Podsumowanie
Kluczowe efekty
Skrócenie czasu przygotowania raportów i analiz dzięki automatyzacji ETL
Wyższa jakość danych dzięki standaryzacji i spójnym konwencjom nazewniczym
Utrudniony rozwój przez rozproszone dane
Szybki dostęp do rzetelnych danych ma kluczowe znaczenie dla planowania sprzedaży i działań marketingowych. W polskim oddziale organizacji dane były rozproszone w wielu systemach, co wymagało czasochłonnych, manualnych integracji i prowadziło do błędów w raportach. Brak wspólnych standardów i konwencji nazewniczych utrudniał współpracę między działami oraz generował dodatkowe koszty utrzymania. Aby zapewnić spójność i przyspieszyć proces decyzyjny, zarząd powierzył ekspertom Sii Polska zaprojektowanie i wdrożenie nowoczesnego Data Warehouse opartego na chmurze.
Jedno źródło prawdy w chmurze
Celem projektu było stworzenie skalowalnego, bezpiecznego środowiska analitycznego w chmurze, które zastąpiłoby dotychczasowe, rozproszone rozwiązania. Projekt został zrealizowany w modelu Agile przez interdyscyplinarny zespół Sii Polska, odpowiedzialny za projektowanie, wdrożenie i dokumentację rozwiązania.
Zakres działań obejmował:
- Stworzenie bezpiecznej infrastruktury do przechowywania i przetwarzania danych w AWS Cloud i Amazon S3
- Budowę potoków integracyjnych i zapewnienie automatycznego ładowanie danych z wielu źródeł z użyciem Matillion ETL
- Uruchomienie nowoczesnego Data Warehouse umożliwiającego szybki i skalowalny dostęp do danych dzięki Snowflake
- Standaryzację i przejrzystość w raportowaniu z wykorzystaniem modelu danych wg podejścia Kimball
Dzięki nowemu środowisku dane stały się dostępne, spójne i gotowe do analizy w czasie rzeczywistym.
Skalowalność i przewaga dzięki nowoczesnej analityce
Nowe Data Warehouse stało się strategiczną platformą wspierającą sprzedaż, marketing, dystrybucję oraz działania zespołów analitycznych PMI w Polsce. Jednolita architektura zwiększyła zaufanie do raportów i umożliwiła menedżerom podejmowanie decyzji w oparciu o aktualne dane. Rozwiązanie oparte na Snowflake i AWS zapewnia elastyczność i łatwe skalowanie wraz z rozwojem organizacji – zarówno w zakresie liczby użytkowników, jak i źródeł danych. Automatyzacja procesów ETL skróciła czas przygotowania raportów i zmniejszyła nakład pracy zespołów analitycznych, pozwalając im skoncentrować się na generowaniu wniosków, a nie na ręcznej integracji danych.