Von der Initialisierung zur Wertschöpfung. SAP-Kongress für Versicherer 2014 Baden-Baden

Transkript

1 2.0 Von der Initialisierung zur Wertschöpfung SAP-Kongress für Versicherer 2014 Baden-Baden May, Michael (Geschäftsführer // th!nkbetter AG) Speh, Jürgen (Head BICC // AXA Winterthur),

2 Agenda Vorstellung th!nkbetter AG // AXA Winterthur Reifegradentwicklung von Herausforderung: Wertschöpfung & Effizienz Use Cases: Wo schon Wertschöpfung erzielt 2

3 Unternehmensvorstellung - th!nkbetter AG - Standort Gottlieben Über 40 Berater blog.thinkbetter.ch Eine gute Idee sollte nicht nur den Geist beflügeln, sondern ihre Tragfähigkeit auch in der Realität beweisen. 3

4 Auszug Projektreferenzen im Versicherungsumfeld - th!nkbetter AG - EDWH auf Basis SAP-BW und LSA Integration von 30 Quellsystemen Domänen: Partner, Vertrag, Schaden, Offerten, Fakturen, Service Center, CRM, FI/CO Plattform für Standard-Reporting und agile Datenanalyse Konzeption einer Referenzarchitektur für die Integration einer heterogenen Systemlandschaft (SAP und Non-SAP) Umfangreiche ABAP-Extraktoren für das Befüllen von Reporting-Applikationen Aufbau analytischer Datamarts für BEx- Reporting und SQL-basierte Auswertungen Konzeption und Entwicklung eines Data-Quality- Management-Frameworks inkl. Reporting- Komponente 4

5 Auszug Projektreferenzen im Versicherungsumfeld - th!nkbetter AG - Analyse-Applikationen im Versicherungsbereich Versicherungsspezifisches Finanz-KPI-Reporting (Basis für Kundensegmentsteuerung) Informationssysteme für die Vertriebssteuerung Produkt-Informationssysteme Schadens-/Leistungs-Informationssysteme Offert-Informationssystem CRM Analytics Prozess-Performance-Informationssysteme FI/CO-Reporting und -Planning HR-Reporting BI-Performance-Monitoring (technischer Content) POC BO Frontend Tools 5

6 Unternehmensvorstellung - AXA Winterthur - Die AXA-Gruppe Einer der weltweit grössten Versicherer 102 Mio. Kunden weltweit 90,1 Mrd. Euro Geschäftsvolumen 4,3 Mrd. Euro operatives Ergebnis Mitarbeitende (inklusive Aussendienst) Vertreten in 57 Ländern Die AXA in der Schweiz 1,87 Mio. Privat- und Unternehmenskunden 11,4 Mrd. CHF Geschäftsvolumen in 2012 Marktanteile 2011: Lebensversicherung 28,4 %, Schadensversicherung 13,1 % Über Mitarbeiter und ca Partner im Exklusivvertrieb Die Schweiz ist ein Kernmarkt der AXA-Gruppe Die AXA ist ein dynamisches und innovatives Unternehmen. Ihre Marke zählt zu den wertvollsten der Welt. Die AXA Winterthur ist die Nummer 1 im Versicherungsmarkt Schweiz. 6

7 Agenda Vorstellung th!nkbetter AG // AXA Winterthur Reifegradentwicklung von Herausforderung: Wertschöpfung & Effizienz Use Cases: Wo schon Wertschöpfung erzielt 7

8 BI als Asset für die AXA Winterthur Faktenbasierte Kultur der AXA mit BI Faktenbasierte Kultur ist ein wesentlicher Treiber für die transversale Zusammenarbeit der AXA CH. Lösungsbeitrag von ist der wesentliche Enabler für die digitale Transformation und Big Data. Wirkungsfelder von unterstützt alle strategischen Schwerpunkte der AXA CH. Best-in-Class" Unternehmen integrieren Daten in daily business" platzieren Daten als zentrale Basis für operative und strategische Entscheide (= datengetriebene Entscheidungsfindung") fördern einen Kultur des kritischen und faktenbasierten Hinterfragens etablieren transversale Datenanalysetechniken und Datentransfers definieren systematische Sammlung und Erfassung von Unternehmensdaten als strategisches Asset schulen ihre Mitarbeiter systematisch in Datennutzung und -analyse erhalten für die Etablierung der fakten- und datengetriebenen Unternehmenskultur Top- Management-Support (C-Level Support) rekrutieren, fördern und halten Analytical Talents in einem transversalen Umfeld BI & Analytics helfen, den profitablen Kunden zum richtigen Zeitpunkt über den richtigen Kanal mit dem richtigen Angebot anzusprechen ( 360 Sicht und triggerbased CRM). BI liefert die benötigen Daten und Systeme zur Optimierung von Pricing und Risikoselektion. BI ermöglicht durch Transparenz die Optimierung von Prozessen und steigert den Automatisierungsgrad. BI unterstützt die ganzheitliche Steuerung durch Transparenz in der Geschäftsentwicklung und ermöglicht Entscheidung. 8

9 Entwicklungscluster von Stand und Phasen bei der AXA Schweiz 1.0 ( ) 2.0 ( ) 3.0 (> 2016) Welle I: Initialisierung & Aufbau Schaffung BI-Infrastruktur Aufbau einer zentralen BI-Organisation Entwicklung von BI Capability (Prozesse & Methodik) Datenintegration entlang der Wertschöpfungskette von P&C HR; FI; Business Partner; xxx; Welle II: Wertschöpfung & Effizienz: Organisation und Anpassung des Ressourcenund Skillmix Business-Prozess-Optimierung durch BI-Einsatz Weiterführende System-Konsolidierung und Harmonisierung der Business Logik; Vorbereitung der Trendthemen (Big Data, Digitalisierung etc.) Welle III: als Enabler: Verwendung/Integration von Trends (Big Data, Digital, Social Media Location Intelligence, Predictive Analytics,...) als Verbindung zwischen Strategie-, Management- und Betriebsprozessen Umfassendes Steuerungstool entsprechend der Wertschöpfungsketten und Finanzsteuerung aufgebaut Infrastruktur BICC EDWH Lean UDM & Geschäftsregeln BI-Nutzungsszenarien Das digitale Unternehmen 9

10 Welle I: Initialisierung & Aufbau Ausgangssituation & Zielstellung 2010 Ausgangssituation Drastische Steigerung der BI-Nachfrage, die mit der Ausgangsituation nicht erfolgreich bewältigt werden kann. Erhebliche Konsolidierungs- und Optimierungspotentiale innerhalb der BI Domäne. Infrastruktur Diverse DWHs und DWH-ähnliche Datenbestände mit zunehmenden Überschneidungen (z. B. Oracle & Informatica/SAP-BW) SAP-BW/-BWA als Reporting-Plattform (> 5500 User) und erhebliche Anzahl an Bypass-Reportings" auf anderer Technologie Data Analytics hauptsächlich SAS-basiert (verwaltet von verschiedenen Fachbereichen, basierend auf unterschiedlichsten Konzepten) Prozesse & Organisation Fehlen einer zentralen BI-Governance Nur lokale/ressorteigene Koordination und Priorisierung von BI-Anforderungen Data Governance fehlend oder unvollständig Widersprüche in der Berichterstattung Redundante Organisationsformen pro BI-Infrastruktur (Business und IT) Zielstellung Technologie EDWH als SPOT etablieren und DWH s konsolidieren SAP-BI/-BW als EDWH und Reporting-Plattform SAS als Data-Mining und analytisches Werkzeug Organisation Zentrales BI Competence Center als interner BI Service Provider (AXA CH + AGS ) BI Board als oberstes Gremium, um Anforderungen zu priorisieren und die BI Entwicklung zu lenken BI als Service für Fachbereiche Prozesse & Methodik Klare Architekturrichtlinien Definition spartenübergreifender KPIs Implementierung EDWH mittels budgetierter BI-Projekte Schnittstellenanforderungen bündeln und Synergieeffekte nutzen 10

11 Welle I: Initialisierung & Aufbau Erreichter Nutzen & Erfolgsfaktoren 2013 Nutzen & Stand Das Projekt Operationalisierung BI-Strategie (OBIS) wurde im März 2013 als erster grosser Schritt zur Realisierung der neuen BI- Strategie erfolgreich beendet. BI als Unternehmensdisziplin wird verstanden und entwickelt. Kosten & Organisation Höhere Effizienz bei der Erbringung von BI- Dienstleistungen mittels BICC Reduzierte Kosten (40-50 %) trotz massiven Wachstums durch konsolidierte Systemlandschaft und Ausnützung von Skaleneffekten Übergreifende Plattform zum Aufbrechen von Fachbereich- Silos Funktionalität & Nutzbarkeit Sicherheit und Akzeptanz durch Single Point of Truth Hohe Anzahl an Auswertungsmöglichkeiten in gesicherter Qualität Hohe Verfügbarkeit der Daten im EDWH Einfache Bereitstellung der Daten zum Reporting Erfolgsfaktoren Grundlagen Klare BI-Strategie für anstehende Projekte Schaffen einer zentralen BI-Organisation Implementierung eines Single Point of Truth Starkes Sponsorship der Geschäftsleitung Umsetzung Entwickeln, Kommunizieren und Durchsetzen von eindeutigen Entwicklungsrichtlinien Keine Frozen Zone während des Aufbau des EDWH: BI lebt von seiner Akzeptanz Agiles Projektmanagement, Reengineering implizit BI als Konzept und Philosophie etablieren! Übergreifendes Verständnis für SAP BW als EDWH und Reporting-Plattform 11

12 Bausteine Exkurs: Unternehmensmodell P&C (Kern) Content-Objekt-Modell - Prozesssicht Definition Das Unternehmensdatenmodell (UDM) ist die Datenbasis für das klassische Reporting, und für die agile Analyse. Im UDM werden Daten aus unterschiedlichen Quellen/Feedern harmonisiert abgelegt. Die Geschäfts-/Branchenlogiken werden einmal berechnet und die Ergebnisse zentral abgelegt. Sinn & Zweck Anforderungen Effektivität: Verknüpfbarkeit von Daten Harmonisierter Zugriff Anforderungen Effizienz Weniger Ressourcen bei steigendem Demand Schnellere BI-Entwicklungen (Time to Market) Wiederverwendbarkeit Daten (UDM) System (Frontend, Backend) People (Skills, Education) Prozesse (Methodik, Governance) 12

13 Welle I: Initialisierung & Aufbau Lesson Learned und Takeaways 2010: Dateninseln und Einzellösungen Beschreibung der Situation Jedes analytische System integriert die Daten und definiert die Geschäftsregeln eigenständig Realisierung von Einzelanforderungen Datensilos und PS-Inseln im DWH Bewertung/Risiko Auswertungen können nur bedingt verglichen werden. Aufwände für Abgleiche und Unstimmigkeiten : Übergreifende Datenhaltung Beschreibung der Situation Einmalige Integration der relevanten Transaktionsdaten in ein zentrales EDWH Kompetenzaufbau für Datenmodellierung und Datenqualität (EDWH) -Integration in die IT Gesamtstrategie Bewertung/Risiko Neue Applikationen können auf bestehenden aufsetzen. Reduktion der Belastung der Feeder Risiko der Anwendung unterschiedlicher Geschäftsregeln bleibt bestehen Datenbasis (technisch) Datenbasis (Nutzung) Datenbasis (technisch) UDM ff: Gemeinsame Geschäftslogik (UDM) Beschreibung der Situation Einmalige Berechnung der entsprechenden Geschäftslogik und zentrale Ablage der Ergebnisse Bewertung/Risiko Geschäftsregeln können wiederverwendet werden Der Data-Owner definiert und steuert die Geschäftslogik Datenbasis (Nutzung) Datenbasis (technisch) UDM Einzelberichte Einzelberichte Einzelberichte Isolierte, retroperspektivische Einzelberichtsfertigung Abgestimmte Berichtsplattform Transversale Datenbasis und homogene Business- Logik auf Tagesbasis Analytische Plattform Readiness für analytische Anwendungen und as a Service = BIaaS = Standardreporting 13

14 Reporting Analytics Der Mehrwert von Leverage Anwendungen und Nutzenpotential Reporting besitzt einen hohen Reifegrad Umfassendes Reporting ermöglicht in den Ressorts Transparenz und Effizienz P&C LOB- Reports Betrugserkennung Life Cockpit (APEs IL & GL) Build Reporting LARA Magnitude Copernic Actuarial Report Customer Segment Value Distribution Reporting Ressort & Fachbereich HR Compass Resultate Abwicklungseffizienz Kunden- Segmentierung Rendement PFM Analyse BIG DATA Customer Segment Report Zukünftige Potentiale liegen primär auf der Business-Seite in der operativen, datengetriebenen Entscheidungsunterstützung Vom isolierten Reporting zur transversalen Datennutzung und - analyse Pricingoptimierung Produktmanagement Vertriebs- Produktion Kunde Produkt Leistung Cost Controlling Kundenwert U Solvency Reporting Transversalität Prognosen Leverage Kundenkontakte (off- & online) Vertriebseffizienz Wachstumspotential Profitabilitätstreiber Risikomanagement Digitalisierung Controlling Cockpit BTC-Reports 1. Standard-Reporting für die Bereiche P&C; HR; Controlling, Distribution; CFO und Marketing. 2. Regulatorisches Reporting für SST, SII; Grundlagen für PIII. 3. Erste transversale Reports. Standard-Reporting (darstellen bewerten ) Erreichtes Reifegrad Prognose (agieren optimieren) Analyse (verstehen reagieren) 1. Verstärkte Realisierung von analytischen und transversalen Anwendungen mit Business Cases 2. Realisierung von Standard- Reporting für L&S FTE Reporting Nächste Schritte 3. Vorbereitung von für die digitale Transformation (BIG DATA) 14

15 Agenda Vorstellung th!nkbetter AG // AXA Winterthur Reifegradentwicklung von Herausforderung: Wertschöpfung & Effizienz Use Cases: Wo schon Wertschöpfung erzielt 15

16 Welle II: Wertschöpfung & Effizienz Sense of Urgency im Jahr 2014 Thema Herausforderungen & Status Anforderungen Drivers of Change Entwicklung zum digitalen Geschäftsmodell 2020 Advanced Analytics als Capability Kostendruck, Komplexität und Altlasten People und Change Wertschöpfung von = Mix von Effizienz und Innovation Sense of Urgency Multiple Stakeholder mit divergierenden Anforderungen BIG Data Cases (noch) schwer nachweisbar Effizienzansätze oftmals politisch geprägt Change und Transformationswille schwer zu vermitteln BI-Cases im Business schwer ersichtlich bzw. nachweisbar Nettowert in CHF Wertschöpfung ist durch Effizienz schneller zu erreichen Innovationskraft durch verfügbare, transparente und nutzbare Daten Potential und Outcomes durch Infrastrukturaufbau & BI-Capability erfolgt Grenzkosten der Infrastruktur hoch" Grenzkosten der Wertschöpfung auf Business-Cases tendenziell zu niedrig Potential für Effizienz-Cases faktisch gegeben Potential für effektive Business-Cases vorhanden Effizienz/Effektivität Kernbeitrag zur Simplifizierung und Marketer- Ansatz Reduktion von manuellen Tätigkeiten sowie Reduktion von redundanten Arbeiten Standard-BI und Laboransatz 16

17 Welle II: Wertschöpfung & Effizienz Ansatz I: Reduktion redundanter Tätigkeiten Szenario Business-as-Usual": BISC-Finanzierung erhöht sich nur marginal über die nächsten Jahre Erhöhter BI-Demand wird in den Ressorts abgedeckt Erhöhung des Bypass-Reportings und der entsprechenden Redundanzen Szenario Optimierung": Zusätzliche BISC-Finanzierung über die Realisierung von Synergien (Abbau von Bypass-Reportings, Systemkonsolidierungen in den Ressorts) BI-Services werden zentral durch das BISC erbracht, in den Ressorts verbleibt in erster Linie die Datennutzung Erhöhte BI- Potential- Ausschöpfung -15% Kosten Durch die zentrale Erbringung von BI-Services (Daten-Extraktion/-Aufbereitung/-Speicherung, Generierung von Reports) können Skalen-Effekte erzielt sowie entsprechende Redundanzen abgebaut werden Ein Teil der freigesetzten Kapazitäten kann neu für die eigentliche Datennutzung/Analyse in den Ressorts eingesetzt werden Im Szenario Optimierung" wird die Total Cost of BI um 15% reduziert, während gleichzeitig der Abdeckungsgrad der BI-Anforderungen erhöht werden kann. 17

18 Welle II: Wertschöpfung & Effizienz Ansatz II: Reduktion von manuellen Tätigkeiten Konzentration der Fachbereiche auf die Nutzung der BI-Lösungen zur Analyse und Entscheidungsunterstützung im eigentlichen Fachkontext Arbeitsaufteilung beispielhafter AXA-MA in Fachbereichen mit hohem technischen Zeitaufwand zur Datennutzung bei FTE = 100% Erstellung von Berichten und Reporting (technisch, Excel etc.) Analysieren, steuern und entscheiden (fachlich) Optimierung entlang der eigentlichen Aufgaben Datenbewirtschaftung (technisch; Jäger und Sammler) Ist Situation Optimierungspotential: 30% Mögliche Verwendung: 10% zusätzliche Analysen 10% zentrales BISC 10% Savings 18

19 Reifegrad Welle II: Wertschöpfung & Effizienz Ansatz III: Effizienz durch den Der Reifegrad einer Anforderung/Lösung, die Nutzungshäufigkeit sowie die Anzahl Benutzer der Lösung bestimmen, ob zuerst das BI-Labor oder direkt das EDWH eingesetzt werden soll. Auf diese Weise können die vorhandenen BI-Ressourcen möglichst effizient eingesetzt werden. Ausgereifte Lösung Wir wissen, was wir wollen Test Prototyp Wir üben/lernen noch S I Geringe Frequenz Wenig Nutzer A Nutzung/ Volumen Wird oft benutzt Viele Benutzer I S A Individuelle Lösung (Poweruser, Analytiker max. Freiheitsgrad) Beste Lösung muss durch Tests noch gefunden werden. Überprüfen von Hypothesen für das Gewinnen von Customer Insights (Ad-hoc-Analysen). Hohe Flexibilität/hohe Anpassungsgeschwindigkeit durch verändernde Bedürfnisse wird gefordert. Standardisierte Lösung (Self-Service-BI hoher Freiheitsgrad kontrollierte Freiheitsgrade) Die Daten sind für Ad-hoc-Reports/-Analysen verfügbar (standardisiert). Wechselnde Fragestellungen können bei gleichbleibender Datenbasis beantwortet werden. Lösung kann als Prototyp aufgesetzt werden. Automatisierte Lösung (geringer Freiheitsgrad) Lösung ist soweit ausgereift, dass sie einem breiten Nutzerkreis zur Verfügung gestellt werden kann. Die Nutzungsfrequenz ist so hoch, dass eine Automatisierung notwendig ist. Typ Agil Standard Beurteilung I Die Lösung ist vielen Änderungen unterworfen, so dass eine Automatisierung in EDWH laufend angepasst werden muss. Die Erstimplementierung im BI-Labor erfordert einen geringeren Ressourceneinsatz als bei EDWH. Die Lösung wird im extremen Fall nur einmalig benutzt, so dass eine Umsetzung in EDWH kostenmässig nicht vertretbar ist. S () () Je nach Datenverfügbarkeit und/oder geforderter Funktionalität kann eine Umsetzung im BI-Labor oder EDWH sinnvoll sein. Der Business-Case sowie die Anforderungen an die Business Logik/Datenkonsistenz entscheidet. A Die Ressourceneffizienz der Umsetzung von Standard-Reports in EDWH ist grösser als bei der Umsetzung im Labor. 19

20 Welle II: Wertschöpfung & Effizienz Ansatz III: Idealisierter Prozess Elaborate Industrialize Innovation Case End User Computing Data Mining Modelling & Simulation Predictive Analysis Projet Kick-off Requirements Engineering Development Testing Deployment Aktivität People Idee Brainstorming Ansätze Stakeholderanalyse Grobanforderungen Fachbereiche Datenanalyse Interne Daten Externe Daten Rapid Prototyping BI Design und Business Testphase Fachbereiche Business Case Readiness Projektinitialisierung Detailspezifikation Einsatzkonzept / Kommerzialisierung Fachbereiche Projektabwicklung Standardisierung & Automatisierung Datenmodellierung EDWH Fachbereiche BICC (Experts) BICC (Experts) BICC (Experts) BICC (Experts) IT IT IT IT Werkzeug/ Plattform Evtl. Externe BI Labor Evtl. Externe BI Labor Agile BI Tools Self-Service BI Evtl. Externe EDWH Standard BI Evtl. Externe EDWH Standard BI Interest Goal Plan Value 20

21 Agenda Vorstellung th!nkbetter AG // AXA Winterthur Reifegradentwicklung von Herausforderung: Wertschöpfung & Effizienz Use Cases: Wo schon Wertschöpfung erzielt 21

22 Effizienz P&C Value Chain Integriertes P&C-Steuerungsmodell Zukünftige Herausforderungen an die P&C-Steuerung der Value Chain: Integrierte Steuerung Erkennen von Abhängigkeiten Simulationen von Szenarien Steigende Berichtsanzahl Erhöhter inhaltlicher Umfang Verlässlichkeit des internen und externen Reportings für fundierte Managemententscheidungen P&C-Primärsysteme Finanz-, Vertriebs-, Marketingsysteme BI-Infrastruktur (EDWH) Stand heute IBIS (Branchen) ISIS PPS (Segmente) (Vertriebssteuerung) IFIS (Finanzen) Zielbild P&C Value Chain Optimierung der Organisation Modellierung und Steuerung durch Dashboard P&C Profit & Loss Automatisierung Marketer-Ansatz Detailauswertungen Analyse BIG DATA Readiness IST-Zustand Ziele Handlungsfelder Potential & Use Case EFFIZIENZ Hoher manueller Aufwand für die Erstellung von Bypass-Berichten Hohe Heterogenität und Komplexität in der Primärdaten-Welt Kein aktiver Austausch von Berichten/Analyseergebnissen Wenig Zeit zur Datenanalyse EFFEKTIVITÄT Fehlende übergreifende Sicht über Branche, Segmente und Finanzinformationen Redundanzen und Inkonsistenzen in der Erstellung und Interpretation von Berichten P&C-Steuerungsmodell basierend auf den Wertetreibern Reduktion der Arbeitsaufwände und der Aufwände zur Analysen-Erstellung Konsistente, harmonisierte Datengrundlage Mehrfachnutzung und Wiederverwendbarkeit Plan/Ist-Vergleiche über die Branchen, Segmente und Finanzen je nach Bedarf Fokussierung auf analytische und fachliche Tätigkeiten in den Fachbereichen EFFIZIENZ Steuerung über standardisierte und automatisiere Berichter (im EDWH) Ressourcenmix bezüglich Analyse Skills auf die neuen Anforderungen optimieren EFFEKTIVITÄT Einheitliche Steuerungslogik Granularität nach Bedarf Bedarfs-/nutzergerechter Einsatz der BI Werkzeuge entlang der definierten Nutzungsszenarien Vereinfachte Portfoliosteuerung Einheitliche Sicht über die heterogenen Branchen hinweg Erstellung von Planungsszenarien inkl. Einfluss auf Wertetreiber Schaffung von Freiraum für Analysen durch Abbau von manuellen Tätigkeiten Modellierung Messung Steuerung Optimierung 22

23 Use Case (Teil)-Automatisierung Berichtsfabrik des Berichtswesen durch die Push-Funktion" Zukünftige Herausforderungen an das Finanzreporting: BI-Infrastruktur (EDWH) Berichte und Daten via Excel & Web Steigende Berichtsanzahl Erhöhter inhaltlicher Umfang Verschärfte regulatorische Anforderungen Immer kürzere Lieferzeiten durch die Gruppe, Regulator, Management Verlässlichkeit des internen und externen Reportings für fundierte Managemententscheidungen Finanzsysteme (Gruppe // Paris) Finanzsysteme (Schweiz) P&L Bilanz Kosten BI-Daten-Cube IST / PLAN Abw. Periodenvergleiche Analyse Kommentierung Formatierter Bericht Adressaten- und bedarfsgerechte [Zeit; Inhalt; Qualität] Zustellung via IST-Zustand Ziele Handlungsfelder Potential & Use Case EFFIZENZ Kein aktiver Austausch von Berichten/Analyseergebnissen Wenig Zeit zur Analyse der Daten Hohe Heterogenität und Komplexität in der Primärdaten-Welt Hoher manueller Aufwand für die Erstellung von Bypass-Berichten EFFEKTIVITÄT Berichte und Informationen mit geringer Aussagekraft Redundanzen und Inkonsistenzen in der Erstellung und Interpretation von Berichten Geringe Wiederverwendbarkeit von Berichten Reduktion der Arbeitsaufwände und Durchlaufzeiten (Erstellung & Pflege) durch konsistente und einheitliche Standardberichte Mehrfachnutzung und Wiederverwendbarkeit Automatisierte Berichtserstellung und Verteilung Erhöhung der Qualität & Lieferfähigkeit Fokussierung auf analytische und fachliche Tätigkeiten in den Fachbereichen AUTOMATISIERUNG durch EFFIZIENZ Berichterstellung (im EDWH) automatisieren/standardisieren Ressourcenmix bezüglich Skills und Kosten auf die neuen Anforderungen optimieren EFFEKTIVITÄT Einheitliche Standards für Corporate Report Design Informationsverteilung via Portalansatz (siehe Finanzportal) Metadatenmanagement Berichts-Life-Cycle-Management Bedarfs-/nutzergerechter Einsatz der BI Werkzeuge entlang der definierten Nutzungsszenarien Steigerung der Qualität durch systemische Lösungen (Abbau von Barrieren und Flüchtigkeitsfehlern") Verkürzung der Abschlusszeiten Kostenreduktion der Berichts- und Reportfunktionen Optimierung im Reporting durch Synergien und Kommerzialisierung" Schaffung von Freiraum für Analysen durch Abbau von manuellen Tätigkeiten 23

24 Use Case Reuse Mehrfachnutzung und Kommerzialisierung durch Sinn und Zweck der Betrugserkennung Betrugserkennung verbessern und effizienter mit Verdachtsfällen umgehen Operative Effizienz in der Betrugsbekämpfung erhöhen Betrugsprävention verbessern Übersicht über die Betrugsanfälligkeit (Branchen, Muster ) Primärdaten der AXA BI -Infrastruktur (EDWH) BI-Daten EDWH Detica Betrugserkennung Datenlieferung Datenbelieferung Operative Handlungsempfehlung Sachbearbeiter Schaden kann sehr zeitnahe Entscheidungen treffen + Auszahlung an Kunde, da kein Verdachtsmoment Vertrags-, Partner-, Schadens-, Finanzsysteme; u.w. Einmalige Datenhaltung Deltahandling Approved Elements (Semantik) Mehrfachnutzung Erkennen von qualifizierten Verdachtsmomenten auf Grund systemischer Muster + Effizienter Einsatz von Fahrzeugexperten Mehrfachnutzung (Reuse) und Kommerzialisierung durch EFFIZIENZ Mehrfachnutzung bereits ins EDWH integrierter Daten. Dadurch Reduktion der Integrationsaufwände Entlastung der operativen Quellsysteme Betriebsaufwände reduzieren sich EFFEKTIVITÄT Flexible Datenaufbereitung der spezifischen Anforderungen Detica im EDWH Schnittstellenpflege entsteht nur einmalig (zwischen PS EDWH) Semantische Gleichheit Funktionalität und Datensichten gibt es nur einmalig ZUKÜNFTIGE USE CASES Betrugsschäden aktiv durch Underwriting-Massnahmen vermeiden Alerts im Verkaufs- und Underwriting-Prozess Gesamtsicht der Betrugsrisiken nach Produkt, Personen Nutzung der Informationen für weiterführende Analysen und Optimierung (Tarifierung, Personaleinsatz ) Regulierungskosten senken 24

25 Backup 25

26 Agiles BI & Standardisiertes BI Von der Werkstattfertigung (Agiles BI) Agiles BI Standardisiertes BI Freiheitsgrad Neue Fragestellungen/ Ansätze können ohne Eingehen von kostspieligen Risiken getestet werden (Test & Learn). Eingeschränkte Möglichkeiten und Funktionen durch die Standardisierung. (Ad-hoc-Analyse, Test & Learn, Prototyping, Hypothesen überprüfen, Individual-Reports, Reports mit wechselnden Anforderungen etc.) Durchlaufzeit (Fragestellung bis Report) Manuelle Erstellung. Iterationen für die Lösungsfindung notwendig. Reports stehen zur Verfügung. Keine Entwicklung notwendig. zur Fliessfertigung (Standardisiertes BI) Nutzer Innovationskraft Anforderung Wenige Ressourceneffizienz Benutzer, viele (Faktoren): Viele Benutzer, wenig unterschiedliche -Durchlaufzeit differenzierte Fragestellungen. -Anzahl der Anfragen/Anz. Fragestellungen. Nutzer -Lieferfrequenz (täglich, einmalig, monatlich etc.) Flexibilität -Entwicklungszeit und iteratives Keine Möglichkeit, neue Vorgehen -Differenzierungsgrad erlauben (wechselnde Ideen rasch und Innovation. Fragestellung) pragmatisch umzusetzen. -Freiheitsgrad (Flexibilität, individuelle Klärung der Klare Anforderungen sind Anforderungen können berücksichtig werden) Anforderungen wird die Basis für -Klarheit der Fragestellung durch iteratives Vorgehen Standardisierung und geschärft. Automatisierung. Flexibilität Anpassungen können durch den hohen Grad an manuellen Tätigkeiten rasch vorgenommen werden. Das System ist durch den hohen Automatisierungsgrad träge. Anpassungen sind kostspielig. (Wiederkehrende, weitgehend automatisierte Standard-Reports von hoher Stabilität) Agiles BI / Standardisiertes BI: Beide Ansätze sind notwendig und ergänzen sich. Richtig eingesetzt wird die Ressourceneffizienz maximiert. 26