PLEN

altkom software · platformy danych

Dlaczego ta sama szkodowość ma aż trzy wyniki?

Zarząd pyta o szkodowość portfela flotowego za ostatni kwartał. Zespoły odpowiedzialne za portfel, szkody i kontroling sięgają po swoje dane — i każdy wynik da się uzasadnić.

64,2%system polisowy
58,9%system szkodowy
61,5%excel kontrolingu
Eksport przejdzie. Pytanie, czy przejdzie audyt? Sprawdź, skąd biorą się błędy i różnica.

Co się dzieje, gdy ktoś pyta: „skąd ta liczba?”

Raporty powstają z eksportów, zestawień i ręcznych uzgodnień.
Na przykład hurtownię danych, ale wyniki nadal wymagają wyjaśnień.

Gdzie dane zaczynają zmieniać wynik raportu?

Jeden miesiąc, jeden produkt. Dane z systemu obsługi polis, plików od pośredników i dokumentów odczytanych przez OCR. Na pierwszy rzut oka różnice są drobne, w raporcie potrafią zmienić wynik albo utrudnić jego wyjaśnienie.

W tej próbce ukryliśmy 23 niespójności. Kliknij podejrzane komórki i sprawdź, co może zmienić literówka w nazwie klienta, inny format daty, brak waluty czy status zapisany skrótem.

nr_polisyklient_nipklient_nazwadata_zawarciadata_koncaskladkawalutastatusregon_pole
POL/2021/004821527-23-33-444KOWALSKI JAN2023-01-152024-01-142400.00PLNAktywna
POL/2021/004822527-23-33-444KOWALSKI JAN2023-01-152024-01-142400.00PLNAKT
POL20240048235272333444Kowalski Jan15-01-20232024.01.141800,501
POL/2021/004824690516593Nowak Sp. z o.o.2023-02-012024-01-315600.00PLNczynna690516593
POL/2021/0048256762308175FleetLogistics GmbH2023-03-102024-03-0918500.00AEDAktywna
POL/2021/0048261180063390Malinowski Piotr01/15/202301/14/20243100.00PLNAktywna
POL/2021/004827678-21-43-895Wiśniewski AUTO2023-04-012024-03-31NULLPLNN/A
POL/2021/0048286782143895Wiśniewski AUTO2023-04-012024-03-314200.00PLNAktywna
POL/2021/0048295260250842Zielińska Maria2023-05-202024-05-191.950,00PLNAktywna
POL/2021/0048307740001454Trans-Polska S.A.2023-06-012024-05-3142000.00Aktywna870526068
POL/2021/0048317740001454Trans-Polska S.A.2023-06-012024-05-3142000.00EURAktywna870526068
POL/2021/004832-Klient Anonimowy2023-07-10800.00PLNAktywna

Na szczęście dane można uporządkować, zanim trafią do analizy

Wspólna platforma danych łączy informacje z polis, szkód, plików od pośredników i OCR, a potem sprawdza je według ustalonych reguł. Wykrywa niespójności, oznacza ich typ i uruchamia korektę, zanim różnice pojawią się w raporcie.

"KOWALSKI JAN"
"Kowalski Jan"
normalizacja wielkości literjeden zapis klienta
"31-12-2023 / 2023.12.31 / 12/31/23"
"2023-12-31"
normalizacja datyznormalizowany zapis daty
[rekord A] + [rekord B]
[złoty rekord, jeden pełny profil klienta]
deduplikacjapołączenie danych tego samego klienta
"Szkodowość: 64,2% / 58,9% / 61,5%"
"Szkodowość: 61,5% (def. v2.1)"
słownik definicjiuzgodnione zasady liczenia szkodowości
dane surowedane uporządkowanedane biznesoweraporty

Co Wasza platforma danych ma udźwignąć?

Zaczynasz od zera i to jest przewaga. Możesz od razu wybrać architekturę pod swoje potrzeby. Ustaw suwaki na swoją sytuację.

Hurtownia danych

Wyraźne dopasowanie
Dopasowanie50%

Gdy najważniejsze są raporty, audyt i liczby, które da się wyjaśnić.

Słabiej pasuje, gdy głównym wyzwaniem są dane surowe, wiele formatów, dokumenty, OCR albo szybki rozwój modeli AI.

Sprawdza się przy raportowaniu szkodowości, składki, rezerw, portfela, rentowności produktów i wyników sprzedaży. Pomaga uzgodnić definicje, kontrolować jakość danych i pokazać, skąd wziął się wynik — przy raporcie zarządczym, audycie albo rozmowie z regulatorem.

Data lake

Dopasowanie30%

Gdy chcecie wykorzystać dane, które dziś nie mieszczą się w standardowym raportowaniu.

Uwaga: bez katalogu danych, właścicieli i reguł jakości może stać się kolejnym miejscem, w którym dane trzeba ręcznie wyjaśniać.

Przyjmuje dane z wielu systemów, plików, dokumentów, procesów i źródeł zewnętrznych — także wtedy, gdy mają różne formaty i poziom jakości. Daje przestrzeń do analizy historii szkód, segmentacji klientów, scoringu, wykrywania anomalii, pracy na dokumentach i przygotowania projektów AI.

Lakehouse

Dopasowanie30%

Gdy raportowanie, audyt i AI mają działać na tej samej podstawie danych.

Uwaga: wymaga jasnych warstw danych, wspólnych definicji, reguł jakości, właścicieli danych i konsekwentnego zarządzania zmianą.

Łączy porządek hurtowni danych z elastycznością data lake. Pozwala pracować na danych surowych, sprawdzonych i raportowych w jednej architekturze. Dobrze pasuje do modernizacji raportowania, kontroli jakości danych, analityki portfela, scoringu, predykcji szkód i wykrywania anomalii.

To nie jest gotowy wybór architektury, tylko pierwsze wskazanie kierunku. Wynik zależy od obecnych systemów, jakości danych, liczby źródeł, wymagań regulacyjnych, kosztów, kompetencji zespołu i planów rozwoju analityki. Żeby dobrać właściwe rozwiązanie, trzeba przełożyć ten wynik na realne założenia: co macie dziś, co trzeba uporządkować najpierw i jakie decyzje platforma danych ma wspierać w najbliższych miesiącach.

Architekturę wybierają wasze pytania biznesowe. Nie moda.

AI też musi wiedzieć, skąd bierze wynik

Jeśli myślicie o włączaniu AI do raportowania, analityki albo pracy z danymi portfelowymi, najpierw potrzebujecie solidnej podstawy: uporządkowanych źródeł, wspólnych definicji i reguł jakości. Bez tego AI nie rozwiąże problemu rozbieżnych danych. Może tylko szybciej powielić ten sam chaos — w bardziej przekonującej formie.

definitions dictionary · ai chat

|

To samo pytanie, zupełnie inna droga do odpowiedzi

Jaka jest szkodowość floty za ostatnie 4 kwartały?

przed wdrożeniem5 dni3 Excele · 4 osoby · 3 wyniki
po wdrożeniu platformy danych10 s1 dashboard · 1 wynik z pełną ścieżką

Dane nie muszą tak wyglądać

45 minut z architektem danych. Bez sprzedażowego wstępu — od razu przechodzimy do Waszej sytuacji.

altkom software · data platforms