Wie sich Munich RE den Herausforderungen von Big Data und

Suits and Hoodies – Wie sich Munich RE den Herausforderungen
von Big Data und Analytics stellt
21. Mai 2015
Gerald Greiling, Felix Löw
Agenda
Munich Re
Suits and Hoodies
Transformation
Classic BI
Big Data &
Analytics
Lessons Learnt
Suits and Hoodies – Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt
21.05.2015
2
Munich Re
Unser integriertes Geschäftsmodell
Starke Marken im Verbund
Munich Re (Gruppe)*
Rückversicherung
Munich Health
Erstversicherung
Belgium
Corporate Insurance Partner
Great Lakes Reinsurance (UK) PLC
KA Köln.Assekuranz Agentur GmbH
MSF Pritchard Syndicate 318
Temple Insurance Company
Watkins Syndicate
Assetmanagement
* Die Darstellung erhebt keinen Anspruch auf Vollständigkeit und gibt nicht die genauen Beteiligungsverhältnisse wieder.
21.05.2015
4
Kompetenzfelder von Munich Re
Was uns von anderen unterscheidet
Maßgeschneiderte Lösungen und
Effizienz
Service und
Knowhow
Sicherheit und
Verlässlichkeit
Wir übernehmen
veränderte und komplexe Risiken
Wir bieten
risikoorientierte Services wie
Wir ermöglichen
attraktives Kapitalmanagement.
 erweitern die Grenzen der
Versicherbarkeit,
 entwickeln innovative Deckungskonzepte.
 Underwriting-Tools, z.B. Nathan und
MIRA,
 Wissenstransfer in Kundenseminaren,
 effiziente Kooperation über
connect.munichre.com.
 Transfer von Risiken an den
Kapitalmarkt,
 Risikomanagement für Kapitalanlagen
(ALM),
 Capital Relief,
 Solvency II Consulting.
Wir bieten
 erstklassige Modellierung und
maßgeschneiderte Deckungen,
 effiziente Rückversicherung von
Standardrisiken,
 hohe Kapazität pro Risiko-Exponierung.
Wir unterstützen
 Produktentwicklungen.
Suits and Hoodies – Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt
21.05.2015
5
In allen Märkten präsent
n
n
n
n
n
n
n
n
n
n
n
n
Amelia
Atlanta
Chicago
Columbus
Hartford
Montreal
New York
Philadelphia
Princeton
San Francisco
Toronto
Vancouver
n
n
n
n
n
n
n
n
n
n
n
n
n
n
Bogotá
Buenos Aires
Caracas
Mexico
Santiago de Chile
São Paulo
n
n
n
n
n
n
n
n
n
n
n
Munich
London
Madrid
Malta
Milan
Moscow
Paris
Zurich
n
n
n
n
n
Accra
Cape Town
Johannesburg
Nairobi
Port Louis
Beijing
Calcutta
Dubai
Hong Kong
Kuala Lumpur
Mumbai
Seoul
Shanghai
Singapore
Taipei
Tokyo
n Auckland
n Melbourne
n Sydney
Suits and Hoodies – Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt
21.05.2015
6
Suits and Hoodies
Level of sophistication
Für „Analytics und Big Data“ benötigen wir andere Ansätze als für
„Corporate BI“
What should
be done?
What is likely
to happen?
cognitive
Machine
Learning
predictive
Statistics
Why has it
happened?
diagnostic
OLAP
What has
happened?
Reports &
Dashbords
prescriptive
Classic BI
Analytics
Business Value
21.05.2015
8
Leben Suits und Hoodies in unterschiedlichen Welten?
stabiler
Betrieb
Hands-On
Governance
&
Compliance
Sourcing
Cool new
tool – let‘s go
Trial and
error
Corporate BI
Der Weg ist
das Ziel
Use cases
Prozesse &
Rollen
Explorer
Suits and Hoodies – Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt
Ich machs in
der Cloud
21.05.2015
9
Transformation der klassischen BI Landschaft
Der neue Architekturansatz mit SAP HANA bringt Reporting
näher an die Quellsysteme
RM Life
LRM
FSRI
FS-RI
RM
SEM-BPS
RM non-Life
SEM-BCS
SEM-BPS
SEM-BCS
IO
SAP BW
IO
SAP GT
…
Data
Management
SAP GT
EDWH
Reserving
…
Underwriting
Reserving
…
Underwriting
Mit SAP HANA können wir analytisches Reporting an die transaktionalen Systeme bringen
Mit SAP BO bieten wir den Nutzern ein einheitliches Frontend
Mit SAP Data Services und Replikations-Mechanismen können wir eine effektive
Datenversorgung sicherstellen
Suits and Hoodies – Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt
21.05.2015
11
Reporting-Zielarchitektur und Roadmap wird aktuell zusammen mit
der SAP definiert
FS-RI on HANA
HANA Native
Nächste Schritte
 PoC für Migration auf FS-RI 7.0
und HANA erfolgreich
 Replikation von FS-RI Daten in
HANA mit SLT
 Roadmap und
Technologievalidierung mit SAP
 Closing Continuity Test erfolgreich
durchgeführt
 Modellierung des Reporting
Layers in HANA mit grafischer
Modellierung
 Kleine Performanceverbesserungen der BatchSequenzen
 Upgrade- und Migrations Projekt
on Track
Zieltermin August 2015
Ziel: Enablement der Applikation
für Innovationen
 Modellierung von komplexer
fachlicher Logik
 Implementierung rudimentäres
Batch Handling mit HANA Native
 Reporting mit BO Analysis
for Office
Validierung mit SAP
OLTP + OLAP, HANA Native,
Replikationsmechanismen,
Virtualisierung, Business
Warehouse, Standard-Software
für Rechnungslegung
 Validierung von zukünftigen
Reportingzielen und
Anforderungen mit Business
 Migration Global Template
(SAP FI) auf HANA und
Evaluierung sFinance
Suits and Hoodies – Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt
21.05.2015
12
Big Data und Analytics
Aus 76 Use Cases wurden 5 ausgewählt, die nun in
Pilotimplementierungen umgesetzt werden
1: Build B2B customer
profiles for business
development
2: Improve risk
assessment and pricing
for supply chain risks in
BI/CBI
3: Improve marine
underwriting through
enhanced usage of
GIS data
4a/4b: Increase claims
intelligence & use loss
trends and better tariffs
for UW
5: Improve forecasting
and understanding of
disability and
mortality risks
Suits and Hoodies – Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt
21.05.2015
14
Der Technologie Stack für ein Analytics-Ecosystem wird iterativ und
Use-Case getrieben entwickelt
Classic BI
Reports &
Dashboards
Analytics und Big Data
OLAP
Statistics
Enhanced
Visualization
Machine
Learning
Mass
Data
Use Case Driven Approach
SAP HANA
SAP BW
SAP BO
(Analysis for Office, Design Studio,
Lumira, WebIntelligence)
SAP DS, SLT, SRS
kleine
Anbieter
Cloud
SAP HANA
PAL
?
Infinite Insight
BI Lab Approach
Suits and Hoodies – Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt
21.05.2015
15
Um Erfahrungen zu gewinnen und erste Use Cases umzusetzen
wird ein hybrides Szenario für das BI Lab angestrebt
int. Data
Hadoop Platform
SAP HANA
Data
extern
ext. Data
int. Data
Data
ext. Data
External Provider
Data
SAP HANA
intern
unstrukturiert
strukuriert
Internal Systems
ext. Data
Hadoop Platform
int. Data
on premise
kritisch / vertraulich
cloud
unkritisch
21.05.2015
16
Lessons Learnt
Das haben wir bisher gelernt…
Vorgehen und
Konzepte sind
gerade erst am
entstehen
Transaktionales
und analytisches
auf einer
Platform?
Reines BW
Know-How reicht
bei der BI
Entwicklung nicht
mehr
Balance zwischen
Transformation
und Innovation
wichtig
Enge Einbindung
der SAP
essentiell
Big Data fordert
ein agiles
Vorgehen
Viele Angebote,
Technologien &
Optionen
Cloud versus
on-premise
BI Lab versus
Enterprise
readiness
Compliance
Fragestellungen
müssen geklärt
werden
Viele Stakeholder
–
unterschiedliche
Sichten
Analytics und Big Data erfordert ein wesentlich flexibleres Vorgehen im Vergleich zu
klassischen BI Vorhaben
Suits and Hoodies – Wie sich Munich RE den Herausforderungen von Big Data und Analytics stellt
21.05.2015
18
Vielen Dank!
Felix Löw
IT Architect – Business Intelligence
Central Division Information Technology
Munich Re
+49 89 3891 8332
[email protected]
Gerald Greiling
IT Architect – Business Intelligence
Central Division Information Technology
Munich Re
+49 89 3891 2056
[email protected]