli, řízení očekávání Transfer know-how a spolupráce při následném rozvoji řešení

5 Implementaci SAS přizpůsobil prioritám ČPP a datovým zdrojům
První etapa / 2003 Třetí etapa 06 – 10 / 2004 Smlouvy, rizika, objekty, klienti, pojistné události a výplaty, škodní rezervy, zaměstnanci, předpisy, platby, pohledávky extranet, zákaznické analýzy, analýzy rizik, podpora call centra, podpora detektivů Druhá etapa 12 / / 2004 Následná spolupráce Rezervy a podíly ŽP, regresy, zajištění, sjednatelé a provize, účetnictví, náklady a plány Knowledge transfer Správa a další vývoj interně (geografické analýzy, rizikové profily) Školení pro IT a business

6 Řešení nyní pokrývá celou činnost pojišťovny

7 OLAP REPORTING DATAMINING
Architektura Aplikace (nad datamarty) OLAP REPORTING DATAMINING Navazující aplikace ETL PROCESY Exportní rozhraní (přímý přístup do DBMS, výjimečně textové extrakty) txt Řízené metadaty Primární systémy (měnící se) Provozní systémy Účetnictví Externí data Plány Evidence Datamarty (unifikované a opakovaně použitelné) MART1 MART3 MART2 Master Data Store Operational Data Store (integrovaný datový model nezávislý na prim. systému, denní načítání) DWH - historie DWH - aktuální Staging area (kopie primárních dat, nebo vytváření inkrementů)

8 Technické parametry Každý den se načítá několik set tabulek (>50 GB) a návaznými ETL procesy každodenně projde >300 GB dat Automatizované ETL procesy řízené metadaty a kvalitou dat Automaticky generovaná dokumentace obsahu pro uživatele Provozní a vývojové prostředí Zahrnuje technologie ETL, čištění a uložení dat, reporting i datamining Několik stanic pro vývoj nové funkcionality Plný přístup k DWH pro cca 25 uživatelů – analytiků Všichni zaměstnanci mohou k DWH přistupovat přes portál Statické a dynamické reporty (>100) OLAP analýza (>20) Detailní info o zákaznících (call centrum, detektivové, ...) Analytické aplikace (geografická analýza, segmentace, ...)

9 Načítání dat (I) Z počátku 1x týdně, postupně tlak na zvýšení počtu načítání Od nasazení druhé etapy se načítá denně Postupně se čas prodlužoval Po zavedení třetí etapy začala být délka načítání neúnosná Jeden z důvodů prodlužování času načítání – fragmentace disku (způsobuje současný běh více úloh načítání) Upřesňovaly se požadavky, vznikaly nové požadavky, některé požadavky se opouštěly

10 Načítání dat (II) Jednou týdně se provádí defragmentace paměti
Převedení části načítacích úloh vytvořených SASem do týdenního zpracování (datamarty, OLAPy, reporty) Vytvoření vlastních ETL procesů jako doplněk k ETL procesům vytvořených SASem – dva důvody: Požadované změny Zkrátit čas načítání Negativní vlivy na načítání – spouštění dávek v provozních a dalších systémech

11 Uživatelé datového skladu
Během prvních dvou etap jen pracovníci centrály Později umožněn přístup pracovníkům na pobočkách Ve třetí etapě umožněn nepřímý přístup externím organizacím (sjednatelům) Dělení uživatelů: Uživatelé aplikace datového skladu (OLAPY, statické a dynamické reporty) Uživatelé využívající produkt SAS Enterprise Guide (poskytuje širokou škálu nástrojů od jednoduchých dotazů po pokročilé statistické analýzy)

12 Automaticky generovaná dokumentace dat
Je využita při vytváření těchto tabulek Popisovaná tabulka Vytvářena ETL procesy z těchto tabulek

13 GOLEM – univerzální kmen
Smlouvy - aktuální GOLEM – životní kmen Smlouvy

14 Údaje ke smlouvám Smlouvy Smlouvy - aktuální

15 Smlouvy - aktuální Výplaty pojistných událostí - aktuální Údaje ke smlouvám Segmentace pojištění vozidel

16 Dobře připravená a dokumentovaná data jsou základem Business Intelligence ...

17 Přínosy projektu pro ČPP (I)
Zpřístupnění denně aktualizovaných provozních dat pro odborné útvary ÚPMV, ÚŽP, ÚNŽP Nástroje pro analýzy OLAP, statistické metody Zlepšení přímé komunikace se zákazníky On-line podpora Call centra Poskytování vybraných informací obchodním partnerům On-line podpora prostřednictvím webu, datové extrakty Kontrola interních procesů Rekonciliace finančních informací s provozními daty

18 Přínosy projektu pro ČPP (II)
Podpora mandatorního výkaznictví a obchodního plánování Různé úrovně agregace dat Detail na úrovni elementárních rizik Rozšíření podpory odborných útvarů Segmentace zákazníků Výpočet rezerv ŽP, bilanční sestavy a solventnost Podpora úseků Pojistné matematiky a Zajištění Run-off analýzy, IBNR rezervy, analýza rizik Geografická analýza Fraud management, cílený marketing

19 Business Intelligence
Vliv na obchod a řízení Návratnost Optimalizace Čeho by se dalo dosáhnout ? Prediktivní modelování Popisné modelování Ad hoc reporting a OLAP Co se stane ? Standardní reporting Proč se to stalo ? Konsolidovaná data Zdrojová data Co se stalo ? Data Informace Znalost Inteligence

20 Řešení SAS pro pojišťovnictví
Popis historie – reporting, OLAP, specializované aplikace, ad-hoc analýzy Referenční datový model, předpřipravená řešení, metodologie Pohled do budoucna – analýzy, pochopení, predikce, řízení Integrovaná datová základna, čištění dat a odvozené datamarty Uložení dat a sledování historie, uložení OLAP, metadata DATA INTELIGENCE

21 Děkuji za pozornost Josef Vejlupek Česká podnikatelská pojišťovna, a.s.