Fra plan til realisering av verdi. Nextbridge frokostseminar

Transkript

1 1 Fra plan til realisering av verdi Nextbridge frokostseminar

2 Tiden før BI-strategien BI-strategi 2013 Ny datavarehusplattform Digitalisering trusler og muligheter Presentasjon text

3 Kort om SpareBank 1 Forsikring SpareBank 1 Forsikring Liv og skadeforsikring til person- og bedriftsmarkedet ca. 10 % markedsandel Totalt 10 milliarder kroner i premievolum Eid av SpareBank 1 banker og LO 1,3 millioner bank- og forsikringskunder Annenhver husstand i Norge har innboforsikring i SpareBank medarbeidere i Oslo 18 ansatte i datavarehusavdelingen Dagfinn Røed 30 års erfaring med IT. Bakgrunn fra forsikring og konsulentbransjen. Siden 2011 som avdelingsleder for Datavarehus/BI i SpareBank 1 Forsikring

4 Forsikring er spennende

5 Datavarehuset som leverandør av «datauttrekk» Alexander Salgsavdelingen trenger en rapport som viser salg siste måned Sandra Alexander kjenner tilfeldigvis Sandra, som lager en rapport Rapporten er klar i excel etter bare to uker Alexander ser at rapporten ikke er pr. bank og kontor, og er dermed ubrukelig Sandra må begynne på nytt også nå som alle maser på henne!

6 Hovedutfordringer Ikke ett sted å henvende seg. Ingen logging, oppfølging eller prioritering av henvendelser. Leveranse av datauttrekk som krever manuell tilpasning, distribusjon og gir mange personlige rapporteringsløsninger Flere ukers responstid på rapportleveranser Stor avstand mellom datavarehus og brukerne av data. Manglende helhets- og forretningsforståelse Uklarhet om krav, begreper og beregningsregler Manglende eierskap for løsning hos forretning og datavarehus Ingen strategisk prioritering av ressurser Ingen aktiv bruk av informasjon til styring, kun rapportering av historiske data som ofte er utdatert innen de er tilgjengelig

7 Alle kjerneprosessene i forsikring genererer DATA Pengestrøm Prosess Viktig for Stikkord Penger inn Salg og distribusjon Vekst og volum Multikanal og salg/service på nett/mobil Penger ut Forsikringsoppgjør Lønnsomhet Automatiserte oppgjør med penger direkte på konto Link mellom penger inn og penger ut Pris og produkt DATA Lønnsomhet og vekst/volum Avanserte prismodeller og forenklede tilbud og vilkår Forvalte pengene Kapitalforvaltning Lønnsomhet Aktiva passiva allokering av investeringer

8 BA/BI er ikke noe nytt, men øker kraftig i omfang og viktighet Adferd Business Analytics/ Business Intelligence Handling Beslutning Data Kunnskap Informasjon God praksis i forsikring handler i bunn og grunn om å jobbe mer analytisk og spisset inn mot definerte finansielle mål, grundigere forståelse av ulike typer risker (skaderisiko, avgang/tilgangsrisiko, distribusjonsrisiko, finans/ kapitalrisiko, etc), økt differensiering av kunder/ produkter/konsepter/tjenester, økt effektivisering, automatisering og effektiv integrasjon med øvrige verdikjeder, samt styrket kontroll/måling/læring 8 Jon Holtan

9 Ny teknologi IBM Netezza Tableau Høyt aktivitetsnivå leveranseprosjekter Data og BI-løsninger til «samtlige» FO Organisering Liv- og skadeselskapene ble slått sammen Flere datavarehus og datvarehusavdelinger Satset på interne ressurser

10 Roadmap etter BI-strategien 2013 Etablere kapabilitet Utvikle kapabilitet Utnytte kapabilitet Felles DVH for Liv og Skade Moderne DVH Visjon: BI er konkurransefortrinn for SpareBank 1 Forsikring Informasjon Anvendelser Anvendelser for Forsikringsoppgjør Anvendelser for Etablering og Forvaltning Analytisk CRM Styrket datagrunnlag ODS Selvbetjening Prisings- og analyseverktøy Avanserte anvendelser Ny organisering av intern BI-funksjon Fungerende brukergrensesnitt mellom BI og forretning (bestilling og support) Prediktiv analyse Utviklingspartnerskap mellom BI- og forretning BI er integrert i forretning System for porteføljestyring og gevinstrealisering System for ressursallokering Integrert system for verdiutvikling Aktiv gevinstrealisering Investeringsråd/komité 10 Organisasjon Verdiutvikling

11 Iverksatte tiltak fra BI-strategien Etablere kapabilitet Utvikle kapabilitet Utnytte kapabilitet Felles DVH for Liv og Skade Moderne DVH Visjon: BI er konkurransefortrinn for SpareBank 1 Forsikring Informasjon Anvendelser Anvendelser for Forsikringsoppgjør Anvendelser for Etablering og Forvaltning Analytisk CRM Styrket datagrunnlag ODS Økt selvbetjening Prisings- og analyseverktøy Avanserte anvendelser Ny organisering av intern BI-funksjon Fungerende brukergrensesnitt mellom BI og forretning (bestilling og support) Prediktiv analyse Utviklingspartnerskap mellom BI- og forretning BI er integrert i forretning System for porteføljestyring og gevinstrealisering System for ressursallokering Integrert system for verdiutvikling Aktiv gevinstrealisering Investeringsråd/komité 11 Organisasjon Verdiutvikling

12 Resultat SB1 Skadeforsikring AS før skatt MNOK Resultatene til SpareBank 1 Skadeforsikring korrelerer med antall nyansatte Data Scientists og Datavarehusutviklere Innføring av Tableau i mai 2012 Akkumulert antall nye DS og DVH 12 Jon Holtan

13 13 Geodata avstand fra nødetater

14 Alle skadekunder Skadekunder i flomsoner (2.290 stk)

15 Kunder i flomsoner langs Glomma 326 kunder 10-års flom: års flom: års flom: års flom: års flom: års flom: 326

16 Hva kan vi bruke dette til? Varsling/ informasjon om skadeforebygging Bistand til skadeforebygging Ressursplanlegging oppgjør Prognostisering av skadeomfang Redusert skadeomfang Effektivt oppgjør Reduserte kostnader Bedre kundeopplevelse

17 Start kundeforhold bank Start kundeforhold skade Skadehendelse Questback respons Telefonkontakt

18 Fra PowerPoint til informasjonsanalytisk styring Presentasjon text

19 Ny organisering av BI og datavarehus BI Frontteam Ett sted å henvende seg Støtter forretning i bruk av BI-verktøy Motiverer forretningsområder til ny bruk av data Forretningsarkitekter Spisskompetanse på sitt forretningsområde Ansvar for datasett Prioritering og utvikling Skadeforsikring Livforsikring CRM.. Arkitektur En måte å gjøre ting på Standarder og kvalitet

20 2015: Datavarehuset som verdiskapende partner Kunde Premie Bank SMN Alexander har rollen forretningsanalytiker: Sandra har rollen forretningsarkitekt: Utarbeide kravspesifikasjon med støtte Design og utvikling i henhold til prioriterte krav fra Datavarehus Aktiv forvaltning og videreutvikling av leverte Prioritering av krav og endringer løsninger Ansvarlig for avklaringer og Dokumentasjon av data, begreper og beregninger detaljering av krav Aktiv støtte til utnyttelse av leverte data Realisere gevinster av leveranser Selv ansvarlig for å etablere analyser, rapporter og Tableau dashboard på leverte data

21 Alle ønsker og alt arbeid registreres i JIRA Kapasitet og effektivitet følges opp i Tableau Alle saker registreres i JIRA med forventet løsningstid, omfang og leveransedato

22 Alle ønsker og alt arbeid registreres i JIRA Kapasitet og effektivitet følges opp i Tableau Vi kan pr. forretningsområde se og følge opp backlogg og leveranser

23 Alle ønsker og alt arbeid registreres i JIRA Kapasitet og effektivitet følges opp i Tableau Sammen med forretning prioriterer vi saker og tidsplan

24 Fra tilfeldig til prioritert og dedikert Large: BI Prioriteringsforum kvartalsvis Medium: Forretningsarkitekt/ -analytiker ukentlig Small: BI Frontteam daglig

25 De to vanskeligste initiativene gjenstod Etablere kapabilitet Utvikle kapabilitet Utnytte kapabilitet Felles DVH for Liv og Skade Moderne DVH Visjon: BI er konkurransefortrinn for SpareBank 1 Forsikring Informasjon Anvendelser Anvendelser for Forsikringsoppgjør Anvendelser for Etablering og Forvaltning Analytisk CRM Styrket datagrunnlag ODS Økt selvbetjening Prisings- og analyseverktøy Avanserte anvendelser Ny organisering av intern BI-funksjon Fungerende brukergrensesnitt mellom BI og forretning (bestilling og support) Prediktiv analyse Utviklingspartnerskap mellom BI- og forretning BI er integrert i forretning System for porteføljestyring og gevinstrealisering System for ressursallokering Integrert system for verdiutvikling Aktiv gevinstrealisering Investeringsråd/komité 25 Organisasjon Verdiutvikling

26 Datavarehus anno verdifull innsikt (på en stadig tyngre plattform) Illustrasjonen er sterkt forenklet Høy teknisk gjeld driver kostnadsnivået Tids- og kostnads-krevende å utvikle nye løsninger Lav kompetanse på deler av løsningen Mangler kundeinformasjon på tvers av forsikringsområder Vanskelig å få frem en felles sannhet Eksisterende datavarehusplattform er ikke optimalt tilpasset fremtidige anvendelser Prosjektet har identifisert 41 integrasjoner som går utenfor eksisterende datavarehus

27 Et lønnsomt businesscase Gevinsteksempler Redusert tidsbruk utvikling Redusert ressursbruk forvaltning Reduserte lisenskostnader Redusert personavhengighet Mindre «datamanagement» Økt operasjonell smidighet Redusert brukerterskel

28 Sanering Utvikling Vi har lagt opp til å gjennomføre arbeidet i form av et fasedelt prosjekt over 4 år Byggefase Konverteringsfase Realiseringsfase Del 1 Del 2 Del 1 Del 2 Del 3 Del 4 Grunndata 1 Grunndata 2 Bestand Salg og provisjon Krav og oppgjør Regnskap Bestand Salg og provisjon Krav og oppgjør Regnskap Datavarehus Kostnader Tid

29 Men det manglet ikke på innvendinger Forretning får ingenting igjen for dette Tar lang tid og koster alt for mye penger Vi har ingen nytte av å se data i kundedimensjonen Vi har akkurat fått nye BI-løsninger, nå vil dere gjøre det på nytt? Situasjonen vår kommer til å bli verre Det kommer til å kreve mye ressurser fra forretningssiden

30 Dagens løsninger og sub-løsninger 30 Presentasjon text

31 Målbilde - KDV Fra 30 -> 10 Løsninger Fra 90 -> 30 Sub-løsninger 31

32 Nye industrier og aktører vil disrupte forsikringsbransjen Hvordan skal tradisjonelle forsikringsselskaper forsvare seg mot de digitale økosystemene (som har detaljerte kundedata og weblogger)? Hvordan skal tradisjonelle forsikringsselskaper forsvare seg mot nyetableringer med detaljerte kundedata og hyppig kundeinteraksjon? Hva skjer med bilforsikring når delingsøkonomien blir moden og bilsalget går ned? Hva skjer med bilforsikring når selvkjørende biler kommer på markedet?

33 Forsikringsobjekter Analysemiljø med bredt sett av verktøy, metoder. prosesser og kompetanse Fra BI til AI Cloud integration Cloud integration Kjøretøy BI Eiendom Analytics Person Big data Visualisering Ting Kunstig intelligens

34 Hva kjennetegner fremtidens analysemiljø?

35 Skisse til BI målbilde Datavarehus Analysemiljø Data laboratorium

36 Presentasjon 36 text Takk for oppmerksomheten!