Implementace kompletního BI řešení na platformě SAS v České podnikatelské pojišťovně, a.s.

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. 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 2005 4,1 mld Kč 60 poboček, 650 kmenových zaměstnanců, >6500 spolupracovníků Strategičtí partneři: VZP, HVP, Česká pošta – prodej produktů v prodejních sítích Česká podnikatelská pojišťovna, a.s.

3. 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 …a vznikla očekávání

4. 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 Faktory úspěchu projektu

5. Implementaci SAS přizpůsobil prioritám ČPP a datovým zdrojům První etapa 03 - 09 / 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 / 2003 - 04 / 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. Navazující aplikace Aplikace (nad datamarty) OLAP REPORTINGDATAMINING ETL PROCESY Datamarty(unifikované a opakovaně použitelné) MART1 MART2 MART3 Master Data Store Operational Data Store (integrovaný datový model nezávislý na prim. systému, denní načítání) txt txt txt DWH - historie DWH - aktuální Staging area (kopie primárních dat, nebo vytváření inkrementů) Staging area Exportní rozhraní(přímý přístup do DBMS, výjimečně textové extrakty) Řízené metadaty Primární systémy (měnící se) Externí data Provozní systémy Účetnictví Plány Evidence Architektura

8. 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, ...) Technické parametry

9. 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 Načítání dat (I)

10. 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 Načítání dat (II)

11. 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) Uživatelé datového skladu

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. 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 Přínosy projektu pro ČPP (I)

18. 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 Přínosy projektu pro ČPP (II)

19. Čeho by se dalodosáhnout ? Co se stane ? Proč se to stalo ? Co se stalo ? Business Intelligence Vliv na obchod a řízení Návratnost Optimalizace Prediktivní modelování Popisnémodelování Ad hoc reportinga OLAP Standardníreporting Konsolidovanádata Zdrojovádata Data Informace Znalost Inteligence

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

21. Děkuji za pozornost Josef VejlupekČeská podnikatelská pojišťovna, a.s.