Industrie: Finanzen

Verwendete JetBrains-Produkte: Datalore

Organisationsgröße: 250

Land: Vereinigte Staaten

Über Venerable

Mit einer starken Managementkompetenz, umfassenden Hedging-Strategien und einem akribischen Liquiditätsmanagement hat sich Venerable eine Nische in der wettbewerbsintensiven Versicherungsbranche geschaffen.

Venerable verkürzt mit Datalore achtstündige Excel-Analyse auf zwei Minuten

Gefangen in einem Labyrinth von Tabellenkalkulationen

Wie bei vielen anderen Finanzunternehmen führte die Excel-Abhängigkeit auch bei Venerable zu Problemen. Änderungen in einer einzigen Tabelle lösten oft eine Kettenreaktion in unzähligen anderen Tabellen aus, und in der Folge kam es zu Fehlern und viel manueller Mehrarbeit. Dieses Setup führte zu einem zeitaufwändigen, fehleranfälligen Prozess, insbesondere wenn diese Tabellen als Eingangsgrößen für die Prozesse anderer Teams verwendet wurden.

„Eines der größten Probleme in Bezug auf unsere Effektivität war ein Gewirr von Tabellenkalkulationen mit wechselseitigen Abhängigkeiten. Nehmen wir jetzt an, in eine dieser Tabellen schleicht sich ein Fehler ein, den wir nicht sofort bemerken. Drei Tabellen später müssen wir nun zurückgehen und dieses Blatt und alle anderen darauf basierenden Blätter korrigieren und hoffen, dass es noch nicht intern – oder, noch schlimmer, extern – weitergegeben wurde.“

— Alexandria Morales-Garcia, Investment Risk Analyst bei Venerable

Auch in der internen Struktur von Venerable kam es zu Veränderungen. Klassische Geschäftsrollen wichen „Bürgerentwickler*innen“, während Finanzfachleute zunehmend in die Rollen von Data Scientists und quantitativen Analyst*innen schlüpften. Zu diesen Bürgerentwickler*innen gehörten Data Scientists, quantitative Analyst*innen und Stakeholder, die sich nicht mit manuell aktualisierten Tabellenkalkulationen zufriedengaben. Sie wollten Prozesse automatisieren, Fehler reduzieren, Arbeitsabläufe optimieren, Datenanalyseverfahren verbessern, Datenautonomie erhalten, die Datengenauigkeit sicherstellen und die Zusammenarbeit vereinfachen.

„Unsere Partnerstruktur ändert sich. Es handelt sich nicht mehr einfach nur um klassische Geschäftsleute, die am Schreibtisch sitzen und vor sich hinarbeiten. Wir haben es zunehmend mit sogenannten „Bürgerentwickler*innen“ zu tun. Sie benötigen Autonomie, Zusammenarbeit und eine sehr sichere Arbeitsweise. Wir wussten, dass wir eine Lösung brauchten, die ihnen diese Möglichkeiten bieten würde, und Tabellenkalkulationen waren nicht das richtige Werkzeug dazu.“

— Steven Skarupa, Enterprise Architect bei Venerable

Bei der Analyse der Unternehmensanforderungen und der Benutzerbedürfnisse stellte Venerable fest, dass ein Wechsel vom Standalone-Excel-Modell zu einem umfassenderen und skalierbaren Echtzeit-Tool erforderlich war. Die Lösung sollte ohne offizielle IT-Projekte einen halbautomatischen Weg bieten, sich aus dem Dickicht der Tabellenkalkulationen zu befreien und gleichzeitig die wachsenden Anforderungen der Stakeholder zu befriedigen.

Umstieg von manuellen Excel-Abläufen auf automatisierte Datalore-Notebooks

Venerable erkannte, dass die Jupyter-Notebook-Technologie ein wichtiger fehlender Baustein im eigenen Datenworkflow war, und so nahm das Unternehmen Datalore in den Blick, eine kollaborative Data-Science-Plattform, die auf der Jupyter-Technologie basiert.

Datalore bietet den „Bürgerentwickler*innen“ von Venerable wichtige Funktionen, die einen reibungslosen Umstieg von Excel ermöglicht haben. Diese Funktionen umfassen:

  • Low-Code-Funktionen: Datalore bietet Venerable mit dem Statistics-Tab einen schnellen Zugriff auf Statistiken zur Datenqualität, während Chart-Zellen die mühelose Erstellung von Visualisierungen ohne Programmierung ermöglichen. Der Report Builder vereinfacht die Berichtserstellung, und die Scheduling-Funktion automatisiert wiederkehrende Analysen, sodass manuelle Aktualisierungen nicht mehr notwendig sind.
  • Unterstützung für SQL, Python und R: Benutzer*innen können mit ihrer bevorzugten Sprache arbeiten und Datenabruf sowie Forschungsarbeit in einem Tool zentralisieren.
  • Vorkonfigurierte Data-Science-Umgebungen: Bei Datalore sind die meisten Python- und R-Pakete vorinstalliert, und Benutzer erhalten automatischen Zugriff auf CPU- und GPU-Systeme.
  • Sicherheit und Compliance: Durch die Installation von Datalore im eigenen AWS-Account konnte Venerable seine Architektur zentralisieren. Außerdem erfüllt Datalore durch die integrierte SSO-Authentifizierung (Single-Sign-on) die Data-Governance-Anforderungen von Venerable.
  • Teamarbeit: Workspaces in Datalore dienen als zentrale Sammelstelle für Code, Dokumentation, Daten und Visualisierungen. Durch die Möglichkeit der Echtzeit-Zusammenarbeit können mehrere Teammitglieder gemeinsam an einem Projekt arbeiten.
  • Integrierte Versionierung: Diese Funktion vereinfacht die Verfolgung und Verwaltung von Änderungen, minimiert Inkonsistenzen und fördert ein effizientes Workflow-Management.

„Mit Datalore kann ich den Statistics-Tab verwenden, um sicherzustellen, dass alle Daten korrekt geladen sind, und eventuelle Fehler zu finden, bevor ich tiefer in die Programmierung einsteige.“

— Alexandria Morales-Garcia, Investment Risk Analyst bei Venerable

Messbare Produktivitätsgewinne

Durch die Integration von Datalore in die Abläufe des Unternehmens konnte Venerable Routineaufgaben automatisieren, wodurch die Analyst*innen wertvolle Zeit zurückgewannen, die sie nun wichtigeren Aufgaben widmen können. Datalore hat einen nahtlosen Übergang von Excel zu einer moderneren Datenanalysestrategie mit Python und SQL ermöglicht. Wichtig ist auch, dass es die Zusammenarbeit innerhalb des Teams gefördert und die Produktivität und Koordination verbessert hat.

Ein wichtiger Verbesserungsbereich war die Cashflow-Kontrolle im Unternehmen. Zuvor dauerte die Generierung von Hunderten Plots acht Stunden. Datalore reduziert den Zeitaufwand auf wenige Minuten, in denen ein Bericht erzeugt wird, der nur relevante Statistiken und wertvolle Erkenntnisse enthält.

8 Stunden

Ausführen eines manuellen Excel-basierten Vorgangs zur Cashflow-Überprüfung

2 Minuten

Ausführen eines Datalore-Notebooks und Aktualisieren eines interaktiven Berichts

„Ich konnte unsere Ausführungszeit von 8 Stunden auf zwei Minuten reduzieren. Diese Effizienz war in vielen unserer Arbeitsabläufe zu beobachten, was unsere Datenqualität verbesserte und uns enorme Zeitersparnisse einbrachte.“

— Alexandria Morales-Garcia, Investment Risk Analyst bei Venerable

Durch die Modernisierung seines Analyseprozesses mithilfe von Datalore hat Venerable eine größere betriebliche Effizienz erreicht, die Teamsynergien gefördert und vor allem die Datenqualität verbessert, passend zum Innovations- und Führungsanspruch des Unternehmens.

Sie möchten mehr Details erfahren und diese Geschichte aus Sicht des Venerable-Teams hören? Sehen Sie sich unser aufgezeichnetes Webinar an.

Ähnliche Kundenstudien

TrueLayer

Moreno Raimondo Vendra, Senior Engineer für maschinelles Lernen, TrueLayer

Datalore ermöglichte einen ergonomischen Zugriff auf unsere Daten und erfüllte gleichzeitig die Sicherheitsanforderungen, was für uns ein entscheidender Vorteil war. Dadurch ist die Zusammenarbeit sowohl innerhalb unseres ML-Teams als auch mit unseren Stakeholdern viel einfacher geworden.

Chainalysis

Surya Rastogi, Senior Staff Data Scientist, Chainalysis

Eine unserer größten Herausforderungen besteht darin, dass der Blockchain-Bereich sehr schnell expandiert und es kontinuierlich neue Daten gibt, die erfasst und analysiert werden müssen. Als Unternehmen verwenden wir zahlreiche Funktionen zur Datenerfassung und -verarbeitung, und wir gehen davon aus, dass ihre Zahl weiter zunehmen wird.

Constellation Software

Nauman Hafiz, CTO von Constellation

Um seine Data-Science-Aktivitäten zu skalieren und sowohl Kund*innen als auch interne Beteiligte mit wertvollen Erkenntnissen zu versorgen, wollte Constellation die Zusammenarbeit vereinfachen und die Agilität steigern. Probleme wie die langsame Generierung von Berichten in herkömmlichen Business-Intelligence-Tools (speziell Power BI und Looker) sowie unzusammenhängende Workflows schränkten die Fähigkeit des Unternehmens ein, zeitnahe, individualisierte Erkenntnisse zu gewinnen.

Weitere Kundenstudien