У BAT дані завжди під рукою: переформатували звітність з нестабільності у контроль

Теги:

Business Intelligence (BI)Data Engineering

Про проєкт

Нова структура даних для BAT – дим розвіявся і цифри стали прозорими

British American Tobacco (BAT) є світовим гігантом, який працює у 180 країнах. Компанія, що об’єднує понад 50 000 людей, відома своїми брендами: Dunhill, Lucky Strike, Pall Mall і Vuse. Сьогодні BAT проходить шлях масштабної трансформації від класичної тютюнової індустрії до електронних сигарет та систем нагрівання тютюну. Лідер активно інвестує, розвиває технології та підтримує сталий розвиток.

Виклики та потреби клієнта:

Замовник зіткнувся з труднощами у роботі зі звітністю. Система працювала нестабільно:

показники розраховувались із затримками або неточно
швидкодія залишала бажати кращого
звіти періодично ставали недоступними

Це створювало ризики для операційних процесів і ускладнювало прийняття рішень.

Клієнт потребував надійного інструменту, який би забезпечував стабільний, безперервний доступ до достовірних даних у зручному для бізнесу форматі.

Як вирішували проблему клієнта

Аналітична звітність у ВАТ більше не приносить хаосу, бо інформація зберігається і обробляється у багаторівневій системі.

Механізми диспетчеризації гарантують надійний контроль і миттєві сповіщення у разі збоїв.
Наш підхід: Для початку зробили детальний аналіз наявних звітів у Power BI. Внесли перші виправлення й частково стабілізували роботу системи. Ключові проблеми виявили у джерелах даних та процесі їх транспортуванні в Power BI. Наші фахівці розробили кілька варіантів вирішення із впровадженням сховища даних (Data Warehouse) з різними інструментами.

Результати роботи:

Звітність стала доступною, зрозумілою та надійною, а дані перестали бути проблемою – тепер вони працюють на бізнес, а не навпаки.
Оптимізували Power BI: провели аудит існуючих звітів, виправили логіку розрахунків, покращили швидкодію.
Побудували архітектуру Data Warehouse: реалізували багаторівневу модель з Bronze- та Silver-шарами для ефективного зберігання та обробки даних.
Налаштували ETL-процеси: автоматизували збір, очищення та перенесення даних, мінімізувавши ризики ручних помилок.
Запровадили диспетчеризацію: створили механізм контролю якості даних і стабільності завантаження з автоматичними сповіщеннями у разі збоїв.
Сформували інфологічну модель: чітко описали всі сутності, їхні зв’язки та логіку використання для аналітики.