写点什么

头部险企如何打造低代码数据集市,快速构建指标体系

作者:Kyligence
  • 2023-03-21
    上海
  • 本文字数:2393 字

    阅读完需:约 8 分钟

头部险企如何打造低代码数据集市,快速构建指标体系

保险业的金融科技建设正在按下快进键,从最新发布的“2022 保险科技创新指数报告”来看,排名前 10 的企业得分均超过 75 分,可以看出整个保险行业都在为数字化转型持续发力。


保险企业数字化转型和指标平台建设的挑战


在保险行业的各个险种里,产险处于较为突出的位置。其不仅数据体量可观,而且涉及的信息不仅体现在内部环节,如车险通常包括理赔、渠道和续保,同时还会在外部场景累积大量的数据,如交通和社交等;同时从成本的角度看,行业内车险综合成本率居高不下,近年来都处于 95% 以上,这对于相应的数据基础平台建设和数据治理水平提出了更高的要求。


针对产险的典型场景如绩效、运营、风控等,通过高效的数字化管理,可以很好地支撑经营决策,而这就需要更多量化的信息以成体系的形式展现,对于持续在数字化转型中发力的险企比以往任何时候更需要基于指标和指标平台来提升管理水平。


由爱分析、Kyligence 共同打造的首份《2022 中国指标中台市场研究报告》已经发布,该报告以企业指标管理的痛点作为切入和聚焦,梳理了指标中台对企业数字化管理的价值,结合对指标中台成功实践案例的研究提出指标中台应用落地方法论,为企业发掘数据价值、实现数据驱动提供路径参考,欢迎扫描下方二维码免费获取报告:


这份报告指出了当下企业指标平台建设的主要挑战:


  • 指标分散:缺乏有效的协同机制,使得散落在不同部门的指标口径不一致,而认责模糊不仅无法建立有效的审核和更新机制,也导致大量的重复开发;

  • 指标呈现不灵活:由于更多的仍然停留在以报表为基础的建设思路,无法根据企业各角色、层级关注的重点增改维度、颗粒度和筛选条件等,大幅度降低了对决策支撑的广度和深度;

  • 井喷式的分析需求和冗长开发周期间的矛盾:过度依赖数据分析 / IT 团队来完成整个数据处理链路,开发周期以周甚至月为单位,而任何哪怕小幅度的需求变更都会让抓狂叠加,数据时效无法保证。


在这几点里我们都可以看到“低效”二字的踪影:在 Kyligence 所服务的险企客户中也存在同样的状况,以一家 500 强头部产险为例,其希望通过指标平台从经营全景视角,来统一指标管理、统一定义口径和统一数据服务,然而现实情况是:


  • 指标定制化开发,存在大量重复工作:指标定义需要与业务反复沟通后,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重复;

  • 维度不灵活,支持场景有限,运维成本高:数据集市为了满足查询性能要求需要加工宽表,产生大量中间表,后期运维成本高,同时由于不支持添加高基维维度,无法支持精确去重的场景。


搭建低代码数据集市,快速构建指标体系


选用 Kyligence 企业级 OLAP(多维分析)和指标平台产品及解决方案后,该产险企业逐步实现了指标体系的标准化管理和统一指标服务,建设起高效的以指标为核心的经营分析系统,为服务的多个业务场景分析提供多维度的交叉分析能力;同时在降低对于数据开发团队依赖的基础上,通过可行的自助分析显著增强了业务侧的参与度,真正开始以数据驱动业务增长:



在整个架构体系中,数据集市的改造是该险企数字化建设和转型的焦点:数据集市作为各分析系统的对接层,需要满足多场景多样化的数据服务需求;由于之前提到产险涉及内、外非常多的主题,这里会有大量的集市需要加工,传统的集市层建设首先是烟囱式的按需加工 ETL 形成大宽表(典型的清单层),进而对于指标加工还需要代码投入从而生成聚合表(典型的汇总层)。这里凸显的问题在于:


  • 宽表和指标涉及大量复杂的 ETL 和代码的数据加工链路,开发及持续维护成本高;

  • 交付周期长,且对于需求变更的响应不够敏捷,业务无法自助参与;

  •  数据冗余和重复,口径不一致。


在这样的背景下,数据集市正呈现轻量化和低代码的迫切需要(轻集市的发展趋势):在确保分析所需的维度和度量前提下,集市宽表在 Kyligence 上落地为多维模型来统一管理,无需手动通过复杂的 ETL 或依赖代码生成集市对应的聚合表,之后由 Kyligence 模型统一提供服务,完成对接各类消费端。



通过对数据集市层的改造:


  • 减少大量中间表(宽表、聚合表)的开发,缩短数据处理链路,节省开发成本 30%

  • 得益于 Kyligence 业界领先的 OLAP 分析引擎和 AI 智能建模,让更多的自助分析成为可能,业务可以轻松定义指标,平台会自动完成建模和后续变更时的修改,极大降低门槛,减少对于数据开发团队的依赖,整体交付效率提高 5 倍以上

  • 实现更灵活的数据分析,提升业务分析决策效率:不仅是可以从多维度完成自助分析,而且从原来的十几万条扩展到 120 亿+ 条明细数据,同时支持精确去重等场景,最大程度确保不影响业务人员的思维习惯;

  • 实现一套模型对接多种服务,数据口径统一;一致的指标口径,更好地复用也有效降低了重复投入。


想了解更多关于险企如何打造低代码数据集市,快速构建指标体系以及 Kyligence 指标平台的整体解决方案,欢迎您扫描下方二维码下载《2022 中国指标中台市场研究报告》。这其中不仅有保险业指标中台的实践案例,也包括在银行、餐饮等不同行业的典型应用场景,并以指标体系构建为基础展开落地方法论。


关于 Kyligence


跬智信息(Kyligence)由 Apache Kylin 创始团队于 2016 年创办,是领先的大数据分析和指标平台供应商,提供企业级 OLAP(多维分析)产品 Kyligence Enterprise 和一站式指标平台 Kyligence Zen,为用户提供企业级的经营分析能力、决策支持系统及各种基于数据驱动的行业解决方案。


Kyligence 已服务中国、美国、欧洲及亚太的多个银行、证券、保险、制造、零售、医疗等行业客户,包括建设银行、招商银行、平安银行、浦发银行、北京银行、宁波银行、太平洋保险、中国银联、上汽、长安汽车、星巴克、安踏、李宁、阿斯利康、UBS、MetLife 等全球知名企业,并和微软、亚马逊云科技、华为、安永、德勤等达成全球合作伙伴关系。Kyligence 获得来自红点、宽带资本、顺为资本、斯道资本、Coatue、浦银国际、中金资本、歌斐资产、国方资本等机构多次投资。

发布于: 刚刚阅读数: 2
用户头像

Kyligence

关注

To be Great! 2021-11-08 加入

Kyligence 由 Apache Kylin 创始团队创建,致力于打造下一代智能数据云平台,为企业实现自动化的数据服务和管理。

评论

发布
暂无评论
头部险企如何打造低代码数据集市,快速构建指标体系_金融科技_Kyligence_InfoQ写作社区