Optymalizacja danych w FMCG
Case Study: Data Engineering Project for Global FMCG Client
Cel projektu
Celem projektu było przyspieszenie procesu kalkulacji kosztów materiałów (costing) o około 2–3 tygodnie. Umożliwiono to poprzez oddzielenie procesu artworku (projektowania i zatwierdzania etykiet i grafik) od procesu kosztorysowania, dzięki czemu oba działania mogły być realizowane równolegle.
Zakres działań
Projekt realizowany był przez jednego doświadczonego Data Engineera z ramienia QAbird, który odpowiadał za:
- Projektowanie i budowę pipeline’ów danych umożliwiających niezależny przepływ informacji o artworkach i kosztach,
- Integrację danych z różnych źródeł (w tym systemów SAP),
- Weryfikację danych, testy poprawności oraz tworzenie dokumentacji technicznej,
- Optymalizację procesu przetwarzania danych oraz współpracę z interesariuszami biznesowymi.
Komponenty technologiczne
- Chmura i platforma danych: Microsoft Azure
- Technologie: Python, SQL, Databricks
- Integracje: SAP, systemy artworkowe
- Zarządzanie repozytorium i aktualizacjami: Git, Azure DevOps
Wartość biznesowa projektu
Skrócenie krytycznej ścieżki:
• Przyspieszenie inicjatyw produktowych o 2–2,5 tygodnia – szybsze wejście na rynek i zredukowane czasy oczekiwania.
Zwiększenie przychodów:
• Możliwość wcześniejszego uzyskania przychodów z NOS (Net Operating Sales) poprzez wcześniejsze rozpoczęcie planowania i zatwierdzania produkcji.
Redukcja kosztów:
• Dzięki zautomatyzowaniu przepływu danych wyeliminowano konieczność angażowania zewnętrznych kontraktorów do pilnych korekt kosztorysów.
Wzrost efektywności operacyjnej:
• Redukcja “urgent rework” i błędów wynikających z niespójności danych.
Czas trwania projektu:
• Start: Q4 2023
• Go-live: Q3 2024
• Czas realizacji: ~9 miesięcy
Podsumowanie
Ten projekt to przykład, jak pojedynczy specjalista z odpowiednimi kompetencjami może wpłynąć na efektywność globalnej organizacji FMCG, tworząc skalowalne rozwiązanie data engineeringowe, które przynosi wymierne korzyści biznesowe – szybciej, taniej i efektywniej.