Informasjonsanalytisk styring i SpareBank 1 Forsikring CIO Forum Business Intelligence 12.12.2013 Dagfinn Røed, SpareBank 1 Forsikring
Kort om oss Sparebank 1 Forsikring Sparebank 1 Skadeforsikring og Sparebank 1 Livsforsikring fusjonerte høsten 2012 Ca. 650 ansatte Ca. 11% markedsandel innen risikoforsikring Ca. 9,5% markedsandel innen pensjon og sparing Sentral datavarehus/bi-funksjon 13 ansatte 13 konsulenter Organisert under forretningsområdet Produkt & Analyse Dagfinn Røed Leder av Datavarehus i SB1F siden 2011 Arbeidet med datavarehus/bi i ca. 20 år Bakgrunn fra blant annet davinci Consulting (nå Devoteam) og Storebrand
Agenda Situasjonen tidligere Informasjonsanalytisk styring Veien mot målet Gevinster og eksempler Erfaringer 3
Situasjonen tidligere Utfordringer Flere ukers responstid på rapportleveranser Mye tilpasning i egne regneark Mange personlige rapporteringsløsninger Mye manuell distribusjon av rapporter og skreddersøm til banker Kun månedlig oppdatering Tilfeldig teknisk løsning som har vokst frem over tid Samme verktøy benyttes til alt Stor konsulentavhengighet Ingen aktiv bruk av informasjon til styring
Agenda Situasjonen tidligere Informasjonsanalytisk styring Veien mot målet Gevinster og eksempler Erfaringer 5
Som andre aktører vil også SpareBank1 Forsikring basere seg på en mer informasjonsanalytisk styring av forretningen Adferd BI/BA Data God praksis i forsikring handler i bunn og grunn om å jobbe Handling Beslutning Kunnskap Informasjon mer analytisk og spisset inn mot definerte profittmaksimerende mål, grundigere forståelse av ulike typer risker (skaderisiko, avgang/tilgangsrisiko, distribusjonsrisiko, finans/ kapitalrisiko, etc), økt differensiering av kunder/ produkter/konsepter/tjenester, økt effektivisering og effektiv integrasjon med øvrige verdikjeder, samt styrket kontroll/måling/læring What is Business Intelligence/Analytics? The tools, technologies, and processes required to turn data into information and information into knowledge that drives business activity and optimizes performance.
Dynamisk resultatstyring handler om å aktivt og kontinuerlig styre virksomheten for å innfri resultatmål Dynamisk resultatstyring = Sette mål for hva virksomheten skal oppnå, løpende vurdere resultater og prognoser opp mot målene, vurdere, beslutte og gjennomføre tiltak for å innfri målene, skape bedre styring, kontroll og læring gjennom hele organisasjonen for å utvikle og forbedre virksomheten. 7
Fra reaktiv rapportering til selvbetjening Datavarehusteam BI-team Datavarehus Skader Salg Analyse Resultatsikring Ledere og porteføjeeiere Prosess Pensjon Bestand Regnskap Porteføljeovervåkning Prisingsdatasett Salgsinnsikt Analytikere Andre kilder Banker og salgsappatat
Fra reaktiv rapportering til selvbetjening Datavarehusteamet Tilrettelegger data i form at datasett skreddersydd for ulike formål Har ansvar for drift og forvaltning av datavarehusløsningen BI-team Virtuelt team som består av forretningseksperter fra alle forretningsområder Har ansvar for all utvikling av rapporter og analyser Publiserer analyser og dashbord på Tableau server Analytikere Analytikere benytter Tableau desktop og SAS Benytter skreddersydde datasett med stort detaljeringsnivå Skal bruke tid på analyse, ikke informasjonsuthenting Grave etter årsaker til avvik Ledere og porteføljeeiere Benytte resultatsikringsdashbord i forbindelse med dynamisk resultatsikring Eneste kilde til informasjon (ingen PowerPoint elller Excel) Fokusere på mål, prognoser og tiltak, ikke historikk
Agenda Situasjonen tidligere Informasjonsanalytisk styring Veien mot målet Gevinster og eksempler Erfaringer 10
Vi anskaffet Tableau i begynnelsen av 2012 Oppsummering av anskaffelsesprosessen hvor vi testet QlikView mot Tableau: Det er enklere og raskere å komme i gang med analysearbeidet (siden det ikke er behov for scripting i forbindelse med datainnlastingen) Produktet fremstår som mer moderne enn QlikView Interne testere er enstemmige i anbefalingen av Tableau Prismodellen er enkel og lar oss vokse som vi ønsker med begrensede ekstra kostnader...dessuten er vi sikre på at vi vil klare å lage minst like gode sluttbrukerløsninger i Tableau som i QlikView. For the third year in a row, Tableau is the "sweetheart" of the Magic Quadrant, with customers even more enamored with it this year than in the last two. It gained overwhelmingly positive customer feedback across the board in all measures in the survey, including ease of use, functionality, product quality, product performance, support, customer relationship, success, achievement of business benefits and view of the vendor's future. Gartner Group, februar 2012 11
Utfordringene stod i kø Tekniske utfordringer Kompatibilitetsutfordringer SAS Tableau Klarte ikke å håndtere datamengdene Store ytelsesproblemer på alle spørringer Forsinkelser Testet ut en rekke ulike databaseløsninger Prosjektleveransene ble flere måneder forsinket Kompetansemessige utfordringer Fra faste rapporter til bruk av informasjonsverktøy Selvbetjening kommer ikke av seg selv, store forskjeller fra avdeling til avdeling Avhengighet av konsulenter både til rapportutvikling og rapportproduksjon
Twin Netezza En data warehousing appliance. Skreddersydd analytisk motor Integrert database, server og datalagring Standard grensesnitt Hurtig: 10-100x enn tradisjonelle løsninger Enkel: Minimal administrasjon og tuning Skalerbar: Peta-skalerbar brukerdatakapasitet Smart: Høy ytelse på avanserte analyser 13
Netezza som en felles, analytisk motor CRManalyse Salgsanalyser Porteføljeovervåkning Aktuaranalyser Økende analysebehov Prisanalyser Økonomiske analyser Analyseverktøy Analyser Gruppen/ Alliansen Analytisk motor (Netezza) Allianse DVH Allianse DVH Allianse DVH DVH Forsikring 14
Agenda Situasjonen tidligere Informasjonsanalytisk styring Veien mot målet Gevinster og eksempler Erfaringer 15
Datagrunnlag: DPO siste 6 år
Gevinster - oppsummert Eksempler på gevinster så langt Store tidsbesparelser for analytikere Bedre innsikt spesielt relatert til produkt- og kundelønnsomhet Ny innsikt i salgsprosesser og kampanjer Raskere utvikling av datavarehusløsninger Langt bedre ytelse på spørringer Dynamisk resultatstyring basert på mål og prognoser Eksempler på potensielle gevinster fremover Forbedrede oppgjørsprosesser Utvidet støtte for analytisk CRM Langt raskere lasting av datavarehuset Hyppigere oppdatering av datavarehuset Forbedret kunde- og produktprising basert på interne og eksterne data
Business Intelligence Roadmap for SpareBank 1 Forsikring Etablere kapabilitet Utvikle kapabilitet Utnytte kapabilitet Forbedret DVH Fleksibelt DVH Operational Data Store Visjon: BI er konkurransefortrinn for SpareBank 1 Forsikring Informasjon Styrket datagrunnlag Prisingsog analyseverktøy Portefølje- Ovvervåkning v. 2.0 Prediktiv analyse BI er integrert i forretning Integrert system for verdiutvikling Anvendelser for Forsikringsoppgjør Anvendelser for Etablering og ForvaltningM Analytisk CRM Salgsinnsikt v. 2.0 Utviklingspartnerskap mellom BI- og forretning Aktiv gevinstrealisering Investeringsråd/komité Anvendelser Ny organisering av intern BI-funksjon Fungerende brukergrensesnitt mellom BI og forretning (bestilling og support) System for porteføljestyring og gevinstrealisering System for ressursallokering Organisasjon Verdiutvikling
Agenda Situasjonen tidligere Informasjonsanalytisk styring Veien mot målet Gevinster og eksempler Erfaringer 22
Oppsummering - erfaringer BI-satsingen må forankres i toppledelsen Vilje til å investere/tenke nytt Datavarehus/BI-avdelingen bør organiseres på forretningssiden Forretningssiden må ha en klar ide om hva man vil ha ut av satsingen Krev hyppige leveranser som gir reell forretningsnytte Skill mellom BI og operasjonell virksomhet Man må tåle å feile Benytt erfaringene til å gjøre det bedre neste gang Invester i teknologi Brukervennlighet og ytelse er ekstremt viktig Etablere et tett partnerskap mellom teknisk miljø, analytikere og forretningssiden Gevinstene kommer ikke av seg selv
Takk for meg! dagfinn.roed@sparebank1.no