Realtime (Big) Data als Fundament für moderne Social CRM-Systeme

Transkript

1 v Realtime (Big) Data als Fundament für moderne Social CRM-Systeme DATUM Dr. Klaus Brachmann Reinhard Stiefel

2 Vorstellung der WGV 66,7 % Württembergische Gemeinde-Versicherung a.g. WGV- Stiftung WGV-Beteiligungsgesellschaft mbh WGV Holding AG 33,3 % WGV- Versicherung AG WGV- Lebensversicherung AG (74 %) WGV Rechtsschutz Schadenservice GmbH WGV- Informatik und Media GmbH E + S Rückversicherung AG (7 %) S-Pensionskasse AG (2 %)

3 Vorstellung der WGV Unternehmen Gründung Geschäftsgebiet Kunden Produkte Württemb. Gemeinde- Versicherung a.g 1921, mit dem Ziel, Versicherungsschutz für Städte, Gemeinden und Landkreise zum Selbstkostenpreis zu bieten Gebiet des früheren Landes Württemberg und Hohenzollern Personen des öffentlichen Rechts und deren Einrichtungen sowie den Angehörigen des öffentlichen Dienstes Kompositversicherungen (SHUK) u. Kommunalversicherung WGV- Versicherung AG 1978, mit dem Ziel, die aus dem öffentlichen Dienst ausgeschiedene Versicherungsnehmer weiterhin preiswert zu schützen. Bundesrepublik Deutschland Alle Privatpersonen und Personen des öffentlichen Dienstes ohne regionale Begrenzung Kompositversicherungen (SHUK), Rechtschutz nicht-substitutive Krankenversicherung WGV- Lebensversicherung AG 1989, Erweiterung des Gesamtportfolios Bundesrepublik Deutschland Alle Privatpersonen und Personen des öffentlichen Dienstes ohne regionale Begrenzung Kapital- und Fondsgebundene Lebens- und Rentenversicherungen Risikoversicherungen Berufsunfähigkeit

4 Agenda Big Data und die Auswirkungen auf die Systemarchitekturen Unstrukturierte Daten analysieren und Hypothesen ableiten - sind das die neuen Herausforderungen für die IT? Szenarien Big Data & Analytics? FAQ 4

5 Big Data und die Auswirkungen auf die Systemarchitekturen Haben Sie gewusst, dass das digitale Datenwachstum im vergangenen Jahr bereits die Zettabyte-Barriere erreicht hat? Ein Zettabyte ist eine 1 mit 21 Nullen:

6 Big Data und die Auswirkungen auf die Systemarchitekturen Im Sekundentakt werden wir mit einer Fülle an Informationen überschüttet, ohne dass wir in der Lage sind, diese zu verarbeiten. Wir haben immer mehr Informationen, aber trotz allem nicht mehr detailliertes Wissen. 6

7 Big Data und die Auswirkungen auf die Systemarchitekturen Das DWH ist die Basis für die Offline-Analytik mit historischen Daten, die Geschehenes erklären! 7

8 Big Data und die Auswirkungen auf die Systemarchitekturen WGV DWH Modell: OLAP (online analytic processing) Bestand Produk Schaden Transformer Transformer.lnk Datum Produkt PBS Produktart Partner Gruppe Nettobetrag DWH FI, Operative Daten externe Daten 8

9 Big Data und die Auswirkungen auf die Systemarchitekturen Big Data ist mehr als das Speichern von riesigen Datenvolumen! Neue Ansätze für das Datenmanagement sind notwendig! 9

10 Big Data und die Auswirkungen auf die Systemarchitekturen Big Data ist der Rohstoff zum Agierenauf Ereignisse von gestern, jetzt und morgen! 10

11 Business Intelligence 2.0 Daten als Wertschöpfungspotenzial für eine zielgruppenspezifische Segmentierung Produkte, Dienstleistungen, Marketing, die Entscheidungsfindung Risikoanalyse, Hypothesen, neue Geschäftsmodelle Trends, Stimmungsanalysen, 11

12 Business Intelligence 2.0 Vorsprung mit ad-hoc Wissen was geschah? was geschieht jetzt? was wird geschehen? 12

13 Agenda Big Data und die Auswirkungen auf die Systemarchitekturen? Unstrukturierte Daten analysieren und Hypothesen ableiten - sind das die neuen Herausforderungen für die IT? Szenarien Big Data & Analytics? FAQ 13

14 wo ist das Problem? 14

15 Die Analyse neuer Datenquellen schafft neue Einsichten Transactional & Application Data Machine Data Social Data Enterprise Content Volumen steigt Geschwindigkeit Variabilität Variabilität strukturierte Daten Semi-strukturiert sehr unstrukturiert sehr unstrukturiert Performance Schnittstellen Wahrhaftigkeit Volumen Quell 2012 IBM Corporation 15 15

16 Unstrukturierte Daten ~ 75 % + x der gespeicherten Daten sind unstrukturiert! Methoden und Verfahren werden benötigt, die es uns ermöglichen, unstrukturierte Daten zu analysieren und Wissen zu initiieren! 16

17 Framework UIMA [you_ee_muu] (Unstructured Information Management Architecture) ist ein Frameworkzur Programmierung von NLP-Anwendungen. Quelle:.wikipedia.org/wiki/UIMA

18 UIMA Open Source Module: UIMA Framework Core AE (Analysis Engines) CAS (Common Analysis Structur) CPE (Collection Processing Engine) CPM (Collection Processing Management) Weitere Informationen finden Sie: 18

19 UIMA + IBM Content Analytics Tool 19

20 Agenda Big Data und die Auswirkungen auf die Systemarchitekturen? Unstrukturierte Daten analysieren und Hypothesen ableiten - sind das die neuen Herausforderungen für die IT? Szenarien Big Data & Analytics? FAQ 20

21 Woher kommt die K-Intelligenz? Wissen archivieren und abrufen! Wissen initiieren! Bezugsquell: 2011 IBM Corporation 21

22 Wie entsteht Wissen? 22

23 Big Date & Analytics Risiken aufzuspüren! Mustererkennung zur Analyse und Prüfung von Zeitreihen auf Anomalien. Damit lassen sich Tausende von Transaktionen pro Sekunde auf Auffälligkeiten prüfen. Kreditkartenbetrug Devisen- und Aktienkursmanipulation Libor - Zinsmanipulation 23

24 Libor Zinsmanipulation So oder ähnlich könnte ein Mailtext gewesen sein: Hallo Tom, ich habe mit dem Abteilungsleiter von der xy Bank in London gesprochen. Er ist mit 0,50 % LIBOR einverstanden. Annotation: Namen (Personen, Orte, Sachen): Tom, Müller, xy Bank, London, WER/ Was - Subjekt: ich, er, sie, Chef, Boss, CEO,.. WAS - Prädikat / Verb: gesprochen, einverstanden, vereinbart WEM/WAS/WEN - Objekt: Abteilungsleiter, Chef,.. Fachbegriffe: LIBOR, Zins, Diskont, Swap, Zahlen, Dimension: 0,50, %, EUR, $,, 24

25 Big Data & Analytics Real Time Monitoring (im Netz) Der Blick in die Zukunft durch die Früherkennung von Problemfeldern, um geeignete Gegenmaßnahmen zur Abwendung oder Abschwächung einzuleiten. Frühwarnsystem komplexer technischer Anlagen Steuerung von Verkehrsströmen zur Vermeidung von Staus Einsatzplanung bei Großveranstaltung (z.b. Facebook Party in Backnang Juni 2012, ). 25

26 Big Data & Analytics Real Time Segmentierung. Unterstützung in der Lead-Generierung durch die Bildung von Kundensegmenten, um individuelle bedarfsgerechte Angebote zu erstellen. Altersversorgung (Renten-, Lebensversicherung, ) Finanzanlagen nach Alter und Risikobereitschaft 26

27 Lead-Generierung..? Sehr geehrte.. zum tt.mm.jj möchte ich meine BU kündigen. Ende dieses Monats in Vorruhestand. meine neue Adresse ist MfG Fritz Müller 27

28 Big Data & Analytics Empfehlungsmanagement Real Time Analyse der Daten. Ergebnistypen sind Hypothesen oder konkrete Aussagen für die next best Action. Amazon, Facebook,... empfehlen ihren Usern gezielt Produkte, Freunde, Events,, online, bezogen auf die aktuelle Situation. 28

29 Big Data Use Case Empfehlungsmanagement 1. Empfehlung für den Agenten: Strukturierte Bestandsdaten Hans Müller, Köln 48 Jahre Hausbesitzer BJ 1988 Gebäudeversicherung ohne LW keine Gewässerhaftpflicht Versichert nach dem 14-Wert Ölheizung PKW Audi Q5 Unstrukturierte externe Daten Unwetter in Köln ist Vorstand im Hundesportverein Ad-hoc Meldung von Audi Informationen auf die aktuelle Situation Neuwertversicherung pro u. contra!? Tankart u.-volumen > X Ltr. Gewässserhaftpflicht! Leitungswasser Risko? Hundehaftpflicht? 29

30 Big Data Use Case Empfehlungsmanagement 2. Empfehlung für den Agenten: Hinweis auf die aktuelle Rückrufaktion: Strukturierte Bestandsdaten Hans Müller, Köln 48 Jahre Hausbesitzer BJ 1988 Gebäudeversicherung ohne LW keine Gewässerhaftpflicht Versichert nach dem 14-Wert Ölheizung PKW Audi Q5 Unstrukturierte externe Daten Unwetter in Köln ist Vorstand im Hundesportverein Ad-hoc Meldung von Audi AUDI RUFT FAHRZEUGE ZURÜCK. Q5kann Glasdach reißen. Der Fehler eines Zulieferers zwingt Audi weltweit zum Rückruf von Q5. Bei Fahrzeugen mit Glasdach besteht die Gefahr, dass es bei extremer Kälte reißt und auf die Insassen als Glaskrümel niederregnet. 30

31 ICIS+ Social CRM UIMA + ICM PoC: Potential, Risiko, 31

32 ICIS+ SocialCRM 32

33 ICIS+ SocialCRM 33

34 PoC Phase: 1. Textanalysen 2. Tool: SWOT Analyse (Stärken, Schwächen, Chancen u. Risiken) 3. Anforderung an das Architekturmodell 4. Best Praxis 4.1 Einsatz ICM IBM Content Analytics. 4.2 Vorgehensmodell Textanalyse 4.3 Modellierung Wissensbausteine 4.4 Integration in ICIS+ Social CRM JEE 5. Tests im Kundenservice 6. Feedbackrunden mit den Agenten 34

35 Test it!

36 Fragen zum 1. Textanalysen z. B. diverser AVB`s 2. SWOT Analyse (Stärken, Schwächen, Chancen u. Risiken) 3. Anforderung an das Architekturmodell 4. Best Praxis 4.1 Einsatz IBM Content Analytics. 4.2 Vorgehensmodell Textanalyse 4.3 Modellierung Wissensbausteine 4.4 Integration in ICIS+ Social CRM JEE 5. Tests im Kundenservice

37 Big Data ICIS+ SocialCRM WGV-Informatik und Media GmbH Stuttgart Tel.: