Росгосстрах — это 98 лет истории, 8,5 миллиона клиентов, 37 тысяч страховых агентов, 13 тысяч сотрудников, 1 500 филиалов и офисов продаж по всей России, присутствие в 83 регионах, 300 центров и пунктов урегулирования убытков.
Состояние на старте
На момент старта проекта в компании было много источников данных, сложная синхронизация, большое количество разнородных данных с качеством от плохого до хорошего, что затрудняло использование. Все отчеты велись в Excel, что означало статичную картинку, ограниченную дистрибуцию, детализацию и частоту выпуска. Методология была нестабильной, отсутствовал единый источник правды в отчетах и аналитике.
BI-система как средство достижения целей
- Единый инструмент отчетности и анализа данных
- Единая точка правды в компании
- Объединение данных из множества источников
- Оптимизация ресурсов
- Простые и удобные приложения
- Настоящий Self-Service BI
Выбор платформы и этапы внедрения
В выборе платформы участвовали различные подразделения компании. Главные причины, по которым был выбран Qlik Sense: ассоциативное хранилище данных, современная универсальная визуализация, высокая скорость разработки, возможность создания приложений для бизнес-пользователей, а не только аналитиков.
Этапы внедрения включали: первый тестовый стенд, прототип отчета по продажам, утверждение Qlik Sense как единого инструмента BI, приобретение первого пакета лицензий, утверждение проекта ИТ-решения, создание кластера из 4 серверов, внедрение расширений Vizlib, запуск первого промышленного приложения с массовым доступом, создание команды в Финансовом департаменте, получение лицензий Qlik ELA.
Этапы внедрения включали: первый тестовый стенд, прототип отчета по продажам, утверждение Qlik Sense как единого инструмента BI, приобретение первого пакета лицензий, утверждение проекта ИТ-решения, создание кластера из 4 серверов, внедрение расширений Vizlib, запуск первого промышленного приложения с массовым доступом, создание команды в Финансовом департаменте, получение лицензий Qlik ELA.
Старт внедрения и организация процесса
Был выбран гибридный путь внедрения с параллельными процессами: проекты внутренних заказчиков реализовывались in-house командой разработки, а первичный проект по ETL операционных данных выполнялся с внешним партнером. Разработка велась в режиме мини-проектов. Сформирована внутренняя команда разработчиков, в которую вошли руководство центром BI, технический архитектор, команда разработчиков, бизнес-аналитики и проектные менеджеры.
Инфраструктура
В компании развернут продуктивный кластер с балансировкой нагрузки, используются виртуальные машины для тестирования, ежедневно осуществляется резервное копирование приложений без данных между машинами. В инфраструктуре работают четыре физических сервера по 768 Гб RAM, два виртуальных сервера, DWH на PostgreSQL и Pentaho.
Текущее состояние системы
В системе зарегистрировано 4 500 пользователей, ежедневно работает 500 уникальных пользователей, плановое количество пользователей — 33 000, за последние 3 месяца было 3 800 активных пользователей, максимальное количество уникальных пользователей в день превышает 1 200.
О приложениях
В системе 1 700 приложений, из них 1 200 активны за последние 90 дней и 300 — за последние 7 дней. К самым популярным приложениям относятся: розничная управленческая панель, автострахование (котировки, конверсия), подбор агентов, дебиторская задолженность, KPI Опердепа, отчетность Финдепа, контроль платежей, управление сетью, обучение, CRM, актуарные приложения, персонал, внутренние приложения Финдепа, приложения цифрового блока.
Self-Service и децентрализация
Сложная разработка и централизованное моделирование остаются в группе разработки Финдепа. Никто не знает задачи и данные лучше, чем сами бизнес-подразделения, владеющие данными. Цель — self-service силами power-пользователей в бизнес-подразделениях.
Пример 1. Дебиторская задолженность
Отчеты по дебиторской задолженности ранее представляли собой не хранимый, динамический показатель. Полный отчет по компании формировался из двух операционных систем несколько часов и содержал более двух миллионов строк. Просто посмотреть текущую задолженность по партнеру, подразделению или филиалу занимало от 10 минут до нескольких часов. Отсутствовала централизованная «версия правды» — каждый филиал делал свои отчеты и анализировал их по своему желанию. Для сохранения истории изменений приходилось хранить каждый сформированный отчет. Проанализировать динамику по конкретному партнеру или филиалу было задачей на несколько часов, при этом качество и глубина анализа оставляли желать лучшего. Изменения и ошибки в исходных данных иногда делали невозможным ручной анализ.
В Qlik Sense реализована не только визуализация, но и обработка данных с бизнес-логикой: базовая выгрузка, загрузка данных в архив (ETL1), обработка данных (ETL2), обновление приложения QS. Еженедельная выгрузка полного отчета в Excel, исправление ошибок в исходных данных, загрузка исходных данных в единый архив, выявление связанных сущностей, построение взаимосвязей, создание итогового архива для приложения, формирование расчетных показателей для обратной загрузки в операционные системы и аналитических показателей для бизнес-пользователей.
Результат — единый центр данных по дебиторской задолженности: все филиалы пользуются единым источником данных, преднастроенные фильтры и аналитические разрезы, подсветка «зон внимания» для анализа и отработки, возможность посмотреть динамику за два года по любому набору сущностей в несколько кликов, детализированные таблицы с пользовательской настройкой столбцов для выгрузки в Excel.
В Qlik Sense реализована не только визуализация, но и обработка данных с бизнес-логикой: базовая выгрузка, загрузка данных в архив (ETL1), обработка данных (ETL2), обновление приложения QS. Еженедельная выгрузка полного отчета в Excel, исправление ошибок в исходных данных, загрузка исходных данных в единый архив, выявление связанных сущностей, построение взаимосвязей, создание итогового архива для приложения, формирование расчетных показателей для обратной загрузки в операционные системы и аналитических показателей для бизнес-пользователей.
Результат — единый центр данных по дебиторской задолженности: все филиалы пользуются единым источником данных, преднастроенные фильтры и аналитические разрезы, подсветка «зон внимания» для анализа и отработки, возможность посмотреть динамику за два года по любому набору сущностей в несколько кликов, детализированные таблицы с пользовательской настройкой столбцов для выгрузки в Excel.
Пример 2. Непривязанные платежи
Филиалам необходимо было дать инструмент для работы с непривязанными платежами. Ежедневно поступает 20–30 тысяч страховых платежей, которые должны привязываться к договорам страхования. В бухгалтерской системе отсутствовал готовый интерфейс для работы со списком непривязанных платежей, а простой полный отчет формировался около 10 минут и давал существенную нагрузку на базу данных. Не было возможности «нарезать» список под конкретных бизнес-пользователей.
Qlik Sense позволил отказаться от создания сложных инструментов в бухгалтерской системе. Каждый час в базе данных выгружается полный список непривязанных платежей и сохраняется в отдельной таблице, список платежей загружается в приложение QS, данные обогащаются дополнительными аналитиками, которые гибко настраиваются в скрипте загрузки, определяются уровни доступа и сегменты видимости платежей для филиалов, реализован удобный и легко настраиваемый интерфейс.
Результат — удобное рабочее место для работы с непривязанными платежами: без доработок бухгалтерской системы, быстро настраиваемые дополнительные аналитики, моментальный доступ к данным без нагрузки на основную базу данных, быстрый поиск по любому параметру и сквозной полнотекстовый поиск, контроль результатов работы филиалов, система рейтинга по качеству отработки.
Qlik Sense позволил отказаться от создания сложных инструментов в бухгалтерской системе. Каждый час в базе данных выгружается полный список непривязанных платежей и сохраняется в отдельной таблице, список платежей загружается в приложение QS, данные обогащаются дополнительными аналитиками, которые гибко настраиваются в скрипте загрузки, определяются уровни доступа и сегменты видимости платежей для филиалов, реализован удобный и легко настраиваемый интерфейс.
Результат — удобное рабочее место для работы с непривязанными платежами: без доработок бухгалтерской системы, быстро настраиваемые дополнительные аналитики, моментальный доступ к данным без нагрузки на основную базу данных, быстрый поиск по любому параметру и сквозной полнотекстовый поиск, контроль результатов работы филиалов, система рейтинга по качеству отработки.
