Suits and Hoodies Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt. 21. Mai 2015 Gerald Greiling, Felix Löw

Transkript

1 Suits and Hoodies Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt 21. Mai 2015 Gerald Greiling, Felix Löw

2 Agenda Munich Re Suits and Hoodies Transformation Classic BI Big Data & Analytics Lessons Learnt Suits and Hoodies Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt

3 Munich Re

4 Unser integriertes Geschäftsmodell Starke Marken im Verbund Munich Re (Gruppe)* Rückversicherung Munich Health Erstversicherung Corporate Insurance Partner Great Lakes Reinsurance (UK) PLC KA Köln.Assekuranz Agentur GmbH MSF Pritchard Syndicate 318 Temple Insurance Company Watkins Syndicate Belgium Assetmanagement * Die Darstellung erhebt keinen Anspruch auf Vollständigkeit und gibt nicht die genauen Beteiligungsverhältnisse wieder

5 Kompetenzfelder von Munich Re Was uns von anderen unterscheidet Maßgeschneiderte Lösungen und Effizienz Service und Knowhow Sicherheit und Verlässlichkeit Wir übernehmen veränderte und komplexe Risiken erweitern die Grenzen der Versicherbarkeit, entwickeln innovative Deckungskonzepte. Wir bieten erstklassige Modellierung und maßgeschneiderte Deckungen, effiziente Rückversicherung von Standardrisiken, hohe Kapazität pro Risiko-Exponierung. Wir bieten risikoorientierte Services wie Underwriting-Tools, z.b. Nathan und MIRA, Wissenstransfer in Kundenseminaren, effiziente Kooperation über connect.munichre.com. Wir unterstützen Produktentwicklungen. Wir ermöglichen attraktives Kapitalmanagement. Transfer von Risiken an den Kapitalmarkt, Risikomanagement für Kapitalanlagen (ALM), Capital Relief, Solvency II Consulting. Suits and Hoodies Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt

6 In allen Märkten präsent Amelia Atlanta Chicago Columbus Hartford Montreal Philadelphia New York Princeton San Francisco Toronto Vancouver Munich London Madrid Malta Milan Moscow Paris Zurich Beijing Calcutta Dubai Hong Kong Kuala Lumpur Mumbai Seoul Shanghai Singapore Taipei Tokyo Bogotá Buenos Aires Caracas Mexico Santiago de Chile São Paulo Accra Cape Town Johannesburg Nairobi Port Louis Auckland Melbourne Sydney Suits and Hoodies Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt

7 Suits and Hoodies

8 Level of sophistication Für Analytics und Big Data benötigen wir andere Ansätze als für Corporate BI What is likely to happen? Statistics What should be done? predictive Machine Learning cognitive Why has it happened? diagnostic OLAP What has happened? Reports & Dashbords prescriptive Classic BI Analytics Business Value

9 Leben Suits und Hoodies in unterschiedlichen Welten? stabiler Betrieb Governance & Compliance Hands-On Cool new tool let s go Sourcing Corporate BI Trial and error Der Weg ist das Ziel Use cases Prozesse & Rollen Explorer Ich machs in der Cloud Suits and Hoodies Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt

10 Transformation der klassischen BI Landschaft

11 Der neue Architekturansatz mit SAP HANA bringt Reporting näher an die Quellsysteme FSRI LRM RM FS-RI RM Life RM non-life SEM-BPS SEM-BCS SEM-BPS SEM-BCS IO SAP BW SAP GT IO EDWH Data Management SAP GT Reserving Reserving Underwriting Underwriting Mit SAP HANA können wir analytisches Reporting an die transaktionalen Systeme bringen Mit SAP BO bieten wir den Nutzern ein einheitliches Frontend Mit SAP Data Services und Replikations-Mechanismen können wir eine effektive Datenversorgung sicherstellen Suits and Hoodies Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt

12 Reporting-Zielarchitektur und Roadmap wird aktuell zusammen mit der SAP definiert FS-RI on HANA PoC für Migration auf FS-RI 7.0 und HANA erfolgreich Closing Continuity Test erfolgreich durchgeführt Kleine Performanceverbesserungen der Batch- Sequenzen Upgrade- und Migrations Projekt on Track Zieltermin August 2015 Ziel: Enablement der Applikation für Innovationen HANA Native Replikation von FS-RI Daten in HANA mit SLT Modellierung des Reporting Layers in HANA mit grafischer Modellierung Modellierung von komplexer fachlicher Logik Implementierung rudimentäres Batch Handling mit HANA Native Reporting mit BO Analysis for Office Validierung mit SAP Nächste Schritte Roadmap und Technologievalidierung mit SAP OLTP + OLAP, HANA Native, Replikationsmechanismen, Virtualisierung, Business Warehouse, Standard-Software für Rechnungslegung Validierung von zukünftigen Reportingzielen und Anforderungen mit Business Migration Global Template (SAP FI) auf HANA und Evaluierung sfinance Suits and Hoodies Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt

13 Big Data und Analytics

14 Aus 76 Use Cases wurden 5 ausgewählt, die nun in Pilotimplementierungen umgesetzt werden 1: Build B2B customer profiles for business development 2: Improve risk assessment and pricing for supply chain risks in BI/CBI 3: Improve marine underwriting through enhanced usage of GIS data 4a/4b: Increase claims intelligence & use loss trends and better tariffs for UW 5: Improve forecasting and understanding of disability and mortality risks Suits and Hoodies Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt

15 Der Technologie Stack für ein Analytics-Ecosystem wird iterativ und Use-Case getrieben entwickelt Classic BI Analytics und Big Data Reports & Dashboards OLAP Statistics Enhanced Visualization Machine Learning Mass Data Use Case Driven Approach SAP HANA SAP BW SAP BO (Analysis for Office, Design Studio, Lumira, WebIntelligence) SAP DS, SLT, SRS kleine Anbieter Cloud? PAL SAP HANA Infinite Insight BI Lab Approach Suits and Hoodies Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt

16 unstrukturiert intern Data Data extern strukuriert Data ext. Data int. Data Um Erfahrungen zu gewinnen und erste Use Cases umzusetzen wird ein hybrides Szenario für das BI Lab angestrebt Internal Systems External Provider SAP HANA ext. Data int. Data SAP HANA Hadoop Platform ext. Data int. Data Hadoop Platform on premise cloud kritisch / vertraulich unkritisch

17 Lessons Learnt

18 Das haben wir bisher gelernt Vorgehen und Konzepte sind gerade erst am entstehen Transaktionales und analytisches auf einer Platform? Reines BW Know-How reicht bei der BI Entwicklung nicht mehr Balance zwischen Transformation und Innovation wichtig Enge Einbindung der SAP essentiell Viele Stakeholder unterschiedliche Sichten Big Data fordert ein agiles Vorgehen Viele Angebote, Technologien & Optionen Cloud versus on-premise BI Lab versus Enterprise readiness Compliance Fragestellungen müssen geklärt werden Analytics und Big Data erfordert ein wesentlich flexibleres Vorgehen im Vergleich zu klassischen BI Vorhaben Suits and Hoodies Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt

19 Vielen Dank! Felix Löw IT Architect Business Intelligence Central Division Information Technology Munich Re Gerald Greiling IT Architect Business Intelligence Central Division Information Technology Munich Re