Ład w danych (Czego nauczyliśmy się przez lata i dlaczego do danych i strategii ich organizacji podchodzimy w taki a nie inny sposób)

Transkrypt

1 Ład w danych (Czego nauczyliśmy się przez lata i dlaczego do danych i strategii ich organizacji podchodzimy w taki a nie inny sposób) Marek Wilczewski żrupa PZU, Dyrektor Biura Zarządzania Informacją Konferencja ZIP 2015, Warszawa, 10/06/2015

2 Spis tre ci 1. BI w Grupie PZU 2. Strategia Zarządzania Informacją dojrzała i świadoma organizacja 3. BICC rozwój Centrum Kompetencyjnego Business Intelligence 4. Data Governance i polityka jakości danych Model Informacyjny Organizacja Data Governance Procesy Data Governance 4. Bilans korzyści i kosztów związanych z Data żovernance 5. Doświadczenia 2

3 Business Intelligence na przykładzie żrupy PZU

4 Czym jest zarządzanie informacją 4

5 Hurtownia Danych Grupy PZU podsumowanie ~3,3 tys. aktywnych u ytkowników ~16 mln klientów, dane od 1997 r. ~40TB danych, przyrost ~+1TB/mies. ~70 systemów zasilających 5

6 Hurtownia Danych Grupy PZU wsparcie głównych obszarów biznesowych Informacja Zarządcza (MIS / KPI s / Dashboard) - segmentacje, realokacje planów - dostęp do informacji o polisach i prowizjach dla sieci własnej - jednoznaczna identyfikacja Klienta (deduplikacja, segmentacja) - scoring Klientów - portfel klienta, - analiza lapsów - wsparcie akcji mailingowych i kampanii marketingowych (cross- i up-sell) System Wspomagania Sprzedaży - planowanie i monitoring, - zarządzania strukturą sprzedaży, segmentacja sieci Zarząd / Wyższa kadra Sprzedaż Klient (CRM analityczny) Aktuariat i Produkty Hurtownia Danych Likwidacja szkód i świadczeń IT - standardy ewidencji - poprawa jakości danych w systemach dziedzinowych, - alokacja kosztów IT Realizowane obecnie - repozytorium do analiz portfelowych, - taryfikacja produktów, - kalkulacja rezerw, EV, VNB - zarządzanie ryzykiem Operacje - analiza szkodowości i adekwatności rezerw szkodowych, - efektywność procesów likwidacji szkód i świadczeń, - pranie pieniędzy, analiza wyłudzeń i transakcji podejrzanych - raportowanie operacyjne, - efektywność procesów ewidencji W trakcie realizacji Potencjalnie do realizacji 6

7 MIS elementem porządkującym informacje - struktura raportów zale na od poziomu i funkcji Raport Okres Kwartalny Zarz Raport dla korporacji dane finansowe grup główne niefinansowe wska niki ka dej grupy Pion Raport finansowy pionu Kwartalny Wskaźniki wyników pionu Miesięczny Raport finansowy Oddziału Kwartalny Wskaźniki wyników Oddziału Miesięczny Wskaźniki wyników / KPI s jednostki Miesięczny Oddział Jednostki sprzedaż 7

8 MIS kaskadowanie zarządzania przez cele (MBO) uporządkowany obszar danych ubezpieczeniowych i finansowych (zunifikowane struktury danych) wystandaryzowane algorytmy i mierniki (pojęcia) oraz nazewnictwo bazując na udostępnionej informacji w Spółce wdro ono kaskadowe raportowanie działalności ubezpieczeniowej omawiane na miesięcznych Konferencjach Sprzeda owobud etowych z udziałem: Zarządu, Dyr. Biura Planowania i Kontrolingu, Dyr. Zarządzającego ds. Produktów Szefów Pionów Sprzeda owych (korporacyjnego, agencyjnego, pracowników własnych - tzw. lady ) szczegółowość raportowania do poziomu produktu, sprzedawcy, segmentu klienta, kanału dystrybucji zdefiniowano kokpity menad erskie dla kadry kierowniczej wszelkie informacje zagregowane dekomponują się na dane detaliczne (polisy, świadczenia), dzięki czemu na bazie danych MIS znacznie skrócono i zunifikowano bazę wejściową do analiz szczegółowych 8

9 Czyszczenie, standaryzacja, deduplikacja, wzbogacanie istotnym elementem podniesienia jako ci danych Zdiagnozowane problemy: Wielokrotne występowanie tego samego klienta w Kartotece Osobowej, Brak stabilnego obrazu klienta na dokumentach [np. klient kupił mieszkanie, a nie przerejestrował samochodu], Trudno ci związane z obsługą operacji łączenia klientów [złączenie powoduje przypisanie wszystkich obiektów do tej samej karty], Trudno ci z rozwiązaniem kwestii klientów "wieloosobowych Brak mo liwo ci prowadzenia analiz związanych z portfelem klienta Etapy procesu czyszczenia i deduplikacji danych: ANALIZA Investigate Poznanie jakości danych i ich wpływu na biznes Analiza etapy: IDENTYFIKACJA POWI ZA Matching STANDARYZACJA Standardize Poprawa i standaryzacja struktur i wartości danych Analiza rozkładu wartości danych Badanie typów i wartości Odkrywanie wartości domyślnych Odkrywanie braków danych i anomalii Analiza korelacji między kolumnami Rozpoznawanie danych w polach free form Przygotowanie zało eń pozwalających na korektę słowników i reguł Identyfikacja duplikatów SCALANIE Consolidation Utworzenie Golden rekordu z najlepszych danych Standaryzacja przykłady: Parsowanie danych połączonych Poprawa typowych błędów i literówek Poprawa formatu zapisu danych Wstawianie danych do odpowiednich kolumn Rozwijanie skrótów Identyfikacja zbędnych danych np. dopisków 9

10 Strategia Zarządzania Informacją - dojrzała i wiadoma organizacja

11 Cel wprowadzenia Strategii Zarządzania Informacją Strategia Zarządzania Informacją obejmuje zespół zasad dotyczących zarządzania informacją w PZU SA i PZU ycie SA oraz długoterminowy plan rozwoju Business Intelligence i Data Governance. Celem wprowadzenia Strategii jest podniesienie efektywności zarządzania informacją poprzez: Organizację zadań BZI według modelowej koncepcji BICC oraz formalne określenie zasad współpracy BZI z Organizacją, co umo liwi formalne ustalenie roli BZI jako Centrum Kompetencyjnego Zarz dzania Informacj (BICC) Wdro enie zasad Data Governance, aby poprawić szeroko rozumianą jakość danych, dopracować standardy danych w organizacji, usprawnić procesy dostarczania, przekształcenia i udostępniania danych, a tak e wprowadzić jasne reguły odpowiedzialności za procesy i ró ne aspekty danych Budowę, utrzymanie i rozwój Modelu Informacyjnego żrupy PZU, aby wystandaryzować i udokumentować zasoby informacyjne żrupy PZU Inicjalne opracowanie oraz cykliczne aktualizowanie długoterminowego planu rozwoju Business Intelligence aby zapewnić adekwatne wsparcie Biznesu 11

12 Misja Zarządzania Informacją Zwiększanie przewagi konkurencyjnej Grupy PZU poprzez efektywne dostarczanie informacji umożliwiaj cych podejmowanie optymalnych decyzji biznesowych Rola BZI (BICC) Obszary realizacji misji ZI Dostarczanie informacji Zapewnienie Zarządowi i jednostkom biznesowym informacji odpowiednio ustrukturyzowanej, aktualnej, szczegółowej, o wysokiej jako ci i zgodnej z obowiązującym w żrupie PZU Modelem Informacyjnym Model Informacyjny Data Governance Doskonalenie Modelu Informacyjnego, aby zapewniał spójno ć i kompletno ć informacji zarządczej i analitycznej, u ytecznej do podejmowania decyzji biznesowych na ró nych szczeblach Organizacji Koordynowanie i uczestniczenie w ogólno-organizacyjnym procesie Data Governance oraz zapewnienie ich wysokiej jako ci od momentu pozyskania do przetworzenia w informację zarządczą Utrzymanie i rozwój Business Intelligence Utrzymanie i rozwój nowoczesnej, adekwatnej do zapotrzebowania biznesowego i odpowiadającej rynkowym standardom technologii w obszarze HD oraz narzędzi zapewniających konsumentom dostęp do informacji i przeprowadzanie analiz Grupy zada służ cych realizacji misji ZI Program BI Data Stewardship Zaawansowane analizy Wsparcie użytkowników Rozpowszechnia nie wiedzy BI Dostarczanie informacji Pozyskiwanie danych Zarz dzanie dostawcami 12

13 źlementy Zarządzania Informacją Wsparcie organizacyjne Data Governance Dane źródłowe Standardy danych Cykl życia informacji ss Informacja Zarz dcza Hurtownia Danych Standardy raportowe Model danych Analiza danych Co obejmuje Zarządzanie Informacją? Analiza danych Audyt danych Benchmarking Bezpieczeństwo danych Czyszczenie danych Dashboardy Data Stewardship Integracja danych Integracja danych B2B Master Data Management Plan komunikacji Pokrycie obszarów danych Pomiar jako ci danych Współpraca z Biznesem Profilowanie danych Prywatno ć danych Standaryzacja danych Standaryzacja platform Strategia jako ci danych Usługi danych i interfejsy Walidacja danych Wła cicielstwo danych Wprowadzenie danych Wsparcie Zarządcze Wspólny Model Danych Wyja nianie przyczynowe Zarządzanie incydentami Zarządzanie metadanymi Technologia i Architektura danych 13

14 Obszary Strategii Zarządzania Informacją Strategia Struktura Proces Ludzie Technologia Strategia Definicja celów biznesowych zmiany Analiza stanu obecnego i najlepszych praktyk Stworzenie zało eń strategii zmiany Strategia Kto jest beneficjentem usług z obszaru Zarządzania Informacją? Jakie usługi powinny być wiadczone w obszarze Zarządzania Informacją? Jaką role w Zarządzaniu Informacją odgrywają poszczególne jednostki? Struktura Zarz dzanie zmian Jakie jednostki powinny odpowiadać za poszczególne obszary Zarządzania Informacją? Jak powinna wyglądać struktura organizacyjna w kontek cie Zarządzania Informacją? Proces Plan komunikacji zmiany Dane Aplikacje Technologie Jak powinny wyglądać procesy współpracy pomiędzy BZI i innymi jednostkami? W jaki sposób powinny być zbierane i realizowane wymagania biznesowe w obszarze BI? W jaki sposób powinny być definiowane i stosowane standardy danych? W jaki sposób powinny być powoływane i priorytetyzowane inicjatywy z obszaru BI? Ludzie Jakie kompetencje powinni rozwijać pracownicy w obszarze Zarządzania Informacją? Jakie powinni mieć obowiązki i uprawnienia? 14

15 Aktualizacja Strategii Zarządzania Informacją powinna odbywać się łącznie z aktualizacją Strategii firmy Pierwsza wersja Strategii Biznesowej Wersje Strategii Pierwsza wersja Strategii Architektury IT Pierwsza wersja Strategii Zarządzania Informacją Obowiązująca Strategia Biznesowa... Obowiązująca Strategia Architektury IT Obowiązująca Strategia Zarządzania Informacją... Monitoring Aktualizacja cykliczna Aktualizacja cykliczna Aktualizacja cykliczna Aktualizacja cykliczna Aktualizacja ad-hoc Aktualizacja ad-hoc Zdarzenie powodujące konieczno ć aktualizacji strategii Zdarzenie powodujące konieczno ć aktualizacji strategii Aktualizacja ad-hoc 15

16 BICC rozwój Centrum Kompetencyjnego Business Intelligence

17 Centrum Kompetencyjne Business Intelligence - definicja BI Competence Center niezale na jednostka, łącząca funkcje biznesowe, analityczne i IT, posiadająca stałą i sformalizowaną strukturę organizacyjną, zdefiniowane cele, role, zadania, odpowiedzialno ć i procesy związane z ciągłym wspieraniem i promowaniem efektywnego u ytkowania BI w organizacji Kompetencje biznesowe Cele biznesowe Procesy i organizacja BICC Kompetencje analityczne Narzędzia i aplikacje Kompetencje IT Integracja i czyszczenie danych ródłoś żartner,

18 Centrum Kompetencyjne Business Intelligence - struktura Komitet BI/Dż Centrum Kompetencyjne Business Intelligence Decyzje i priorytetyzacja inicjatyw BI/DG Biznes IT Wła ciciele danych Wła ciciele systemów Analitycy Biuro Zarządzania Informacją Standardy danych/raportowania Koordynacja Data Governance Rozwój Hurtowni Danych /BI / CRM Szkolenia z obszaru BI Infrastruktura Interfejsy systemowe Hurtownia danych i aplikacje Business Intelligence oraz analityczny CRM 18

19 Modele organizacyjne BICC Komentarz do rezultatów badań Uwaga: Przedstawione wyniki procentowe zostały zebrane przez Instytut żartnera z instytucji działających w ró nych bran ach, głównie w źuropie Zachodniej i Stanach Zjednoczonych. Obserwacje na podstawie przeprowadzonej ankiety*) Podsumowanie W większo ci polskich instytucji finansowych poszczególne komponenty organizacji i procesów BICC często są rozproszone po ró nych jednostkach organizacyjnych, znajdujących się zarówno w pionach IT, finansów, jak i w poszczególnych jednostkach biznesowych. Typologia referencyjna nie uwzględnia szeregu istotnych czynników np. rozwój hurtowni w ramach IT mo e być zarówno realizowany przez wydzieloną jednostkę, jak i wpleciony w strukturę ITIL, gdzie ka de zapotrzebowanie u ytkownika (niezale nie od tego, czy dotyczy ono systemów ródłowych, czy hurtowni) trafia do jego Menad era Relacji z U ytkownikiem, który z kolei przekazuje je odpowiedniemu Kierownikowi Projektu. Często, zwłaszcza w największych instytucjach finansowych, hurtownia, mimo formalnego usytuowania w pionie finansów, zaspokaja potrzeby cało ci organizacji. Usytuowanie BI w biznesie, mo e przybierać zarówno formę skupioną wokół jednego pionu, jak i rozproszoną (wiele małych hurtowni ). Występowanie konkretnego modelu nie przesądza o poziomie dojrzałości funkcji Zarządzania Informacją Modele referencyjne nie dostarczają wniosków przydatnych przy ocenie du ej instytucji finansowej Źokładniejsze, znacznie bli sze praktyce, wyniki daje analiza zalet i wad typowych wariantów umiejscowienia wybranych funkcji ZI 19

20 Misja Zarządzania Informacją - standaryzacja i Data Governance kluczowym elementem Zwiększanie przewagi konkurencyjnej żrupy PZU poprzez efektywne dostarczanie informacji umo liwiających podejmowanie optymalnych decyzji biznesowych Dostarczanie informacji Zapewnienie Zarządowi i jednostkom biznesowym wymaganych informacji Przedmiot prezentacji: Model Informacyjny Budowa i doskonalenie Standaryzacja danych Data Governance (DG) Organizacja i procesy zarządzania informacją Jako ć, dostępno ć, bezpieczeństwo Utrzymanie i rozwój Business Intelligence (BI) Technologia oraz metodyki słu ące do przekształcania danych biznesowych w u yteczną informację Hurtownia Danych Raportowanie Analizy CRM 20

21 Data Governance i polityka jako ci danych

22 Po co wdra ać Źata żovernance przykłady problemów Problem Niekompletność realizacji wymagań wszystkich interesariuszy Ryzyka Ryzyko niespełniania wymogów regulacyjnych (zewn. i wewn.) Brak danych do optymalnego podejmowania decyzji (np. Niepełna standaryzacja pojęć biznesowych (obszary/systemy) zwiększenie rentowności poprzez dokładniejszą analitykę kosztów) Obcią enie pracowników zadaniami związanymi z nieoptymalnym przetwarzaniem danych Niedostateczna jakość i terminowość danych Zwiększone koszty rozwoju systemów (konieczność pó niejszych uzupełnień) Wyzwania Wdro enie nowych systemów Projekty: Solvency II CRM Fraudy 22

23 Data Governance w Organizacji elementy Wsparcie organizacyjne Data Governance Data Governance a Zarządzanie Informacją Organizacja Wsparcie Zarządcze Wła cicielstwo danych Bezpieczeństwo danych Współpraca z Biznesem Jakość danych Strategia jako ci danych Data Stewardship Profilowanie danych Czyszczenie danych Wprowadzanie danych Walidacja danych Pomiar jako ci danych Standardy danych Wspólny Model Danych Standaryzacja danych Zarządzanie danymi Master Data Management Zarządzanie metadanymi 23 23

24 Komponenty wdro enia zasad Data Governance Struktura organizacyjna Data Governance, okre lająca role, jakie jednostki mogą pełnić w procesach zarządzania informacją. Jednolite procesy zarządzania informacją obowiązujące w Grupie PZU. Regulują zasady postępowania z danymi. OrganiProcesy zacja Pozwala okre lić, jakie obowiązki ma jednostka w konkretnym procesie. Model Informacyjny Model Informacyjny, czyli katalog istotnych biznesowo danych, którymi posługuje się żrupa PZU. Pozwala wprowadzić wspólny dla wszystkich język opisu przedmiotu procesów Zarządzania Informacją. 24

25 Polityka odpowiedzialno ci za informacje Polityka odpowiedzialności za informacje określa role jednostki pełnią w procesach zarządzania informacją. żłówne zasady Role Podział danych na obszary biznesowe Podział informacji na zarządzalne jednostki Uwzględnienie kwestii bezpieczeństwa danych cisłe powiązanie z Modelem Informacyjnym Iteracyjna metoda wdro enia Wła ciciel danych Wła ciciel systemu lub modułu Data Steward Uczestnik procesu Konsument Ekspert 25

26 Przykład przypisania wła cicieli do obszarów - Obszar Klient Obszar danych podstawowe dane o klientach (ubezpieczony, ubezpieczający, u ytkownik, uposa ony ) - osobowe, kontaktowe, zgody Jednostki organizacyjne PZU PZU SA ycie SA Sprzeda korporacyjna, Sprzeda Ubezpieczenia Korporacyjna Finansowe Bancassurnce Sprzeda Sprzeda Masowa agencyjna Zarządzanie siecią wyczyszczone, wzbogacone i zdeduplikowane dane klientów - dane osobowe, kontaktowe, zgody dane CRM analityczny - segmentacje, scoringi, wska niki, leady do kampanii Komentarz Klient korporacyjny Klient masowy (MSP i indywidualny) Zarządzanie Informacją Zarządzanie Produktami Produkty Indywidualne Sprzeda Korporacyjna Produkty Grupowe Klient masowy Klient korporacyjny 26

27 Model Informacyjny Grupy PZU Model Informacyjny słu y do skatalogowania i standaryzacji posiadanych danych niezbędnych do prowadzenia działalności ubezpieczeniowej. Co znajdzie się w Modelu Co nie nie znajdzie się w Modelu dane współdzielone w dane wykorzystywane Organizacji dane wymagane regulacyjnie dane wynikające z zapotrzebowań informacyjnych analityków i decydentów Systemy ródłowe w ramach pojedynczego obszaru, nie udostępniane pozostałym obszarom dane poddawane analizom o wąskim zakresie dane wykorzystywane lokalnie w systemach dziedzinowych 27

28 Zasady opracowania Modelu Informacyjnego Grupy PZU Biznes IT Przygotowanie wsadu merytorycznego do definicji obiektów i atrybutów Udział w uspójnianiu definicji Akceptacja Modelu w poszczególnych obszarach merytorycznych Biuro Rachunkowości Wskazanie wymagań regulacyjnych w kontek cie zawarto ci Modelu Informacyjnego Weryfikacja modelu z perspektywy systemów IT Uzupełnienie modelu o dane o kluczowym znaczeniu operacyjnym Biuro Bezpieczeństwa Okre lenie klas poufno ci informacji ujętych w Modelu Informacyjnym Właściciel dokumentu: Biuro Zarządzania Informacją Inwentaryzacja dostępnych dokumentów, instrukcji i definicji Wyodrębnienie i uporządkowanie elementów składowych Modelu Informacyjnego (obiekty podstawowe, obiekty analityczne, atrybuty, hierarchie, itd.) Wskazanie niespójno ci definicji Stworzenie i utrzymanie dokumentacji Modelu Aktualizacja Modelu 28

29 Obiekty Modelu Informacyjnego Obiekt Modelu Informacyjnego jest to reprezentacja fizycznego lub abstrakcyjnego pojęcia, na temat którego Organizacja zbiera i utrzymuje dane. Obiekty podstawowe podmioty, lokalizacje, produkty, przedmioty, kontrakty, zdarzenia Obiekty analityczne pojęcia reprezentujące i opisujące zjawiska biznesowe według przyjętych zasad lub metodyk opisuje konkretny fizyczny obiekt lub zdarzenie, które wystąpiło gromadzi miary analityczne opisujące to samo zjawisko w ustalonych przekrojach atrybuty biznesowe to cechy obiektu atrybuty biznesowe konkretne miary i wska niki z jednoznaczną definicją 29

30 Model Informacyjny Zawarto ć Modelu Informacyjnego Atrybuty biznesowe Obiekty Opis obiektu Związki między obiektami Biznesowa nazwa atrybutu Reguły biznesowe Sposób wyznaczania warto ci (algorytmy, wzory, procedury) Źane wej ciowe do kalkulacji Biznesowe kryteria poprawno ci danych Zastosowanie Zastosowanie atrybutu: regulacyjne, analityczne lub operacyjne Wymagalno ćś krytyczny, niekrytyczny Dane referencyjne Rekomendowane słowniki, bazy referencyjne Listy lub zakresy warto ci Hierarchie atrybutów biznesowych i warto ci Reguły udostępniania Reguły udostępniania danych (dane poufne, dane osobowe, tajemnica ubezpieczeniowa) 30

31 Model Informacyjny Żragment obszaru Likwidacja najwa niejsze obiekty Decyzja Szkody Systemy ródłowe Wycena pojazdu Rachunek Pozycja rachunku Analiza Legenda Nazwa obiektu Obiekt biznesowy Nazwa obiektu Obiekt z innego obszaru Koszt likwidacji Pojazd mechaniczny Wypłata Pozycja wypłaty Stawka RPG Kosztorys Warsztat Kalkulacja Związek 31

32 Model Informacyjny Przykład obiektu podstawowego Pojazd mechaniczny Obiekt Pojazd mechaniczny Mechaniczny rodek komunikacji poruszany za pomocą sił przyrody (Kodeks Cywilny, Art. 436) spełniający kryteria okre lone w Art. 2, pkt 10 ustawy z dnia 22 maja 2003 r. o ubezpieczeniach obowiązkowych, Ubezpieczeniowym Funduszu Gwarancyjnym i Polskim Biurze Ubezpieczycieli Komunikacyjnych (Dz. U. Nr 124, poz. 1152, z pó n. zm.) Atrybut biznesowy Kraj rejestracji pojazdu Definicja biznesowa Reguły biznesowe Dwuliterowy kod kraju bie ącej rejestracji pojazdu wg normy ISO alfa-2 Warto ć zgodna ze słownikiem kodów krajów ISO alfa-2 Marka pojazdu Nazwa marki pojazdu Warto ć zgodna ze słownikiem marek pojazdów. Obowiązuje hierarchia Marka pojazdu model Model pojazdu Nazwa lub symbol modelu Warto ć zgodna pojazdu ze słownikiem modeli pojazdu Obowiązuje hierarchia Marka pojazdu model Numer identyfikacyjny pojazdu (VIN) Zło ony zestaw znaków Stała długo ć 17 znaków nadawany pojazdowi Źopuszczalne u ywanie przez producenta w celu du ych liter łacińskich i cyfr jego identyfikacji. Opis arabskich pojęcia, tre ć, znaczenie i Ewidencjonowany VIN nie budowa VIN-u znajduje mo e zawierać separatorów się w normie ISO 3779 (1983) Słowniki i hierarchie ISO AF AL DZ AD Marki pojazdów Alfa Romeo ARO Asia Motors Aston Martin Marka pojazdu Model pojazdu Alfa Romeo

33 Model Informacyjny Standaryzacja definicji danych analitycznych Zadaniem Modelu Informacyjnego jest tak e standaryzacja definicji powszechnie stosowanych wska ników w żrupie PZU Atrybut biznesowy Definicja Reguły biznesowe Często ć szkód Obiekt analityczny Wska nik szkodowości W celach uporządkowania i uproszczenia zapisu, wska niki o zbli onych charakterystykach grupuje się w obiekty analityczne Szkodowo ć Udział odszkodowań Sposób kalkulacji: prosta w składce przypisanej kwota szkód wypłaconych / składka przypisana Szkodowo ć Udział odszkodowań, Sposób kalkulacji: zło ona rezerw i kosztów w (kwota szkód wypłaconych + składce przypisanej koszty likwidacji szkód + rezerwy szkodowe + prowizje) /składka przypisana Definicje i reguły obowiązujące w całej żrupie PZU Szkodowo ć Udział odszkodowań Sposób kalkulacji: krocząca w składce przypisanej kwota szkód wypłaconych w ciągu 12 miesięcy / 12w ciągu ostatnich 12 składa przypisana w ciągu miesięczna miesięcy 12 miesięcy Inne wska niki 33

34 Podstawowe procesy Data Governance Udostępnianie biznesowego opisu zasobów informacyjnych Wspieranie merytoryczne i techniczne w zakresie wykorzystania danych Wsparcie Konsumentów Jakość danych Tworzenie i aktualizacja definicji obszarów merytorycznych (opisy pól, algorytmów i standardów) Utrzymanie Modelu Informacyjnego Zastosowanie Modelu Informacyjnego w ramach budowy i rozwoju systemów informatycznych Zastosowanie zasad DG w ramach realizacji inicjatyw BI i rozwoju HD Zarządzanie dostępno cią i terminowo cią danych Definicja danych Zarządzanie metadanymi Rozwój i Utrzymanie Bezpieczeństwo danych Źefiniowanie inicjatyw poprawy jako ci danych Definiowanie kryteriów i mierników jako ci danych Pomiar i raportowanie jako ci danych Czyszczenie, standaryzacja i wzbogacanie danych Obsługa incydentów związanych z jako cią danych Analizowanie wpływu zmian w systemach na obszary danych Utrzymanie informacji o danych i ich wykorzystaniu Źefiniowanie klas bezpieczeństwa informacji Nadawanie uprawnień i okre lanie reguł dostępu do danych Monitorowanie dostępu do danych 34

35 Najwa niejsze role Źata Governance Koordynator DG (Dyrektor BZI) Koordynowanie, opiniowanie i nadzorowanie inicjatyw DG Monitorowanie jakość danych Opracowywanie i uzgadnianie procedur i procesów DG Uwzględnianie zapotrzebowania odbiorców informacji Właściciele Danych (Biura) Definiowanie pojęć i algorytmów Określanie wymagań na dane z systemów Powoływanie inicjatyw w zakresie poprawy jakości danych Określanie kryteriów jakości danych Role DG Właściciele Systemów (Biura) Data Steward (BZI) Utrzymanie i rozwijanie Modelu Informacyjnego, Opracowywanie standardów informacji Zbieranie wymagań informacyjnych i doprowadzanie do ich spełniania Monitorowanie jakości danych i rekomendowanie jak ją poprawiać Biznesowa parametryzacja systemu Definiowanie i monitorowanie zasad ewidencjonowania danych Podejmowanie działań zapewniających wysoką jako ć danych Koordynacja uczestników procesów realizowanych w systemie 35

36 Struktura organizacyjna Data Governance Komitet Data Governance Funkcja strategiczna rola operacyjnie koordynująca jako ć danych w całej organizacji. U ytkownicy danych Konsumenci Danych Koordynator DG Dyrektor BZI Opiekunowie danych Koordynator Jakości Danych Funkcja operacyjna Data Stewardzi Producenci danych Właściciele Danych Właściciele Systemów Uczestnicy Procesu Eksperci dziedzinowi, Wsparcie IT 36

37 Źo wiadczenia z projektu Solvency II Dyrektywa Solvency II oraz dokumenty wdra ające dyrektywę nakładają na zakłady ubezpieczeń szereg wymogów związanych z jakością danych. W ramach projektu Dostosowanie do wymogów Solvency II w Nurcie Zarządzania Informacją opracowano: Analizę i Rekomendację w Zakresie Zarządzania Jakością Danych Solvency II Politykę Jako ci Źanych Solvency II Katalog Danych Solvency II Doświadczenia z tych prac zostały zaabsorbowane w Polityce Data żovernance 37

38 Źroga do zbudowania BICC oraz wdro enia Data Governance bywa długa i kręta Wyliczanie mierników jakości danych Solvency II 2014-Udostępienie MIOP Majątek Przyjęcie przez Zarz d Polityki Data Governance i Polityki zarz dzania Jakości Danych Solvency II Przyjęcie przez Zarz d założe do Strategii Zarz dzania Informacj. Ustanowienie BICC 2014 udostepnienie Bazy Zgłoszeń Nieprawidłowości Związanych z Jakością Danych Opracowanie procedury dot. Solvency II Opracowanie Procedur funkcjonowania Modelu Obiektów Podstawowych i Analitycznych (MIOP i MIOA) 2013 Prace związane z zarządzanie jakością danych Solvency II 2012 Początek budowania Modelu Informacyjnego Obiektów Podstawowych 38

39 Istotnym elementem są procesy poprawy jako ci danych Baza Zgłoszeń Nieprawidłowości związanych z Jakością Danych Raport Błędów Raport Błędów Wła ciciel Źanych Wła ciciel Systemu Konsument Data Steward Konsument, Właściciel Danych, Data Steward Karta Wyników Jakości Danych Data Steward Wniosek o odstąpieniu Konsument Właściciel Danych Decyzja o odstąpieniu Komitet Data Governance Źziałania operacyjne Karta Oceny Jakości Danych Konsument 39

40 Wa ne by odpowiednio wdro yć kompleksowy proces Monitorowania Jako ci Źanych Repozytorium reguł kontroli jakości danych Data Steward Mierniki jakości danych Data Steward Karta Wyników Jakości Danych Data Steward Karta Oceny Jakości Danych Konsument Raporty jakości danych Data Steward Procesy wyja niania Planowane PZU Baza Zgłoszeń Nieprawidł owości związanyc hz Jakością Danych Raport Błędów Konsumen t, Właściciel Danych, Data Steward źfektywność procesów związanych z Jakością Danych Koordynator Jakości Danych Poziom Jakości Danych Koordynator Jakości Danych Istniejące PZU Baza błędnych i podejrzanych zapisów Data Steward Planowane PZU /Solvency Istniejące Solvency II Planowane Solvency 40

41 Data Governance podsumowanie istotnych zmian Model Informacyjny Zostanie opracowany Model Informacyjny słu ący zebraniu wymagań informacyjnych wszystkich odbiorców informacji oraz standaryzacji definicji pojęć u ywanych w PZU SA i PZU ycie SA. Model Informacyjny będzie dokumentował zasoby informacyjne i wspierał procesy budowy systemów IT. Określenie odpowiedzialności W ramach definicji ról Źata żovernance zostaną zdefiniowane i opisane w regulaminach Pionów i jednostek odpowiedzialno ci za merytoryczne obszary danych, systemy /moduły oraz poszczególne etapy procesów Zatwierdzenie standardów Zostaną zatwierdzone standardy interfejsów z Hurtownią Źanych. Wdro enia i modyfikacje systemów Wdro enia i modyfikacje systemów IT będą wymagały pozytywnej opinii z perspektywy informacji zarządczej i analitycznej oraz rachunkowo ci finansowej. Systemy będą musiały spełniać wymagania nało one przez zatwierdzony Model Informacyjny odzwierciedlający aktualne zapotrzebowanie informacyjne wszystkich odbiorców informacji. 41

42 Data Governance - doświadczenia Dojrzałość organizacji wiadomo ć decydentów i konsekwencja stosowania Umocowanie formalne i kwestie prawne wiadomo ć pracowników Źojrzało ć procesów w innych obszarach organizacji Określenie odpowiedzialności Wielu interesariuszy do jednego obszaru Dylemat wytwórca u ytkownik - administrator Łatwo ć negocjacji zale na od wcze niejszej współpracy Jakość danych Mierzenie jako ci danych Pętla jako ci danych jako element kompleksowego procesu Jak zainteresować jako cią danych innych uczestników procesu Model Informacyjny Nasze podej cie do budowania modelu Model logiczny a model fizyczny Popularyzowanie modelu informacyjnego Procedury zarządzania a pragmatyka 42

43 Data Governance korzyści z wdro enia Żormalizuje proces zarządzania informacją w organizacji Korzyści Nadaje obowiązki i wyznacza zakresy odpowiedzialności jej uczestnikom Porządkuje i standaryzuje istotną informację w kontekście Strategii firmy Nadaje rangę całemu procesowi Zwiększa biurokrację Koszty Zagro enia Mo e wydłu ać procesy dostarczania informacji Powoduje wzrost obcią enia pracowników jednostki odpowiedzialnej za zarządzanie informacją Ma niski priorytet w stosunku do projektów biznesowych Kwestia pogodzenia iteracyjnego podejścia do wdro enia z kompleksowym 43

44 Podsumowanie

45 Wnioski końcowe przyszło ć Standaryzacja informacji + Integracja Danych + Narzędzia + Modele analityczne + Wiedza umiejętne połączenie technologii i biznesu Działy odpowiedzialne za zarz dzanie informacj i innowacje w oparciu o zaawansowan analitykę ważnym elementem rozwoju firmy nakłady inwestycyjne na badania i poszukiwania rozwiązań, umiejscowienie w organizacji, rosnąca rola informacji i danych w procesach podejmowania decyzji biznesowych Rosn ca rola Data Scientists centralizacja funkcji, specjalizacja, szkolenia i rozwój, laboratoria badawcze 45

46 Wizualizacja - wzrok = król zmysłów 70% receptorów zmysłów jest ulokowanych w oczach Widzenie zużywa 25% mocy obliczeniowej mózgu Układ siatkówka-mózg działa z prędkości ok. 10Mbps 46

47 Wizualna eksploracja działa sprawniej gdy jest standaryzacja raportowania i ewidencji Wizualizacja (wgląd) Szybko ć (natychmiastowy rezultat) Interakcja (łatwo ć pytania) 47

48 Pytania? Dziękuję Marek Wilczewski Dyrektor Biura Zarządzania Informacją Grupa PZU 48