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数据分析

2021年是引入 Kyligence 引擎能力的元年，我们聚焦于平台的搭建集成和部分重点应用的落地，很好的完成了目标。在双方项目组成员的共同努力下，我们完成了平台建设、集成对接、投产保障、人员培训等各项准备工作；归纳出了 Kyligence Enterprise 在我们公司的使用规范和最佳实践；完成了多个应用的上线；保障了团体业务数据分析项目成功汇报，获得业务团队的信任与一致好评。
引用
—— 世界 500 强保险企业

1. 行业现状及痛点随着宏观经济、行业、市场及客户需求的不断变化，叠加疫情因素，保险代理人规模自 2019 年冲上 912 万人高位后便进入下行通道，以往粗放的“人海战术”难以为继。财产保险尤其是车险，综合成本率长期居高不下，2021 年上半年财产险全行业的车险综合成本率一度高达 99.9%。对于保险企业而言，建设以指标为核心的经营分析系统、以数据驱动业务增长成了数字化转型的关键。指标对于指导经营决策至关重要，Kyligence 服务的这家保险企业早期就自建了指标平台，目标是从经营全景视角，来统一指标管理、统一定义口径、统一数据服务等，其指标平台底层引擎最初基于 Druid 创建，但随着指标平台的多轮迭代，逐渐衍生出以下问题：

指标定制化开发，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；
非标准 SQL：Druid 对表关联支持度较低，对于维度模型查询不友好，增加了开发难度；
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；不支持高基维维度的加入，无法支持精确去重场景。

2. Kyligence 应用场景 + 解决方案 2021年，这家企业选择 Kyligence 智能多维数据库产品及解决方案，建设以指标核心的经营分析系统，服务了多个业务场景，以数据驱动业务增长。

文章图片

应用场景 1: 业务实现自助式分析
保险企业为控制和优化成本、提高人效，业务员成本分析等工作必不可少。该险企现有业绩贡献的业务人员就有上万人，他们隶属于不同的组织机构，从不同来源为企业带来保费收入。以往，业务分析师是通过「人工取数 + Excel 制作报表」的方式进行数据分析并向领导层汇报。大致确定分析思路后，需要进行以下工作：

数据分析师需要和数据开发工程师进行往复的大量沟通；
数据开发工程师进行人工取数；
数据分析师使用 Excel 进行报表的制作。

然而，该方式效率较低，并存在以下痛点：

分析师常因沟通和等待取数而被打断分析思路；
受限于 Excel 数据处理能力以及取数周期，分析时不得不对维度做裁剪，只能看到小部分数据，难以在大数据集上进行多维分析和展示；
数据分析汇报展示效果差强人意，无法实现自助分析。

因此，该企业希望在业务员成本分析等场景实现：
基于海量数据的交互查询：该险企年均保单数量超几十亿，分析师期望可以在数百亿的数据上做快速分析，保持分析思路的连贯；同时希望在完成分析后直接基于此数据做成灵活报表，供汇报使用；
进行多维度的交叉分析：在汇报数据分析结果时，常由总到分进行说明，要求分析工具可以支持产品、队伍类型、机构等多维度组合下的灵活切片、切块、下钻等分析能力；
进行灵活的数据处理：人员归属、类别归属等需根据不同报表目的进行调整，分析师希望可以自助完成。

文章图片

采用 Kyligence 产品及解决方案后，该产险企业能够实现整合成本分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、业务来源等多个维度对百亿级保单的明细数据进行自助分析，并完成报表制作，提升业务分析决策效率：

整合数据模型：整合各方数据，得到一个包含有产品、队伍、机构及时间等关键分析视角的多维星型模型，提供更丰富的分析角度；
极简智能建模：通过 Kyligence 接入数据，快速可视化建模，开发全程无代码，大幅缩短需求交付周期；借助 Kyligence AI 增强引擎，智能加速关键查询，无需繁琐的模型设计优化；
BI 直连分析：借助 Kyligence Enterprise 的 Model as View 功能，分析用户无需在 BI 工具上重复建模，可直接对维度、度量执行拖拽分析，并支持在 BI 工具中进行二次计算加工出业务来源。

应用场景 2: 指标中台架构优化
指标中台用于管理指标的定义、查找、开发、发布等重要功能，同时也为车险经营分析等业务前端应用提供 API 服务。指标中台建设目标是保证全司口径和指标的统一管理、统一出口，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。

文章图片

选用 Kyligence 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，显著提升了业务自助分析能力：

无缝对接业务前端应用：在指标查询层面，利用 Model as View 能力，将在 Kyligence 中创建好的复杂模型，以一张宽表的形式展现，减少宽表开发，应用端 SQL 无需引入复杂的表关联关系，即可满足；
精准推荐、查询响应更快、自优化：利用 AI 智能推荐引擎，收集业务人员的查询行为，后续推荐更为精准的索引，同时支持高性能和高并发的查询。

应用场景 3: 集市层低代码开发
数据集市作为各分析系统的对接层，为了满足应用层的查询性能需求，需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，业务部门的需求有任何变更，都需要通过修改代码、走正式发版流程实现，存在以下痛点：

IT 部门维护成本高，开发周期长，数据的加工链路长，依赖关系复杂；
数据烟囱多，导致数据冗余；
集市组之间互相引用，没有完整设计规范。

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，各层表间错落交叉，还有互相引用的现象。该产险企业希望减少数据集市层的链路开发，建设标准的维度建模模型，减少维度模型之后的加工过程，降低维护成本，实现集市层的低代码化。

文章图片

选用 Kyligence 产品及解决方案后，企业可实现直接对接数仓明细层、集市明细层、和轻度汇总层，同时支持表之间关联、以及标准的星型结构和雪花结构，之后由 Kyligence 模型统一提供服务，完成对各类 BI 的对接。

文章图片

通过对集市层的改造，减少大量中间表和宽表的开发，缩短数据处理链路，大约可以节约 30% 的开发成本。此外，由 Kyligence 模型提供查询服务，可以达到秒级甚至亚秒级的查询响应；统一了数据模型，实现一套模型对接多种服务，完成了数据口径的统一。
3. 收获的成效自 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应用的落地，实现了：

支撑海量数据的自助分析：业务自助分析数据从原来的十几万条扩展到 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分析需求；
提升 IT 部门的工作效率：针对已改造的集市主题统计，减少了 30% 数据集市临时表和宽表的开发量，减少 IT 人员的定制开发工作量，实现 IT 与业务的新协作模式；
改善数据分析体验：65% 查询在 1s 内响应，91% 查询在 3s 内完成，同时支持精确去重等场景，在不影响业务人员使用习惯的前提下，大大提升了查询分析效率。

在服务众多行业领先客户的过程中，Kyligence 不断打磨自身的企业级产品和解决方案，同时为客户提供持续可靠的平台运营和技术服务。如果您对上述产品及解决方案感兴趣，欢迎致电 400-865-8757 与我们取得联系。
关于 Kyligence 上海跬智信息技术有限公司 (Kyligence) 由 Apache Kylin 创始团队于 2016 年创办，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 增强的高性能分析引擎、统一 SQL 服务接口、业务语义层等功能，Kyligence 提供成本最优的多维数据分析能力，支撑企业商务智能（BI）分析、灵活查询和互联网级数据服务等多类应用场景，助力企业构建更可靠的指标体系，释放业务自助分析潜力。
【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】Kyligence 已服务中国、美国、欧洲及亚太的多个银行、证券、保险、制造、零售等行业客户，包括建设银行、浦发银行、招商银行、平安银行、宁波银行、太平洋保险、中国银联、上汽、Costa、UBS、MetLife 等全球知名企业，并和微软、亚马逊、华为、Tableau 等技术领导者达成全球合作伙伴关系。目前公司已经在上海、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。