Mūsu realizētie risinājumi un pieredze

Uzņēmumam tika izveidota automatizēta ERP Monitor datu apstrāde un Power BI vadības panelis. Taču uz katru jautājumu, kuram panelī nebija gatavas atbildes, vajadzēja eksportēt datus uz Excel vai lūgt analītiķi. AI rīki varēja palīdzēt, bet tiem nebija piekļuves uzņēmuma datiem, un iekopēts fails katru reizi deva dažādus rezultātus un interpretācijas.

Uz esošā ETL un Power BI pamata izveidots drošs savienojums (MCP), caur kuru Claude lasa sagatavotās ERP Monitor datu kopas un semantisko slāni (vadības paneļa mērus, formulas un relācijas). Claude rēķina ar tām pašām definīcijām kā atskaite, pārbauda datu atjaunošanas laiku un, ja vajag, atjauno datus tieši no sarunas. Dati katru nakti tiek izvilkti no ERP Monitor, un savienojums tos tikai lasa – mainīt ERP datus tas nevar.

Vadība vai analītiķis uzdod jautājumu dabiskā valodā un saņem atbildi ar tiem pašiem skaitļiem, kas vadības panelī (Power BI atskaite), kopā ar izmantoto formulu un datu atjaunošanas laiku. Jauniem jautājumiem vairs nav jāgaida jauna atskaite.

Koka izstrādājumu ražotājam ar ražotnēm divās pilsētās atbildes bija jāmeklē vairākos ERP Monitor skatos un atskaitēs. Mēģinājums uzraudzību veikt ar Excel bija laikietilpīgs un prasīja daudz resursu, tāpēc to atlika, līdz būs efektīvāks veids. Daudzas datu un procesu problēmas palika nepamanītas.

Uz ERP Monitor datiem, kas katru nakti tiek izvilkti, izveidots interaktīvs vadības panelis ar pieciem skatiem: kopsavilkums, ražošanas plūsma pa posmiem (katrs klikšķis ved līmeni dziļāk – līdz konkrētam pasūtījumam un tā maršrutam), Kanban, plāns pret faktu laika līnijā un darba centru noslodze pret kapacitāti. Katrā atsvaidzināšanā Claude uzraksta īsu komentāru: galvenais, problēmas un vajadzīgā rīcība. Claude drīkst izmantot tikai panelī aprēķinātos faktus, un katrs komentāra punkts ved uz konkrēto darba centru vai pasūtījumu. Piekļuve datiem ir kontrolēta un tikai lasīšanai.

Ražošanas rīta pārskats aizņem dažas minūtes. Vienā skatā redzami kavētie klientu pasūtījumi, piegādes riski nākamajām 7 dienām, pārslogotie darba centri un ERP datu kvalitātes problēmas, piemēram, neaizvērti ražošanas soļi.

Uzņēmums vēlējās laikus pamanīt darbinieku aiziešanas riskus un nosargāt savus labākos talantus. Taču lēmumu pieņemšanai bija pieejami tikai izkaisīti dati no dažādiem avotiem, kas tika analizēti atsevišķi. Atskaites konstatēja faktus, nevis prognozēja, kas varētu notikt. Organizācijā cirkulēja dažādas hipotēzes par darbinieku apmierinātību ietekmējošiem faktoriem un aiziešanas cēloņiem, uz kurām bija vajadzīgas datos balstītas atbildes.

Izveidots risinājums, kas apkopo un savieno datus no 8 dažādiem avotiem. Izstrādāti 10+ brīdinājuma signāli, kas liecina par konkrēta riska iestāšanos, un aprēķināti 200+ parametri, kas ļauj sekot izmaiņām un tendencēm no dažādiem skatu punktiem. Izveidots arī bāzes prognozējošais modelis darbinieku aiziešanas riskam.

Izmaiņas un tendences tiek pārraudzītas katru mēnesi no dažādiem skatu punktiem, un riska signāli ir redzami vienuviet. Hipotēzes par aiziešanas cēloņiem var pārbaudīt ar faktiem.

Klients ikdienā izmanto gan QlikView, gan Qlik Sense aplikācijas, kas izstrādātas pirms vairākiem gadiem un joprojām ir svarīgas biznesa procesiem. Laika gaitā mainījās datu avoti un biznesa prasības, bet zināšanas par aplikāciju uzbūvi bija izkliedētas vai zudušas līdz ar sākotnējiem izstrādātājiem. Pilnīga risinājumu pārrakstīšana uz jaunāku platformu būtu dārga un laikietilpīga, turklāt nesniegtu būtisku pievienoto vērtību, jo esošās aplikācijas savu uzdevumu pilda.

Pārņēmām esošo QlikView un Qlik Sense aplikāciju uzturēšanu: pārbaudām datu ielādes, novēršam kļūdas, pielāgojam aprēķinus un datu modeļus mainīgajām prasībām un, kad nepieciešams, papildinām aplikācijas ar jauniem rādītājiem un avotiem. Jaunus risinājumus izstrādājam tur, kur tas patiešām ir vajadzīgs. Paralēli apmācām klienta darbiniekus, lai viņi droši strādātu ar aplikācijām, saprastu datus un spētu paši veikt ikdienas analīzi.

Aplikācijas darbojas stabili, dati tiek atjaunoti savlaicīgi, un lietotāji var paļauties uz redzamajiem skaitļiem. Izmaiņas biznesa prasībās tiek ieviestas ātri, neveidojot visu no jauna, un darbinieki ir patstāvīgāki un efektīvāk izmanto jau esošos rīkus.

Klientam bija vairākas Qlik Sense aplikācijas, kas tika izmantotas ikdienas darbā un vadības lēmumu pieņemšanā. Taču gan izstrādātāji, gan sākotnējie pasūtītāji vairs nebija pieejami, un dokumentācija nebija saglabājusies vai nekad netika izveidota. Nebija skaidrs, no kuriem avotiem dati tiek ņemti, kā tiek veikti aprēķini un kāpēc atsevišķi rādītāji atšķiras no citās sistēmās redzamajiem. Tas apgrūtināja izmaiņu veikšanu un mazināja uzticību datiem.

Veicām aplikāciju reverso inženieriju: izanalizējām ielādes skriptus, datu modeļus, aprēķinu formulas un vizualizācijas. Izsekojām datu ceļu no avota sistēmām līdz gala rādītājiem un apkopojām to saprotamā dokumentācijā. Aprakstījām katra svarīgākā rādītāja aprēķina loģiku, identificējām neprecizitātes un riskus un rezultātus izskaidrojām klienta darbiniekiem.

Klientam ir skaidrs priekšstats par to, kā aplikācijas darbojas, kādi dati tajās tiek izmantoti un kā tiek iegūti rādītāji. Atšķirības starp sistēmām ir izskaidrotas, un aplikācijas var droši uzturēt, labot un attīstīt, neriskējot sabojāt esošo funkcionalitāti.

Klients vēlējās iegūt vienotu pārskatu par vairāku uzņēmumu un franšīžu darbību. Taču dati atradās dažādās kases sistēmās, datubāzēs un citos avotos, un to struktūra un biznesa prasības atšķīrās un regulāri mainījās. Bija nepieciešams elastīgs apstrādes risinājums ar sarežģītām kalkulācijām un piekļuves ierobežošanu atbilstoši lietotāja lomai.

Qlik vidē izveidota centralizēta datu apstrādes sistēma ar ETL procesiem un atkārtoti izmantojamiem biznesa loģikas slāņiem, kas apvieno un standartizē dažādu avotu datus. Ar Section Access nodrošināts, ka katrs lietotājs redz tikai sev paredzētā uzņēmuma vai struktūrvienības datus.

Vairāku uzņēmumu un franšīžu dati ir apvienoti vienotā, mērogojamā vidē, kas ļauj pievienot jaunus avotus un pielāgoties mainīgām prasībām. Departamenti ātri piekļūst aktuālajiem rādītājiem, salīdzina rezultātus un seko budžeta izpildei.

Uzņēmuma esošais analītikas risinājums bija tehniski novecojis un grūti uzturams. Atskaišu struktūra bija jāpapildina manuāli, datu atjaunošana nebija stabila, un jaunu periodu pievienošana prasīja papildu izstrādi. Bija nepieciešams stabils, automatizēts un mērogojams risinājums ar vienotu pārskatu par klientiem, produktiem, noliktavu un budžeta izpildi.

Izveidots jauns risinājums no pamatiem. Datu noliktavai izmantota PostgreSQL datubāze, bet datu iegūšanai izstrādāti pielāgoti Python skripti ar API pieslēgumu un inkrementālu ielādi, kas uzlabo veiktspēju. Uz šī pamata izveidota Power BI atskaišu sistēma ar loģiku, kas identificē produktus ar nepietiekamu noliktavas atlikumu.

Novecojušo risinājumu aizstāja pilnībā automatizēta sistēma: dati atjaunojas bez cilvēka iesaistes, un inkrementālā apstrāde nodrošina ātrāku darbību. Uzņēmums vienā vidē seko pārdošanai, krājumiem un budžeta izpildei un savlaicīgi redz preces, kuru krājumi jāpapildina.

Uzņēmuma vadība vēlējās pārraudzīt ražošanu, taču nepieciešamie dati atradās vairākos avotos: ERP Monitor, 1C, HikVision, Bitrix24 un Google Sheets. Datu savākšana un apkopošana notika manuāli reizi mēnesī un prasīja ļoti daudz laika. Tāpēc vadība situāciju redzēja ar būtisku novēlošanos.

Izveidots automatizēts ETL process, kas savieno visu avotu datus un tos automātiski atjaunina. Uz šī pamata izveidota Power BI atskaite, kas pieejama Microsoft mākonī un rāda aktuālo situāciju ražošanā.

Vadības atskaite tagad atjaunojas katru dienu, nevis reizi mēnesī. Laiks, kas iepriekš tika tērēts datu manuālai apkopošanai, tagad tiek izmantots to analīzei.

Metāla konstrukciju ražotne vēlējās ātrāk reģistrēt un novērst produkcijas neatbilstības. Taču kvalitātes uzraugam, pamanot brāķi vai neatbilstību, tā bija manuāli jānofotografē, pēc tam pie datora jāizveido uzdevums, jāapraksta neatbilstība un jāaugšupielādē bildes. Process prasīja laiku un aizkavēja reaģēšanu.

Kvalitātes uzraugs, pamanījis neatbilstību, nosūta aprakstu un foto vai video ar Telegram. Sistēma automātiski izveido un reģistrē uzdevumu Bitrix24 platformā un pievieno tam visus materiālus.

Neatbilstību var reģistrēt uzreiz ražotnē vai objektā, neejot pie datora. Uzdevums ar visiem materiāliem tiek izveidots automātiski, tāpēc reaģēt var ātrāk.