BCI Seguros es la compañía líder de seguros generales de Chile y la segunda en seguros de vida no previsionales. El grupo español Mutua acaba de adquirir participación mayoritaria y la marca la compone además de BCI Seguros, ZenitSeguros y Auxilia. La compañía cuenta con más de 1000 colaboradores y sucursales a lo largo de Chile.
Desafíos del negocio
BCI Seguros enfrentaba desafíos comunes de las organizaciones modernas, incluyendo dificultad para sincronizar múltiples fuentes de datos, necesidades críticas en el análisis de información no cubiertas y barreras para la data warehouse en infraestructura TI local. Debido a limitaciones en cómputo, al escaso almacenamiento y la capacidad para el procesamiento de datos, los análisis de negocio se encontraban muy restringidos en la generación de conocimientos, la toma de decisiones y, por lo tanto, la generación de ventajas competitivas en el mercado.
Adicionalmente, la generación de insights de negocio, requería ser un proceso rápido, ágil y flexible con soporte a las modificaciones normales de información y con tiempos de respuesta acorde al dinamismo de la industria de los seguros. La información de negocio proveniente de distintas fuentes con grandes volúmenes de datos, necesitaba ser analizada en un periodo acotado de tiempo, las necesidades de escalamiento y disponibilidad, eran críticas para habilitar el análisis experto de la información y ajustar así, la oferta de productos de acuerdo a variables relevantes de mercado.
Los siguientes desafíos de negocio resumen el estado previo:
Lentitud en analítica del negocio. La extracción y procesamiento de datos de bases de datos transaccionales era un trabajo manual y lento, limitado por el uso de recursos locales y de alta inversión de horas hombre.
Dificultades para el almacenamiento y procesamiento de datos a escala. Los informes y análisis utilizaban bases de datos OLTP y, por lo tanto, aumentaban los riesgos comerciales y generaban limitaciones de los usuarios. La creación de un modelo analítico de almacenamiento de datos (OLAP) permitió que las capacidades informáticas y los usuarios obtengan datos en línea desde diferentes perspectivas.
Baja eficiencia operacional. La necesidad de reducir los gastos de operación y soporte informático, realizados en procesos de administración manual, como respaldos de bases de datos, copias, restauración, gestión de almacenamiento, etc., generaba altos costos para la compañía.
Estrategia de datos no alineada con la necesidad del negocio. La arquitectura de datos antigua necesitaba soportar las necesidades del negocio y facilitar la disrupción en la industria.
Resultados
Mediante la conformación de un equipo de trabajo integrado, BCI Seguros junto a Arkhotech como aliados estratégicos en la consecución de los objetivos de negocio integraron un equipo multidisciplinario para la disrupción del negocio mediante los datos.
Arkho utilizó una estrategia de ingesta, procesamiento y consumo en la nube con múltiples ejes de trabajo que harán posible la generación de insights de negocio críticos en los próximos años:
Sincronización de datos del negocio hacía la nube, en proceso de bajo impacto en procesos productivos y con baja latencia de respuesta.
Creación de estructuras de lagos de datos empresariales que permitirá a futuro incorporar nuevas necesidades de analítica reusando la misma información.
Procesamientos distribuidos para generación de modelos óptimos de información y enriquecimiento de los datos de negocio.
Consumo de datos en herramientas de BI ya utilizadas por el negocio.
Beneficios
Como resultados del proyecto, el negocio pudo capturar las necesidades de generación de insights de negocio más ágilmente, utilizando grandes volúmenes de información y enriqueciendo los datos en transformaciones automáticas. Los tiempos de respuesta en consultas de negocio se optimizaron en un 95% en relación a los tiempos previos requeridos. Adicionalmente, la estructura de analítica creada, hace posible al negocio continuar la innovación en casos de uso predictivos y de mayor disrupción en el mercado.
Por otro lado, la solución generó distintas características en la optimización del procesamiento de datos:
La replicación de datos en línea en AWS S3, lo que permite la creación de un lago de datos para la empresa, además, el uso del formato parquet mejora la eficiencia en un 60% y reduce las necesidades de espacio para almacenamiento.
La replicación de datos en línea en AWS S3, a su vez, ha permitido que la fuente de datos se reutilice para la creación de bases de datos de prueba temporales, respaldo de datos y creación de consultas más complejas para información empresarial. A futuro, esta estructura permite máxima reutilización y casos de uso de analítica más complejos.
Sincronización de la base de datos Oracle local con Redshift casi en tiempo real, lo que permite a los usuarios realizar consultas en línea.
Tener un subconjunto de datos RAW en Redshift ha permitido a los usuarios desacoplarse de las fuentes de datos OLTP y dejar de competir por recursos en bases transaccionales, obteniendo resultados en menos tiempo incluso con información agregada.
Las métricas para la replicación de datos son ahora un lenguaje común para los equipos de operaciones comerciales y de TI.
La creación de alarmas y el monitoreo en línea han permitido a los usuarios cambiar los modelos de operaciones reactivos a proactivos.
Athena permite consultar y buscar resultados rápidos, prácticamente sin infraestructura.