AI Use Cases

GenAI Accelerator

Quell­da­ten­mi­gra­tion mit Auto­ma­ti­sie­rung der Quelldatenanbindung

Insu­rance

Kurz zur Geschichte






Als selb­stän­dige Unter­neh­mung des öffent­li­chen Rechts ist die Suva die wich­tigste Trä­ger in der obli­ga­to­ri­schen Unfall­ver­si­che­rung in der Schweiz. Sie ver­si­chert rund 2 Mil­lio­nen Berufs­tä­tige gegen Berufs­un­fälle, Berufs­krank­hei­ten und außer­be­ruf­li­che Unfälle. 

Seit mehr als 10 Jah­ren unter­hält die Suva ein ste­tig wach­sen­des Data Ware­house als Daten­dreh­scheibe für den inter­nen und exter­nen Informationsbedarf.


"Seit mehr als zehn Jahren ist synvert ein kompetenter Partner, der uns in allen Bereichen der BI Entwicklung unterstützt. Von der Business Analyse über die Entwicklung komplexer ETL Strecken bis zum Reporting übernehmen die Berater der synvert sämtliche Arbeiten. Dank des guten Know-hows und der guten Sozialkompetenz können die Projektziele jederzeit erreicht werden. Die Zusammenarbeit ist so einfach und gut, dass wir uns jederzeit auf die Arbeit konzentrieren können.

Die Zusammenarbeit ist ein echter Erfolg!"


Reto Chris­ten (Suva)

Bereichsleiter VTI (Competence Center Data Warehouse)


Ziele und Herausforderungen


Nach mehr als 20 Jahren musste ein neues Schaden- und Prämiensystem eingeführt werden. Mit diesem Umstieg von dem selbstentwickelten, auf Cobol basierendem Versicherungssystem auf eine für die Suva erweiterte Branchenlösung (AdCubum Syrius) änderte sich für das DWH das Datenfundament grundlegend. Das DWH musste auf die neuen Voraussetzungen mit der folgenden Zielsetzung angepasst werden:


  • Migra­tion sämt­li­cher Daten auf­grund der Erset­zung des alten durch ein neues, ope­ra­ti­ves Systems
  • Ãœber­nahme der gesam­ten Datenbasis
  • Auto­ma­ti­sie­rung der Quelldatenanbindung
  • Größt­mög­li­che Wei­ter­ver­wen­dung der exis­tie­ren­den Core-DWH-Schicht
  • Gleich­blei­bende Qua­li­tät der Daten


Anfor­de­run­gen


An das neu entstehende DWH wurden folgende erweiterte Anforderungen gestellt, die über die grundlegenden Funktionalitäten hinausgingen und eine umfassende Erweiterung der Architektur sowie eine tiefgreifende Anpassung an die Bedürfnisse der Fachabteilungen und des Unternehmens insgesamt erforderlich machten. Diese Anforderungen spiegeln den stetig wachsenden Bedarf an effizienter Datenverarbeitung, flexibler Datenanalyse und zeitnaher Bereitstellung von Informationen wider, um den dynamischen Anforderungen des Unternehmens gerecht zu werden:


  • Ein­füh­rung eines zusätz­li­chen BI-Tools
  • Ein­füh­rung eines zusätz­li­chen Sys­tems für ope­ra­ti­ves Report­ing, das mit BI-Tech­no­lo­gien umge­setzt wer­den soll
  • Umstel­lung von monat­li­chem Load auf täg­li­chen Load

Wich­tige Punkte


Da nicht alle Altdaten in das neue Quellsystem überführt wurden, wurde im Rahmen des Data Warehouse (DWH) eine eigene Archivierungslösung implementiert. Dieses Archiv fungiert nun als zusätzliche Datenquelle und ermöglicht eine vollständige Sicht auf die gesamte Datenhistorie der Suva seit 1918. Ein zentraler Bestandteil des Projekts war der Einsatz einer neuen BI-Technologie (OBIEE), um die Analyse- und Reporting-Funktionalitäten zu verbessern. Zudem wurde der Ladezyklus von einem monatlichen auf einen täglichen Load umgestellt, um insbesondere die operativen Berichte täglich mit aktuellen Daten zu versorgen. Dies führte zu einer Optimierung der Ladezeiten und einem erhöhten Automatisierungsbedarf. Die Umsetzung stand unter hohem Zeitdruck, da das DWH gleichzeitig mit der Einführung des neuen operativen Systems an die neuen Quelldatenstrukturen angepasst werden musste. Eine fristgerechte Fertigstellung war daher essenziell, um einen reibungslosen Übergang und eine kontinuierliche Datenverfügbarkeit sicherzustellen.



Die Archi­tek­tur


Um der stark steigenden Anzahl von Quellobjekten gewachsen zu bleiben, wurde ein generischer Ansatz zur Verarbeitung von Mutationen aus dem Quellsystem verwendet. Neue Tabellen können nun mittels Einträgen in Metadatentabellen registriert werden. Ein PL/SQLFramework (GenDel) stellt die Deltas der zu verarbeitenden Daten mittels Datenbank-Views zur Verfügung. Für die ETL-Prozesse wird weiterhin Informatica PowerCenter verwendet. Die von synvert in früheren Projekten eingeführte konsolidierte Ankermodellierung des Core-DWH bot die ideale Grundlage zur Wiederverwendung bestehender Strukturen und gewährleistete zudem die Flexibilität der Erweiterbarkeit.

Die bestehende SAS Infrastruktur wurde um ein weiteres BI-Tool, die ORACLE Business Intelligence Enterprise Edition (OBIEE) ergänzt. Mit ORACLE als strategischer Datenbank können somit die Stärken im Bereich Online Analytical Processing (OLAP) genutzt werden. Außerdem wird OBIEE als Frontend für das operative Reporting eingesetzt.

Gene­rierte Vor­teile



  • Durch den Ein­satz von Gen­Del kann die Quell­da­ten­an­bin­dung bis in die quell­nahe DWQ-Schicht in höchs­tem Masse auto­ma­ti­siert werden
  • Durch die Umstel­lung auf einen täg­li­chen Lade­zy­klus kön­nen Daten schnel­ler zur Ver­fü­gung gestellt werden
  • Außer dis­po­si­ti­ven Aus­wer­tun­gen kön­nen auch Anfor­de­run­gen an ope­ra­tive Auswertungen
    sowie Daten­schnitt­stel­len mit hoher Kadenz aus dem DWH erstellt werden
  • Stär­kung des Data Warehou­ses als zen­trale Daten­dreh­scheibe inner­halb der Suva


Leis­tun­gen von synvert



  • Gen­Del-Imple­men­tie­rung zur Auto­ma­ti­sie­rung der Quellan­bin­dung: Statt ein­zel­ner ETL­Pro­zesse, kön­nen neue Quell­ta­bel­len nun sehr viel effi­zi­en­ter und ein­fa­cher ange­bun­den werden
  • Ana­lyse und Detail­kon­zep­tion von gesam­ten Daten­be­rei­chen im DWH (z.B. Kos­ten, Prä­mien und Lohnsummen)
  • Durch­füh­rung des gesam­ten Pro­jekt­zy­klus für das ope­ra­tive Report­ing: Von der Anfor­de­rungs­ana­lyse über die Kon­zep­tion bis hin zur Imple­men­tie­rung und dem Test des Sys­tems und der Berichte.

Lie­fe­rung / Abschluss


Die Umstellung des DWH wurde termingerecht umgesetzt. Dank der bereits in früheren Projektphasen neutralen und auf fachlicher Logik basierenden Core-DWH-Modellierung konnte - trotz der kompletten Umstellung auf ein neues Quellsystem - ein großer Teil des bestehenden Datenmodells weiterverwendet werden und die Bedeutung des DWH innerhalb der Suva wurde weiter gestärkt. Durch den Einsatz von GenDel wird die Suva dem wachsenden Anspruch an Automatisierung von ETL-Prozessen gerecht und hat eine flexible und frei konfigurierbare Schnittstelle zur einfachen Anbindung von zusätzlichen Quelldaten zur Verfügung

Erfolgsgeschichten

Weitere Erfolgsgeschichten



Ein­bli­cke

Ein­bli­cke unse­rer Kun­den



Nachricht

Möchten Sie mit uns Ihre Projekte realisieren?




Schicken Sie uns eine Nachricht!








* Benötigte Felder


top