Nuevo Business Intelligence Financiero.

MAWDY, la unidad de asistencia de MAPFRE.

MAWDY, anteriormente conocida como MAPFRE Asistencia, es una compañía global especializada en modelos de distribución digitales, que ofrece servicios y soluciones que complementan sus ofertas más allá del seguro tradicional.

Partiendo de un BI ya existente, MAWDY necesitaba un cambio de tecnología. Esta nueva solución tiene como finalidad la implantación de un nuevo Business Intelligence Contable basado en la nueva arquitectura de Atenea y Power BI.

Para conseguirlo, es necesario realizar un rediseño funcional y técnico para resolver problemas de rendimiento, alineando las necesidades actuales y futuras que garanticen su continuidad.

• Análisis de los procesos on-premise implementados en PowerCenter para migrarlos a Python/PySpark y desplegarlos en AWS.
  MAWDY tiene la necesidad de migrar su sistema on-premise de BI Financiero implementado en PowerCenter a la nube de AWS. Para ello, es necesario analizar los procesos a migrar para extraer la lógica de negocio y aplicarla en el nuevo sistema de BI en la nube, validando que se obtengan los mismos resultados.
• Orquestación de los procesos ETL mediante Airflow.
  Se integra Atenea, la plataforma de analítica avanzada de MAPFRE, con el servicio autogestionado de Airflow (MWAA) para la orquestación de los procesos de extracción, transformación y carga de datos en el Datawarehouse.
• Creación de DataMart en Snowflake para el modelado y la disponibilización de los datos contables. El siguiente paso es crear un modelo de estrella compuesto por varias tablas de hechos y dimensiones de tipo SCD2, cuyos datos se han preparado previamente en el lado de AWS antes de su volcado al DWH de Snowflake. Es ahí donde, a través de vistas, se preparan los datos de acuerdo a las necesidades de los usuarios/as que consumen los informes de Power BI.
• Desarrollo de modelos de autoservicio en Power BI. En esta última fase del proyecto, se desarrollan modelos de autoservicio en Power BI para la disponibilización de datos a los usuarios/as finales, permitiéndoles crear sus propios reportes ad-hoc.

• Diseño e implementación de procesos ETL mediante Python y/o PySpark para la automatización de la carga de datos y su procesado.
  Debido a la volumetría cambiante de los diferentes países donde MAWDY opera, se implementan procesos ETL que sean escalables y capaces de hacer frente a diferentes volúmenes de datos.
• Creación de DataLake en S3 para el almacenamiento de datos.
  Para el almacenamiento de los datos en sus diferentes fases, se usa S3 para particionar los datos por país y año, de tal forma que cada país pueda procesar y consumir sus datos de manera independiente sin alterar la operativa del resto de países.
• Desarrollo / migración de cuadros de mando e informes en PowerBI. La migración de cuadros de mando e informes se completa en Power BI, desarrollando los cuadros de mando o informes necesarios para la correcta explotación de datos contables.

• Se han procesado datos de los 59 países donde MAWDY tiene presencia.
• El nuevo sistema en cloud genera resultados fiables y validados por negocio.
• Integramos datos de múltiples fuentes como SAP, Snowflake y ficheros.
• Aprovechamos los aceleradores de la plataforma de analítica avanzada in-house (Atenea).
• Se han seguido las “best practices” de MAPFRE en seguridad y trazabilidad.
• Los tiempos de carga de datos en el Data Warehouse y de actualización de los flujos de datos se han optimizado.

• Se ha construido un nuevo sistema de orquestación basado en Airflow que maximiza el grado de paralelización y reduce los tiempos.
• Se han sentado las bases técnicas para los futuros proyectos de MAWDY que procesen datos provenientes de SAP.
• Las capacidades de autoservicio para el negocio se han mejorado notablemente.
• Adecuación a la nueva jerarquía de cuentas para obtener mayor granularidad y detalle en los informes.