SlideShare una empresa de Scribd logo
1 de 15
Descargar para leer sin conexión
Kdy věřit svým očím

                                                                Praha
                                                              24.5.2011




© 2011 Ness Consulting – Proprietary and Confidential
Výrok na začátek




    „Těch 36 miliónů rozdílu je
    normálních. Nikdy to
    nevyšlo a ani nikdo nečeká,
    že to někdy vyjde…“


                   2              www.ness.com
Co nás zpravidla napadá


      Je to                   Kdo za to
    správně?                   může?!


  Rozumím
    tomu
  správně?                        To zas bude
                                     řečí…


  Používají se
   správné                      Budeme zase
   veličiny?                    za hlupáky…




                          3               www.ness.com
O co nám vlastně jde




 Správná data
                 &     Porozumění
                         datům      &   Zachování
                                        souvislostí




                Důvěryhodný reporting
                            4                    www.ness.com
Správnost




        Data odpovídají ověřitelné skutečnosti


                  Chybné podklady pro řízení
        Interní
                  Náklady na odstraňování chyb

                Zkreslení obrazu pojišťovny
        Externí Reputační riziko
                Postihy
        Reportování v rámci špatného období
        Opomenutí produktu při jeho uvedení na trh
        Kalkulace na více místech → odlišné výsledky


                                5                      www.ness.com
Srozumitelnost




         Ukazatel obsahuje to, co oprávněně předpokládáme

                   Chybné podklady pro řízení
         Interní   Náklady na dosažení shody mezi očekáváním
                   a skutečností
                 Zkreslení obrazu pojišťovny
         Externí Reputační riziko
                 Postihy
         Záměna pojistných částek a pojistného makléřem →
         vyžadování vyšší provize
         Totéž při hodnocení zemí – Slovensko na úrovni
         Švýcarska

                                6                           www.ness.com
Souvislosti mezi daty




         Související ukazatele jsou reportované v souladu s
         objektivně existujícími závislostmi.

                   Protichůdné informace
         Interní   Chybné podklady pro řízení
                   Náklady na odstranění chyb a jejich následků
                 Zkreslení obrazu pojišťovny
         Externí Reputační riziko
                 Postihy
         Odlišný předpis pro účtování a jako podklad pro rezervy
         Různé odpovědi na otázky „kolik je…“ (platných smluv,
         předpisu, škod…)?
         Dvojnásobné nebo žádné rezervy u rezervotvorných
         produktů – v RBNS a matematické rezervě
                                 7                                www.ness.com
Shrnutí




          Správnost


                          Pravidlo
    Srozumitelnost
                            „3S“

      Souvislosti
                      8         www.ness.com
Jaké jsou základní přístupy



                Tradiční                  Rozšiřující

                  Kvalita                    Kvalita
                reportingu                 informací




                           Kvalita        Důvěryhodný
  Kvalita dat
                         zpracování        reporting




                                      9                 www.ness.com
Rozšiřující přístup – správnost



  Nezávislá kontrola
  • Porovnání s nezávislým modelem (např. předpis odpovídá rizikům)
  • Časová neměnnost dat
  • Zachování hodnot stejných dat na různých místech



       Určení referenčních dat
       • Stanovení prvotního datového zdroje
       • Opakované uplatňování metod nezávislé kontroly




            Určení „ne IT“ vlastníka dat
            • Kdo by to měl být?




                                           10                         www.ness.com
Rozšiřující přístup – srozumitelnost



  Slovníky pojmů
  • Přesné a neměnné definice odborných pojmů
  • Nadefinování „přechodových můstků“ mezi pojmy (stavové diagramy…)
  • Rozvoj kultury definování



       Zpětná analýza reportu
       • Cesta dat od reportu až po místo jejich vzniku (data-flow)




            Uživatelská konsolidace
            • Jednotný pohled na data – „jeden obraz pravdy“




                                              11                        www.ness.com
Rozšiřující přístup – souvislosti



  Model – skutečnost
  • Porovnání modelu předpokládaných souvislostí v reportech se
  skutečností (např. dopad změny předpisu na rezervy)




       Zpětná analýza reportu
       • Cesta dat od reportu až po místo jejich vzniku (data-flow) a identifikace
       uzlových bodů (cesty se sbíhají, ale neprotínají)




             Uživatelská konsolidace
             • Jednotný pohled na data – „jeden obraz pravdy“
             • Odstranění duplicit a sjednocení výpočtů (výpočet téhož na různých
             místech)



                                              12                                     www.ness.com
Úloha uživatelů v tomto přístupu


        Vzdělávání a osvěta
        • Základy zná každý
        •„Power users“ znají detaily a souvislosti
        •„Elita“ určuje pravidla a zajišťuje jejich implementaci



            Nositelé odborného know-how
            • Slovníky pojmů
            • Definice souvislostí
            • Tvorba modelů



                 Kontrola
                 • Modely chování
                 • Respektování souvislostí
                 • Užívání slovníků pojmů



                                           13                      www.ness.com
Několik užitečných principů na doplnění…



  Princip sledování účelu
  • Reporting přiměřeně naplňuje požadavky související s účelem, za kterým je
  vytvářen (např. požadavky na finanční reporting vyplývají i z účetních zásad)


      Princip jednoho výpočtu
      • Výpočet každé veličiny je prováděn právě jednou (mezivýsledky jsou
      uloženy pro další použití)


          Princip zachování vstupu
          • Reporty v rámci jednoho reportingu musí být vytvářeny ze stejných vstupů
          (z jednoho úložiště plněného z neměnných zdrojů stále stejným způsobem)


              Princip „jednoho obrazu pravdy“
              • Může to být špatně, ale musí to být stejně



                                              14                                   www.ness.com
Děkuji za pozornost




         15

Más contenido relacionado

Similar a Důvěryhodný reporting - Kdy věřit

Důvěryhodnost reportingu v praxi
Důvěryhodnost reportingu v praxiDůvěryhodnost reportingu v praxi
Důvěryhodnost reportingu v praxiNess Technologies
 
Profinit snídaně datová_architektura_20171017_public
Profinit snídaně datová_architektura_20171017_publicProfinit snídaně datová_architektura_20171017_public
Profinit snídaně datová_architektura_20171017_publicProfinit
 
Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016
Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016
Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016Profinit
 
Rešeršní služby v komerčním sektoru (Martin Mlčoch, nezávislý konzultant)
Rešeršní služby v komerčním sektoru (Martin Mlčoch, nezávislý konzultant)Rešeršní služby v komerčním sektoru (Martin Mlčoch, nezávislý konzultant)
Rešeršní služby v komerčním sektoru (Martin Mlčoch, nezávislý konzultant)Národní technická knihovna (NTK)
 
25. 2. 2016 produktivita a efektivita v digitálním světě - v1.01
25. 2. 2016   produktivita a efektivita v digitálním světě - v1.0125. 2. 2016   produktivita a efektivita v digitálním světě - v1.01
25. 2. 2016 produktivita a efektivita v digitálním světě - v1.01Jan Janca
 
BI Forum 2011 - Jak zrychlit analytické BI
BI Forum 2011 - Jak zrychlit analytické BIBI Forum 2011 - Jak zrychlit analytické BI
BI Forum 2011 - Jak zrychlit analytické BIOKsystem
 
Jak úspěšně zavést do firmy webovou analytiku
Jak úspěšně zavést do firmy webovou analytikuJak úspěšně zavést do firmy webovou analytiku
Jak úspěšně zavést do firmy webovou analytikuAkce Dobrého webu
 
Real-time prediktivni analytika na webu
Real-time prediktivni analytika na webuReal-time prediktivni analytika na webu
Real-time prediktivni analytika na webuOptimics s.r.o.
 
Tutoriál : Otevřená a propojitelná data veřejné správy
Tutoriál : Otevřená a propojitelná data veřejné správyTutoriál : Otevřená a propojitelná data veřejné správy
Tutoriál : Otevřená a propojitelná data veřejné správyMartin Necasky
 
BI Forum 2012 - Analýza nestrukturovaných dat pomocí Oracle Endeca Informatio...
BI Forum 2012 - Analýza nestrukturovaných dat pomocí Oracle Endeca Informatio...BI Forum 2012 - Analýza nestrukturovaných dat pomocí Oracle Endeca Informatio...
BI Forum 2012 - Analýza nestrukturovaných dat pomocí Oracle Endeca Informatio...OKsystem
 
05 online distribuce_30_10_12_customer_intelligence_tomas_kratky
05 online distribuce_30_10_12_customer_intelligence_tomas_kratky05 online distribuce_30_10_12_customer_intelligence_tomas_kratky
05 online distribuce_30_10_12_customer_intelligence_tomas_kratkyProfinit
 
8 tipu jak delat lepe webovou analytiku
8 tipu jak delat lepe webovou analytiku8 tipu jak delat lepe webovou analytiku
8 tipu jak delat lepe webovou analytikuJiri Maly
 
CleverAnalytics - mapa byznysových pokladů
CleverAnalytics -  mapa byznysových pokladůCleverAnalytics -  mapa byznysových pokladů
CleverAnalytics - mapa byznysových pokladůCleverAnalytics
 
Matl - Cesta k data-driven organizaci
Matl - Cesta k data-driven organizaciMatl - Cesta k data-driven organizaci
Matl - Cesta k data-driven organizaciBilligence
 
Pokročilá segementace webových návštěvníků (Jan Matoušek)
Pokročilá segementace webových návštěvníků (Jan Matoušek)Pokročilá segementace webových návštěvníků (Jan Matoušek)
Pokročilá segementace webových návštěvníků (Jan Matoušek)Taste Medio
 
Prezentace 20111121 wo_c
Prezentace 20111121 wo_cPrezentace 20111121 wo_c
Prezentace 20111121 wo_cData Mind
 

Similar a Důvěryhodný reporting - Kdy věřit (20)

Důvěryhodnost reportingu v praxi
Důvěryhodnost reportingu v praxiDůvěryhodnost reportingu v praxi
Důvěryhodnost reportingu v praxi
 
Profinit snídaně datová_architektura_20171017_public
Profinit snídaně datová_architektura_20171017_publicProfinit snídaně datová_architektura_20171017_public
Profinit snídaně datová_architektura_20171017_public
 
Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016
Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016
Big Data: reálné aplikace pro business - Odborna snidane 30. 11. 2016
 
Data mining
Data miningData mining
Data mining
 
Advertures Maly
Advertures MalyAdvertures Maly
Advertures Maly
 
Rešeršní služby v komerčním sektoru (Martin Mlčoch, nezávislý konzultant)
Rešeršní služby v komerčním sektoru (Martin Mlčoch, nezávislý konzultant)Rešeršní služby v komerčním sektoru (Martin Mlčoch, nezávislý konzultant)
Rešeršní služby v komerčním sektoru (Martin Mlčoch, nezávislý konzultant)
 
25. 2. 2016 produktivita a efektivita v digitálním světě - v1.01
25. 2. 2016   produktivita a efektivita v digitálním světě - v1.0125. 2. 2016   produktivita a efektivita v digitálním světě - v1.01
25. 2. 2016 produktivita a efektivita v digitálním světě - v1.01
 
BI Forum 2011 - Jak zrychlit analytické BI
BI Forum 2011 - Jak zrychlit analytické BIBI Forum 2011 - Jak zrychlit analytické BI
BI Forum 2011 - Jak zrychlit analytické BI
 
Jak úspěšně zavést do firmy webovou analytiku
Jak úspěšně zavést do firmy webovou analytikuJak úspěšně zavést do firmy webovou analytiku
Jak úspěšně zavést do firmy webovou analytiku
 
Real-time prediktivni analytika na webu
Real-time prediktivni analytika na webuReal-time prediktivni analytika na webu
Real-time prediktivni analytika na webu
 
Tutoriál : Otevřená a propojitelná data veřejné správy
Tutoriál : Otevřená a propojitelná data veřejné správyTutoriál : Otevřená a propojitelná data veřejné správy
Tutoriál : Otevřená a propojitelná data veřejné správy
 
BI Forum 2012 - Analýza nestrukturovaných dat pomocí Oracle Endeca Informatio...
BI Forum 2012 - Analýza nestrukturovaných dat pomocí Oracle Endeca Informatio...BI Forum 2012 - Analýza nestrukturovaných dat pomocí Oracle Endeca Informatio...
BI Forum 2012 - Analýza nestrukturovaných dat pomocí Oracle Endeca Informatio...
 
05 online distribuce_30_10_12_customer_intelligence_tomas_kratky
05 online distribuce_30_10_12_customer_intelligence_tomas_kratky05 online distribuce_30_10_12_customer_intelligence_tomas_kratky
05 online distribuce_30_10_12_customer_intelligence_tomas_kratky
 
8 tipu jak delat lepe webovou analytiku
8 tipu jak delat lepe webovou analytiku8 tipu jak delat lepe webovou analytiku
8 tipu jak delat lepe webovou analytiku
 
LDO04_Jana_Žižková
LDO04_Jana_ŽižkováLDO04_Jana_Žižková
LDO04_Jana_Žižková
 
BIDataMining
BIDataMiningBIDataMining
BIDataMining
 
CleverAnalytics - mapa byznysových pokladů
CleverAnalytics -  mapa byznysových pokladůCleverAnalytics -  mapa byznysových pokladů
CleverAnalytics - mapa byznysových pokladů
 
Matl - Cesta k data-driven organizaci
Matl - Cesta k data-driven organizaciMatl - Cesta k data-driven organizaci
Matl - Cesta k data-driven organizaci
 
Pokročilá segementace webových návštěvníků (Jan Matoušek)
Pokročilá segementace webových návštěvníků (Jan Matoušek)Pokročilá segementace webových návštěvníků (Jan Matoušek)
Pokročilá segementace webových návštěvníků (Jan Matoušek)
 
Prezentace 20111121 wo_c
Prezentace 20111121 wo_cPrezentace 20111121 wo_c
Prezentace 20111121 wo_c
 

Más de Ness Technologies

Chytré domy v chytrých městech
Chytré domy v chytrých městechChytré domy v chytrých městech
Chytré domy v chytrých městechNess Technologies
 
Regata - pohled z druhého břehu... aneb přístup k datům základních registrů
Regata - pohled z druhého břehu... aneb přístup k datům základních registrůRegata - pohled z druhého břehu... aneb přístup k datům základních registrů
Regata - pohled z druhého břehu... aneb přístup k datům základních registrůNess Technologies
 
Jak HYPERION pomáhá v obchodování s elektřinou a plynem
Jak HYPERION pomáhá v obchodování s elektřinou a plynemJak HYPERION pomáhá v obchodování s elektřinou a plynem
Jak HYPERION pomáhá v obchodování s elektřinou a plynemNess Technologies
 
Cloud computing a zdravotnictví
Cloud computing a zdravotnictvíCloud computing a zdravotnictví
Cloud computing a zdravotnictvíNess Technologies
 
Prípadová štúdia implementácie SAP BPC v spoločnosti JAVYS
Prípadová štúdia implementácie SAP BPC v spoločnosti JAVYSPrípadová štúdia implementácie SAP BPC v spoločnosti JAVYS
Prípadová štúdia implementácie SAP BPC v spoločnosti JAVYSNess Technologies
 
Metodika podnikového plánování
Metodika podnikového plánováníMetodika podnikového plánování
Metodika podnikového plánováníNess Technologies
 
Možnosti zlepšení plánování a finanční konsolidace
Možnosti zlepšení plánování a finanční konsolidaceMožnosti zlepšení plánování a finanční konsolidace
Možnosti zlepšení plánování a finanční konsolidaceNess Technologies
 
Smart Metering v multiutilitách
Smart Metering v multiutilitáchSmart Metering v multiutilitách
Smart Metering v multiutilitáchNess Technologies
 
Zkušenosti z implementace systému pro plánování a optimalizaci KVET
Zkušenosti z implementace systému pro plánování a optimalizaci KVETZkušenosti z implementace systému pro plánování a optimalizaci KVET
Zkušenosti z implementace systému pro plánování a optimalizaci KVETNess Technologies
 

Más de Ness Technologies (13)

Touchpedia
TouchpediaTouchpedia
Touchpedia
 
Mobilizace zdravotnicví
Mobilizace zdravotnicvíMobilizace zdravotnicví
Mobilizace zdravotnicví
 
Chytré domy v chytrých městech
Chytré domy v chytrých městechChytré domy v chytrých městech
Chytré domy v chytrých městech
 
Smart Grid Road Map
Smart Grid Road MapSmart Grid Road Map
Smart Grid Road Map
 
Regata - pohled z druhého břehu... aneb přístup k datům základních registrů
Regata - pohled z druhého břehu... aneb přístup k datům základních registrůRegata - pohled z druhého břehu... aneb přístup k datům základních registrů
Regata - pohled z druhého břehu... aneb přístup k datům základních registrů
 
Asistivní technologie
Asistivní technologieAsistivní technologie
Asistivní technologie
 
Jak HYPERION pomáhá v obchodování s elektřinou a plynem
Jak HYPERION pomáhá v obchodování s elektřinou a plynemJak HYPERION pomáhá v obchodování s elektřinou a plynem
Jak HYPERION pomáhá v obchodování s elektřinou a plynem
 
Cloud computing a zdravotnictví
Cloud computing a zdravotnictvíCloud computing a zdravotnictví
Cloud computing a zdravotnictví
 
Prípadová štúdia implementácie SAP BPC v spoločnosti JAVYS
Prípadová štúdia implementácie SAP BPC v spoločnosti JAVYSPrípadová štúdia implementácie SAP BPC v spoločnosti JAVYS
Prípadová štúdia implementácie SAP BPC v spoločnosti JAVYS
 
Metodika podnikového plánování
Metodika podnikového plánováníMetodika podnikového plánování
Metodika podnikového plánování
 
Možnosti zlepšení plánování a finanční konsolidace
Možnosti zlepšení plánování a finanční konsolidaceMožnosti zlepšení plánování a finanční konsolidace
Možnosti zlepšení plánování a finanční konsolidace
 
Smart Metering v multiutilitách
Smart Metering v multiutilitáchSmart Metering v multiutilitách
Smart Metering v multiutilitách
 
Zkušenosti z implementace systému pro plánování a optimalizaci KVET
Zkušenosti z implementace systému pro plánování a optimalizaci KVETZkušenosti z implementace systému pro plánování a optimalizaci KVET
Zkušenosti z implementace systému pro plánování a optimalizaci KVET
 

Důvěryhodný reporting - Kdy věřit

  • 1. Kdy věřit svým očím Praha 24.5.2011 © 2011 Ness Consulting – Proprietary and Confidential
  • 2. Výrok na začátek „Těch 36 miliónů rozdílu je normálních. Nikdy to nevyšlo a ani nikdo nečeká, že to někdy vyjde…“ 2 www.ness.com
  • 3. Co nás zpravidla napadá Je to Kdo za to správně? může?! Rozumím tomu správně? To zas bude řečí… Používají se správné Budeme zase veličiny? za hlupáky… 3 www.ness.com
  • 4. O co nám vlastně jde Správná data & Porozumění datům & Zachování souvislostí Důvěryhodný reporting 4 www.ness.com
  • 5. Správnost Data odpovídají ověřitelné skutečnosti Chybné podklady pro řízení Interní Náklady na odstraňování chyb Zkreslení obrazu pojišťovny Externí Reputační riziko Postihy Reportování v rámci špatného období Opomenutí produktu při jeho uvedení na trh Kalkulace na více místech → odlišné výsledky 5 www.ness.com
  • 6. Srozumitelnost Ukazatel obsahuje to, co oprávněně předpokládáme Chybné podklady pro řízení Interní Náklady na dosažení shody mezi očekáváním a skutečností Zkreslení obrazu pojišťovny Externí Reputační riziko Postihy Záměna pojistných částek a pojistného makléřem → vyžadování vyšší provize Totéž při hodnocení zemí – Slovensko na úrovni Švýcarska 6 www.ness.com
  • 7. Souvislosti mezi daty Související ukazatele jsou reportované v souladu s objektivně existujícími závislostmi. Protichůdné informace Interní Chybné podklady pro řízení Náklady na odstranění chyb a jejich následků Zkreslení obrazu pojišťovny Externí Reputační riziko Postihy Odlišný předpis pro účtování a jako podklad pro rezervy Různé odpovědi na otázky „kolik je…“ (platných smluv, předpisu, škod…)? Dvojnásobné nebo žádné rezervy u rezervotvorných produktů – v RBNS a matematické rezervě 7 www.ness.com
  • 8. Shrnutí Správnost Pravidlo Srozumitelnost „3S“ Souvislosti 8 www.ness.com
  • 9. Jaké jsou základní přístupy Tradiční Rozšiřující Kvalita Kvalita reportingu informací Kvalita Důvěryhodný Kvalita dat zpracování reporting 9 www.ness.com
  • 10. Rozšiřující přístup – správnost Nezávislá kontrola • Porovnání s nezávislým modelem (např. předpis odpovídá rizikům) • Časová neměnnost dat • Zachování hodnot stejných dat na různých místech Určení referenčních dat • Stanovení prvotního datového zdroje • Opakované uplatňování metod nezávislé kontroly Určení „ne IT“ vlastníka dat • Kdo by to měl být? 10 www.ness.com
  • 11. Rozšiřující přístup – srozumitelnost Slovníky pojmů • Přesné a neměnné definice odborných pojmů • Nadefinování „přechodových můstků“ mezi pojmy (stavové diagramy…) • Rozvoj kultury definování Zpětná analýza reportu • Cesta dat od reportu až po místo jejich vzniku (data-flow) Uživatelská konsolidace • Jednotný pohled na data – „jeden obraz pravdy“ 11 www.ness.com
  • 12. Rozšiřující přístup – souvislosti Model – skutečnost • Porovnání modelu předpokládaných souvislostí v reportech se skutečností (např. dopad změny předpisu na rezervy) Zpětná analýza reportu • Cesta dat od reportu až po místo jejich vzniku (data-flow) a identifikace uzlových bodů (cesty se sbíhají, ale neprotínají) Uživatelská konsolidace • Jednotný pohled na data – „jeden obraz pravdy“ • Odstranění duplicit a sjednocení výpočtů (výpočet téhož na různých místech) 12 www.ness.com
  • 13. Úloha uživatelů v tomto přístupu Vzdělávání a osvěta • Základy zná každý •„Power users“ znají detaily a souvislosti •„Elita“ určuje pravidla a zajišťuje jejich implementaci Nositelé odborného know-how • Slovníky pojmů • Definice souvislostí • Tvorba modelů Kontrola • Modely chování • Respektování souvislostí • Užívání slovníků pojmů 13 www.ness.com
  • 14. Několik užitečných principů na doplnění… Princip sledování účelu • Reporting přiměřeně naplňuje požadavky související s účelem, za kterým je vytvářen (např. požadavky na finanční reporting vyplývají i z účetních zásad) Princip jednoho výpočtu • Výpočet každé veličiny je prováděn právě jednou (mezivýsledky jsou uloženy pro další použití) Princip zachování vstupu • Reporty v rámci jednoho reportingu musí být vytvářeny ze stejných vstupů (z jednoho úložiště plněného z neměnných zdrojů stále stejným způsobem) Princip „jednoho obrazu pravdy“ • Může to být špatně, ale musí to být stejně 14 www.ness.com