L'evoluzione dell'utilizzo del dato in relazione ai needs ... Un Data Warehouse non è un sistema...

« Environnement attitude »L’impression de ce document est-elle indispensable ? Si oui, pensez à imprimer plusieurs diapositives par feuille.

L'evoluzione dell'utilizzo del dato in relazione ai needs degli utenti: l'esperienza Cardif

Seminario CETIF


Company background

Dati e data quality

Obiettivo e roadmap di progetto

Creazione Datawarehouse

Dashboard direzionale e KPI’s

Evoluzione verso CRM model

AgendaAgenda

3

CardifCardif, , ilil polo polo assicurativoassicurativo didi BNP ParibasBNP Paribas

� BNP Paribas è leader europea nel Global Banking ed è presente in più di 85 nazioni con 173.000 dipendenti.

� BNP Paribas Ranking:

� Ratings of BNP PARIBAS

� BNP Paribas Key figures del 2008:

� Ricavi: € 27,4 Mld

� Utile netto: € 3 Mld

Cardif, a BNP Paribas Company

RATING A LUNGO TERMINE AGGIORNAMENTO

4

French Retail Banking

Corporate and Investment Banking

Investment Solutions

International RetailServices

Cardif, Cardif, ilil polo polo assicurativoassicurativo didi BNP ParibasBNP Paribas

BNL

� Leadership mondiale nelle Assicurazioni a Protezione dei Finanziamenti (Creditor Insurance).

� Quarta compagnia Vita in Francia

� Specializzata nella bancassicurazione

� Opera in 41 Paesi con 50 milioni di persone assicurate nel mondo

� Annovera tra i propri Partner 35 delle 100 banche più importanti al mondo

� Ratings: Standard & Poor’s ha assegnato il rating ‘AA’ di solidità finanziaria e creditizia a Cardif Assurance Vie e Cardif Assurances Risques Divers, le principali società di BNP Paribas Assurance

5

CardifCardif nel mondo: i numeri chiavenel mondo: i numeri chiave(1)(1)

Profile (1) BNP Paribas Assurance’s key figures

Gross Written Premiums(in miliardi di euro)

42 % da partnership esterne a BNP Paribas.

Assets Under Management(in miliardi di euro)

Net Banking Income(in milioni di euro)

1318

1437

1277

1017

867

2004 2005 2006 2007 2008

Pretax Income(in milioni di euro)

697

527467

789

563

2004 2005 2006 2007 2008

*

� Una compagnia solida che mostra una crescita costante principalmente grazie ad accordi di banca-assicurazione

*Before fair value adjustments under IFRS, revenues

from operating divisions increased 8.6% compared to 2007 to 1.5 billion euros

101,210698,4

77,568,2

2004 2005 2006 2007 2008

16,118

17,1

13,011,4

2004 2005 2006 2007 2008

6

RankingsUn modello di Business B2B2C Il modello di Bancassurance

Strutturata dal “greenfield”oltre 30 anni fa per servire i Partner

secondo un modello Business to Business to Consumer

� Approccio distributivo Tailor-made

� Ottimizzazione dei processi e dell’insieme della catena del valore

� Nessuna rete: interesse comune al Partner nel massimizzare la soddisfazione del cliente finale

Implementa e genera un centro di profitto con il Partner

Il Il ModelloModello didi BusinessBusiness

CARDIF

CLIENTI

Banche

Part

ner

Società finanziarie

Agenti e Brokers

Aziende

CARDIF

7

Cardif Cardif ItaliaItalia::Key figures 2008 Key figures 2008 –– ProdottiProdotti di di ProtezioneProtezione

Prodotti di Protezione: Premi Lordi in Mln€Prodotti di Protezione: Premi Lordi in Mln€

2008 vs 2007: Premi dei Prodotti di Protezione + 10%

0

50

100

150

200

250

300

350400

450

500

550

2000 2001 2002 2003 2004 2005 2006 2007 2008

Cardif Centrovita

2248

157108

556

77

507

390

244

+ 10 %


Company background

Dati e data quality





AgendaAgenda

9

La conoscenza passa attraverso il dato elementareLa conoscenza passa attraverso il dato elementare

� Forma di sapere, dotata di una sua utilità

� L'informazione può esistere indipendentemente da chi la possa utilizzare […] la conoscenza esiste solo in quanto c'è una mente in grado di possederla e/o utilizzarla

DatoDato

InformazioneInformazione

ConoscenzaConoscenza

Descrizione

� Descrizione elementare, spesso codificata, di una cosa, di una transazione, di un avvenimento o altro

� L'elaborazione dei dati può portare alla conoscenza di una informazione

� In una situazione in cui si hanno almeno due occorrenze possibili, supera un'incertezza e risolve un'alternativa, cioè sostituisce il noto all'ignoto, il certo all'incerto

Azioni chiave

RaccoltaOrganizzazione

SummarizingOrganisingAnalysing

SintesiDecision making

10

LL’’importanza del dato elementare importanza del dato elementare èè critica perchcritica perchéé alimenta le alimenta le informazioni e indirizza le decisioni aziendaliinformazioni e indirizza le decisioni aziendali

L’importante è che la business

intelligence produca

informazioni basandosi su

dati di elevata qualità

L’importante è che la business

intelligence produca

informazioni basandosi su

dati di elevata qualità

� Una decisione di business si deve poggiare su dati certificati.

�Pochi dati impuri potrebbero falsare di molto i risultati e produrre INFORMAZIONI sbagliate. Meglio quindiscartarli o rettificarli

�Scartare pochi DATI impuri non altera la sostanza delle INFORMAZIONI estratte mentre inserirli, anche se con un grado di affidabilità basso, può alterarle di molto

� Un Data Warehouse non è un sistema gestionale, serve quindi un’accurata selezione dei dati alimentanti

� Una decisione di business si deve poggiare su dati certificati.

�Pochi dati impuri potrebbero falsare di molto i risultati e produrre INFORMAZIONI sbagliate. Meglio quindiscartarli o rettificarli

�Scartare pochi DATI impuri non altera la sostanza delle INFORMAZIONI estratte mentre inserirli, anche se con un grado di affidabilità basso, può alterarle di molto

� Un Data Warehouse non è un sistema gestionale, serve quindi un’accurata selezione dei dati alimentanti

Fattori critici di successo

11

Fattori che possono influire sulla Data Fattori che possono influire sulla Data QualityQuality

DATI

� Velocità del cambiamento

� Misure

� Validazione� Accuratezza

� Metadati

� Definizione

� Modellazione� Distribuzione

TECNOLOGIA

Data Pipeline

� Timeline

� Perdita nel processo

Isolamento dei sistemi

Grado di copertura

� Data capture

� Uso dei dati

� manutenzione

DATA QUALITY

PROCESSI� Grado di Copertura

� Uso dei dati� Collezionamento dei

dati� Manutenzione

� Data Pipeline� Timeline� Perdita nel processo

� Disegno del processo

PERSONE� Leadership

� Conflitti di priorità� Responsabilità� Obiettivi

� Educazione

� Motivazione� Premio� Feedback


Company background

Dati e data quality





AgendaAgenda

13

I pilastri del progetto esprimono I pilastri del progetto esprimono i prei pre--requisitirequisiti di basedi base

DescrizionePilastri di progetto

Fattore culturale

Committment

Investimenti

� Sentire necessità di visione unica e condivisa dei dati

� Estendere il need del dato alle varie aree e ai vari livelli

� Kick-off ampi e coinvolgimento risorse impattate

� SAL e reporting del progetto al Top Management

� Budget dedicato su piano pluriennale

� Integrazione di interventi non previsti nel piano iniziale a

condizione che apportino valore aggiunto alla soluzione

(es. nuovi requirements)

14

La La RoadmapRoadmap di Progetto di Progetto èè stata definita dal Top stata definita dal Top

Management e poi condivisa con le principali AreeManagement e poi condivisa con le principali Aree

FASE 1

Technologies / Fattori abilitanti

How much? How many?

Business question

FASE 2 FASE 3 FASE 4

Prodotti finiti

What happend?What’s the best

that can happen?What will

happen next?

Data AccessData Quality

ReportingOLAP

PredictiveModeling

•KPI Direzionali•Risk Mgmnt

Business Intelligence

ReportAnalitici (Statici) e Schede Partner

Sintesi deisistemi aziendali

•Stime commerciali

• Integrazione dei dati dei sistemi gestionali per Query & Reporting

• Produrre una visione unificata e integrata dei dati delle diverse sorgenti (Portafoglio, Sinistri, Assunzioni, Contabilità Tecnica)

• Produzione di informazioni di business per le analisi (Forecasting, KPI’s, …)

• Evoluzione del modello

• Rivisitazione del 'Cliente‘

• CRM

Data AccessData Quality


Company background

Dati e data quality





AgendaAgenda

16

Scopo del Data WarehouseScopo del Data Warehouse

� Distribuisce una ‘single version of truth’

� Condivide gli stessi dati nell’Organizzazione

� Elimina il proliferare di elaborazioni ottenute con strumenti di informatica individuale (tutte diverse, non certificate, non condivise e lunghe da produrre).

� Permette agli utenti di accedere ai dati della “Compagnia” (visione orizzontale o di business) superando quella per sistemi operazionali (visione verticale per sistema).

� Far evolvere gli utenti dalla visione ‘Finanziaria/Tecnica’ verso una visione di ‘Business’

� Account Vendite, Sales support, Area Marketing, Attuariato, Contabilità

� Un Data Warehouse è uno snodo dell’Informazione che separa i sistemi operazionali da quelli decisionali e non partecipa ad alcun processo operativo

� Un Data Warehouse non produce reporting operazionale e non partecipa ad alcun processo gestionale

Obiettivi / Needs

Obiettivi / Needs

Out of scopeOut of scope

UtentiUtenti� Partner, Clienti, Prospects

17

La struttura del DW La struttura del DW èè unica con Universi che unica con Universi che

rispecchiano i Sistemi sorgente rispecchiano i Sistemi sorgente

Sorgente esterna

Nuovo DW

Portafoglio / Sinistri

� Tre Subject Area differenti:

� Portafoglio

� Contabilità

� Assunzioni/Sinistri

� Creare un unico DB

eliminando possibili

divergenze sui dati che

vengono forniti a clienti

interni/esterni

Pre-DW

Contab

Descrizione e obiettivo

Portafoglio

Contabilità

Data Warehouse

Attività non totalmente automatizzate

D1

D2

D3

D2

Stime

commerciali

Assunzioni

Assunz Sinistri

��Integrazione

dati prodotti da

altre fonti

ILLUSTRATIVO

18

ReportisticaReportistica ad hoc per gli utenti da utilizzare in ad hoc per gli utenti da utilizzare in

funzione dei funzione dei needsneeds

DATA WAREHOUSE

Portafoglioe Sinistri

Contabilità

Assunzioni

Subject Area Da utilizzare per … Need dell’utente

DW emette report statici

� Raccolta premi complessiva,

segmentata per prodotto,

compagnia e garanzia assicurativa

� PREMI

� CONTRATTI

� TESTE ASSICURATE

� SINISTRI

� PROFILO DEMOGRAFICO

� CAPITALI MEDI SOTTO RISCHIO

� ASSUNZIONI

� Principali dati statistici e

quanto non reperibile a

livello di dettaglio dalla

Contabilità

� Dettaglio per tipologia di

assunzione, esito e durata

media

19

……lala surveysurvey interna effettuata al termine del progetto ha interna effettuata al termine del progetto ha confermato lconfermato l’’utilitutilitàà del lavoro svoltodel lavoro svolto

Migliorata decisamente la fiducia e il grado di utilizzo da parte delle persone

Ponendo la domanda diretta agli utenti di riferimento sul grado di utilità, affidabilità e

completezza del Dw, si è ottenuta una valutazione complessiva del 90%. Il restante 10% è

da imputare a carenze e ritardi non sempre attribuibili al Dw.

Vantaggi per Utenti INTERNI Possibili vantaggi per Utenti ESTERNI

� Fonte unica del dato aziendale

� Dati certificati ed affidabili

� Risparmio tempo e manualità

� Dato trasversale rispetto ai Gestionali

� Fonte unica ed immediata del dato aziendale

� Supporto all’analisi del proprio portafoglio


Company background

Dati e data quality





AgendaAgenda

21

DashboardDashboard e e KPIKPI’’S si rivolgono ad utenti interni S si rivolgono ad utenti interni ““direzionalidirezionali”” che necessitano di una visione di alto livello che necessitano di una visione di alto livello

� Ottenere maggior valore dal Datawarehouse attraverso nuove applicazioni

� Creare “visioni” direzionali di alto livello trasversali rispetto ai sistemi che superino la pura logica del dato contabile (del premio/sinistro)

� Rielaborare serie storiche per ottenere nuovi dati

� Introdurre tool di navigazione (Business Object) e permettere creazione di reportdedicati solo ad alcuni “utenti evoluti” (PowerUser)

� Direzione Commerciale, Direzione Marketing; Direzione Generale; PeC

� Power User

Obiettivi / Needs

Obiettivi / Needs


UtentiUtenti

� Replicare indicatori già esistenti di origine finanziaria o attuariale dando origine a duplicazioni

Interni

22

I I KPIKPI’’s disponibili possono essere declinati per s disponibili possono essere declinati per una gamma di dimensioni duna gamma di dimensioni d’’analisianalisi

Esempi di KPI’s Esempi di Dimensioni di analisiPartner:

• Banche

• Finanziarie Gener.

• Leasing

• Mediatori creditizi

• Finanziarie Auto

• Utility

• Specialisti Carte

KPI di portafoglio• Generazione• Premio netto emesso• Premio Puro di competenza per generazione• Premio Netto di competenza per generazione• Spese Commerciali• Spese Gestionali• Incidenza (%) delle Spese Commerciali sul netto

• Incidenza (%) delle Spese Gestionali sul netto di competenza

• Numero• Importo• Sinistrosita• Frequenza• Incidenza (%) sinistri sui premi per generazione

• Incidenza di spese e sinistri sul premio per generazione

• Premio depurato dalla liquidazione sinistri

• Premio depurato dalla liquidazione sinistri sul netto di competenza

KPI Sinistri• Generazione• Numero Sinistri Denunciati• Numero Sinistri Senza seg.• Numero Sinistri Definiti• Frequenza di Rifiuto• Capacità di Evasione• Importi Medi Definiti• Importi Medi Pagati

Modalità di vendita

• Abbinamento

• Inclusione

• Stand-Alone

Canale

• Rete

• Telemarketing

Categoria Clienti

• Retail

• Small Business

Ramo

• Vita

• Infortuni

• Malattia

• Perdita Pecuniari

Sottostante Tipo

• Carte Revolving

Saldo

• Prestiti Auto

Personali

Linea Fido

Finalizzati

• Mutui Chirografari

Ipotecari

• Leasing Immobiliari e Industriali

Strumentali e Agrario

Nautico

Auto

Altro

• Conto Corrente

• Investimento

Prodotto Tipo

• CPI Light

Completo

• GAP A

B

• Goods Protection

• Payment Protection

• Purchase Protection

• Saving Protection

• Uso Fraudolento

• EW Car

Brown and white

• Budget Insurance

• Salute Small

Medium

Large

“COSA” “VISTO PER …”

23

Altre esperienze di Altre esperienze di CardifCardif InternationalInternational hanno consentito di hanno consentito di apportare nuove idee di sviluppoapportare nuove idee di sviluppo

PRELIMINARY DRAFT


Company background

Dati e data quality





AgendaAgenda

25

Ulteriori necessitUlteriori necessitàà informative tracciano il percorso informative tracciano il percorso della Business Intelligencedella Business Intelligence

Obiettivi / Needs

Obiettivi / Needs


UtentiUtenti

� CRM analitico:

� Product and Campaign Profitability, Statistical Analysis

� Possibilità di usare il Dw così esteso anche per il post vendita

� Estendere l’ambito del Dw alle basi dati oggi dislocate su tutte le basi date

interne ed esterne

� Tempestività della risposta, riduzione della manualità

� Data Mining

� Analisi comportamentali, segmentazione, profilazione utili al fine di studio di

nuove release di prodotto, cross selling, e gestione delle trattative

Direzione Commerciale, Direzione Marketing; Direzione Generale

Interni

� Equiparare il CRM ad un software o considerarlo avulso da strategia o come mera

integrazione tra i processi aziendali

26

Customer & Market Profiling and SegmentationCustomer & Market Profiling and Segmentation

ILLUSTRATIVO

27

Il lavoro svolto ci ha permesso di fare il bilancio sulle Il lavoro svolto ci ha permesso di fare il bilancio sulle principali esperienze acquisiteprincipali esperienze acquisite

� Assicurarsi una larga condivisione e sponsorizzazione dal Top Management

� Coinvolgere gli Utenti ed in particolare i Power Users fin dalle prime battute: il loro supporto sarà determinante per la diffusione del suo utilizzo

� Ottenere dei quick WIN

� Definire congiuntamente i prodotti core dell’aziende (Cliente; Prodotto; Garanzie etc.

� Il disegno di un Dw parte dal Business e dalla condivisione dei significati ‘core’, non dalla disponibilità tecnologica dei dati

� Cedere a compromessi;

� Considerare un Dw parte del processo ‘produttivo’ o come un sistema operazionale; nemmeno da un punto di vista architetturale

� Risparmiare in progettazione e data cleaning

� Data Quality: Solo un progetto ‘forte’ con una gestione esperta e una larga condivisione può raggiungere il risultato

� Accettazione dei risultati finali: Il miglior progetto Dw, se non è usato nella quotidianità è un insuccesso

� Compromessi: ogni deviazione dalla metodologie e dalla roadmap tracciata può mettere in crisi l’intero progetto

Do´sDo´s

Dont´sDont´s

MaggioriAvversità

MaggioriAvversità


The information contained in this documentis confidential, non-contractual,

and belongs to Cardif.No information can be used

without prior authorizationof Cardif.

L'evoluzione dell'utilizzo del dato in relazione ai needs ... Un Data Warehouse non è un sistema...

Documents

Transcript of L'evoluzione dell'utilizzo del dato in relazione ai needs ... Un Data Warehouse non è un sistema...