关于数据分析:行业案例|世界-500-强险企如何建设指标驱动的经营分析系统

35次阅读

共计 3434 个字符,预计需要花费 9 分钟才能阅读完成。

2021 年是引入 Kyligence 引擎能力的元年,咱们聚焦于平台的搭建集成和局部重点利用的落地,很好的实现了指标。在单方我的项目组成员的共同努力下,咱们实现了平台建设、集成对接、投产保障、人员培训等各项筹备工作;演绎出了 Kyligence Enterprise 在咱们公司的应用标准和最佳实际;实现了多个利用的上线;保障了个人业务数据分析我的项目胜利汇报,取得业务团队的信赖与统一好评。
援用
—— 世界 500 强保险企业

1. 行业现状及痛点

随着宏观经济、行业、市场及客户需要的一直变动,叠加疫情因素,保险代理人规模自 2019 年冲上 912 万人高位后便进入上行通道,以往粗放的“人海战术”难以为继。财产保险尤其是车险,综合老本率长期居高不下,2021 年上半年财产险全行业的车险综合老本率一度高达 99.9%。对于保险企业而言,建设以指标为外围的经营剖析零碎、以数据驱动业务增长成了数字化转型的要害。指标对于领导经营决策至关重要,Kyligence 服务的这家保险企业晚期就自建了指标平台,指标是从经营全景视角,来对立指标治理、对立定义口径、对立数据服务等,其指标平台底层引擎最后基于 Druid 创立,但随着指标平台的多轮迭代,逐步衍生出以下问题:

  • 指标定制化开发,大量反复工作:指标定义须要与业务重复沟通后,再由数据开发团队进行定制化开发;每个指标烟囱式开发,定制化配置,开发组之间存在大量反复;
  • 非标准 SQL:Druid 对表关联反对度较低,对于维度模型查问不敌对,减少了开发难度;
  • 反对场景无限,运维老本高:数据集市为了满足查问性能要求须要加工宽表,产生大量两头表,前期运维老本高;不反对高基维维度的退出,无奈反对准确去重场景。

2. Kyligence 利用场景 + 解决方案

2021 年,这家企业抉择 Kyligence 智能多维数据库产品及解决方案,建设以指标外围的经营剖析零碎,服务了多个业务场景,以数据驱动业务增长。

利用场景 1: 业务实现自助式剖析

保险企业为管制和优化老本、进步人效,业务员老本剖析等工作必不可少。该险企现有业绩奉献的业务人员就有上万人,他们隶属于不同的组织机构,从不同起源为企业带来保费支出。以往,业务分析师是通过「人工取数 + Excel 制作报表」的形式进行数据分析并向领导层汇报。大抵确定剖析思路后,须要进行以下工作:

  • 数据分析师须要和数据开发工程师进行往返的大量沟通;
  • 数据开发工程师进行人工取数;
  • 数据分析师应用 Excel 进行报表的制作。

然而,该形式效率较低,并存在以下痛点:

  • 分析师常因沟通和期待取数而被打断剖析思路;
  • 受限于 Excel 数据处理能力以及取数周期,剖析时不得不对维度做裁剪,只能看到小局部数据,难以在大数据集上进行多维分析和展现;
  • 数据分析汇报展现成果差强人意,无奈实现自助剖析。

因而,该企业心愿在业务员老本剖析等场景实现:

基于海量数据的交互查问:该险企年均保单数量超几十亿,分析师冀望能够在数百亿的数据上做疾速剖析,放弃剖析思路的连贯;同时心愿在实现剖析后间接基于此数据做成灵便报表,供汇报应用;
进行多维度的穿插剖析:在汇报数据分析后果时,常由总到分进行阐明,要求剖析工具能够反对产品、队伍类型、机构等多维度组合下的灵便切片、切块、下钻等剖析能力;
进行灵便的数据处理:人员归属、类别归属等需依据不同报表目标进行调整,分析师心愿能够自助实现。

采纳 Kyligence 产品及解决方案后,该产险企业可能实现整合老本剖析所需维度和度量数据,在 Kyligence 上落地为多维模型,从而实现从产品、队伍、机构、业务起源等多个维度对百亿级保单的明细数据进行自助剖析,并实现报表制作,晋升业务剖析决策效率:

  • 整合数据模型:整合各方数据,失去一个蕴含有产品、队伍、机构及工夫等要害剖析视角的多维星型模型,提供更丰盛的剖析角度;
  • 极简智能建模:通过 Kyligence 接入数据,疾速可视化建模,开发全程无代码,大幅缩短需要交付周期;借助 Kyligence AI 加强引擎,智能减速要害查问,无需繁琐的模型设计优化;
  • BI 直连剖析:借助 Kyligence Enterprise 的 Model as View 性能,剖析用户无需在 BI 工具上反复建模,可间接对维度、度量执行拖拽剖析,并反对在 BI 工具中进行二次计算加工出业务起源。

利用场景 2: 指标中台架构优化

指标中台用于治理指标的定义、查找、开发、公布等重要性能,同时也为车险经营剖析等业务前端利用提供 API 服务。指标中台建设指标是保障全司口径和指标的对立治理、对立进口,底层依赖于数据集市加工的宽表作为数据源进行开发,开发的流程较长。

选用 Kyligence 产品及解决方案后,该产险企业逐渐实现了指标体系的标准化治理和对立指标服务,显著晋升了业务自助剖析能力:

  • 无缝对接业务前端利用:在指标查问层面,利用 Model as View 能力,将在 Kyligence 中创立好的简单模型,以一张宽表的模式展示,缩小宽表开发,利用端 SQL 无需引入简单的表关联关系,即可满足;
  • 精准举荐、查问响应更快、自优化:利用 AI 智能举荐引擎,收集业务人员的查问行为,后续举荐更为精准的索引,同时反对高性能和高并发的查问。

利用场景 3: 集市层低代码开发

数据集市作为各剖析零碎的对接层,为了满足应用层的查问性能需求,须要加工大量的大宽表。在该险企,以往维度都是按需进行的烟囱式加工模式,业务部门的需要有任何变更,都须要通过批改代码、走正式发版流程实现,存在以下痛点:

  • IT 部门保护老本高,开发周期长,数据的加工链路长,依赖关系简单;
  • 数据烟囱多,导致数据冗余;
  • 集市组之间相互援用,没有残缺设计规范。

该企业之前的数仓加工链路中,分为 ODS 贴源层、DWD 数仓明细层、DMD 集市明细层、DMS 轻度汇总层、DMI 接口层等,各层表间错落穿插,还有相互援用的景象。该产险企业心愿缩小数据集市层的链路开发,建设规范的维度建模模型,缩小维度模型之后的加工过程,升高保护老本,实现集市层的低代码化。

选用 Kyligence 产品及解决方案后,企业可实现间接对接数仓明细层、集市明细层、和轻度汇总层,同时反对表之间关联、以及规范的星型构造和雪花构造,之后由 Kyligence 模型对立提供服务,实现对各类 BI 的对接。

通过对集市层的革新,缩小大量两头表和宽表的开发,缩短数据处理链路,大概能够节约 30% 的开发成本。此外,由 Kyligence 模型提供查问服务,能够达到秒级甚至亚秒级的查问响应;对立了数据模型,实现一套模型对接多种服务,实现了数据口径的对立。

3. 播种的功效

自 2021 年引入 Kyligence 后,该世界 500 强保险企业实现了多个场景和重点利用的落地,实现了:

  • 撑持海量数据的自助剖析:业务自助剖析数据从原来的十几万条扩大到 120 亿 + 条明细数据,满足了业务人员和分析师对海量数据的自助剖析需要;
  • 晋升 IT 部门的工作效率:针对已革新的集市主题统计,缩小了 30% 数据集市长期表和宽表的开发量,缩小 IT 人员的定制开发工作量,实现 IT 与业务的新合作模式;
  • 改善数据分析体验:65% 查问在 1s 内响应,91% 查问在 3s 内实现,同时反对准确去重等场景,在不影响业务人员应用习惯的前提下,大大晋升了查问剖析效率。

在服务泛滥行业当先客户的过程中,Kyligence 一直打磨本身的企业级产品和解决方案,同时为客户提供继续牢靠的平台经营和技术服务。如果您对上述产品及解决方案感兴趣,欢送致电 400-865-8757 与咱们取得联系。

对于 Kyligence

上海跬智信息技术有限公司 (Kyligence) 由 Apache Kylin 开创团队于 2016 年开办,致力于打造下一代企业级智能多维数据库,为企业简化数据湖上的多维数据分析(OLAP)。通过 AI 加强的高性能剖析引擎、对立 SQL 服务接口、业务语义层等性能,Kyligence 提供老本最优的多维数据分析能力,撑持企业商务智能(BI)剖析、灵便查问和互联网级数据服务等多类利用场景,助力企业构建更牢靠的指标体系,开释业务自助剖析后劲。

Kyligence 已服务中国、美国、欧洲及亚太的多个银行、证券、保险、制作、批发等行业客户,包含建设银行、浦发银行、招商银行、安全银行、宁波银行、太平洋保险、中国银联、上汽、Costa、UBS、MetLife 等寰球知名企业,并和微软、亚马逊、华为、Tableau 等技术领导者达成寰球合作伙伴关系。目前公司曾经在上海、北京、深圳、厦门、武汉及美国的硅谷、纽约、西雅图等开设分公司或办事机构。

正文完
 0