Биофармацевтическая компания «АстраЗенека», Россия и Евразия реализовала переход с SAP BI на решение на базе Power BI. Параллельно с этим была проведена глубокая реорганизация процессов, внедрена новая архитектура, практика полного цикла разработки и управления данными, что позволило расширить использование BI-системы и улучшить качество управленческих решений. О реализации проекта рассказывает Александр Мамонтов, Chief Data & BI Lead компании «АстраЗенека», Россия и Евразия, и номинант на премию BI Award.

- В чем заключалась проблема?

Вся разработка и сопровождение отчетности традиционно находились за периметром компании. За счет этого был дольше отклик на новые разработки и внедрения, экспертиза накапливалась вне компании. Нам стало сложнее управлять масштабированием в связи с кратным ростом запросов со стороны бизнеса. Кроме того, использовавшееся решение было сфокусировано на определенного вендора и не имело в перспективе необходимой гибкости.

В целом, накопленное наследие с низким архитектурным контролем и отсутствие актуальной документации тормозило любые изменения.

- Что представляла собой аналитическая система до реализации проекта?

Была гибридная инфраструктура: основные компоненты развернуты в AWS Сloud с небольшими элементами on-premise. Использовался ETL-инструмент Informatica и хранилище данных Oracle. Основная отчетность была реализована на SAP BI, много отчетов формировалось в Excel.

- Насколько эта задача миграции BI была важна для компании?

Задача важна, так как даже на момент запуска проекта аналитикой уже ежемесячно пользовалось почти 40% сотрудников, при этом существовала огромная неотвеченная потребность в аналитике данных, и этот проект позволил развить и масштабировать data-driven-культуру в компании.

- Какой подход был выбран?

Нам пришлось формировать практически с нуля всю необходимую инфраструктуру и компетенции внутри компании, чтобы стать лидером в отрасли и задавать основные практики в индустрии.

- Что являлось целью проекта?

Главная цель – рост выручки с помощью развития аналитических продуктов данных. Требовалось повышение операционной эффективности управления данными, в том числе оптимизация затрат на закупку, обработку и использование данных. Было важно развитие аналитики и data-driven-культуры в компании. Мы хотим быть привлекательным работодателем, и поэтому нам важна лояльность сотрудников, а это достигается в том числе и удобными инструментами для эффективной работы.

Наша миссия – управление данными, их анализ и предоставление информации для принятия оптимальных data-driven бизнес-решений.

- Какие требования предъявлялись к создаваемому решению, какие принципы пытались соблюдать?

BI-решение должно отвечать основным современным тенденциям и специфическим потребностям бизнеса, иметь широкие возможности кастомизации и быть доступно на всех клиентах – в мобильной и десктопной версия, а также в вебинтерфейсе. В части архитектуры данных и организации хранения – гибридное хранилище (on-premise и облако), единая архитектура и модель данных, внедрение централизованной практики управления данными, вся экспертиза, документирование и сопровождение должны формироваться внутри компании.

- Как и по каким критериям выбиралась платформа для реализации?

Нас интересовала скорость внедрения, доступность технологий, наличие экспертов и специалистов на рынке, стоимость. Отдельный вопрос – функционал, доступный «из коробки», и при этом возможность кастомизации.

В результате была построена гибридная инфраструктура с возможностями масштабирования: Yandex.Cloud (S3, Airflow, Clickhouse) и on-premise Microsoft SQL Server. Единая система отчетности реализована на Microsoft Power BI.

- Какие данные охватывает созданная платформа?

Данные продаж и маркетинга, отдельные сегменты данных финансов, HR и медицинских подразделений. В перспективе планируется масштабирование на весь периметр данных компании.

- Что было сложнее всего в ходе проекта?

Было трудно определиться в самом начале с нужным техническим решением, собрать с нуля команду и привлечь необходимую экспертизу, а также реализовать полный переход с устоявшихся инструментов на новое решение. Традиционная проблема – управление ожиданиями стейкхолдеров и приоритезация работ для различных заказчиков. Отдельный вопрос – создание с нуля доменов данных и их коррекция «на лету».

- А какие неожиданности можете выделить?

Было понимание, что придется перестраивать многие процессы и подходы, но на момент старта проекта не было четкого видения, как все они будут связаны между собой и сколько именно это займет времени. Как итог, проект был построен по гибридной методологии, сочетая водопадный и agile-подходы, в зависимости от критичности, детерминированности и объемов сегментов.

Практически все сегменты потребовали рефакторинга или создания с нуля. Стратегию миграции приложений в облако lift&shift, при которой приложение переносится в облачную среду без существенных изменений в его архитектуре или коде, реализовать не удалось. Причинами стали большой накопленный технический долг и отсутствие документации на старой платформе, изменения в бизнесе и процессах, которые не были системно учтены в старом решении и появлялись в процессе, а также стремительная трансформация ландшафта ИТ-систем по ходу проекта, в том числе замена ключевых систем автоматизации предприятия, выступающих поставщиками данных.

- Кто является основными пользователями аналитической платформы? Сколько их?

BI-решением пользуются все бизнес-направления. Ежедневное количество пользователей (DAU) составляет 1 тыс. человек, а месячное (MAU) – 1,4 тыс. человек при штатной численности около 1,8 тыс. сотрудников. Это хороший результат: на старой платформе эти показатели составляли 200 и 700 пользователей соответственно.

- Наблюдалось ли сопротивление сотрудников?

Ко всему новому приходится привыкать, поэтому мы внедряли изменения постепенно, с регулярной поставкой инкремента в BI-продукте. Большое внимание при создании инструментов уделялось как удобству интерфейсов, так и бизнес-ценности аналитики. Мы выстроили непрерывный процесс обучения для сотрудников: инструкции по использованию инструментов, описание основных вопросов, проактивное информирование, более 80 обучающих сессий и воркшопов с пользователями, настроили коммуникацию от пользователей по обращениям в общий единый процесс поддержки (ITSM-система). Это дало возможность работы с аналитикой десяткам различных департаментов с различными профилями пользователей.

- Какие результаты уже достигнуты?

Помимо того, что осуществлена миграция на новую инфраструктуру и решения, мы перешли от внешнего подрядчика к инхаус-разработке и полностью пересобрали подходы, перестроили хранилище данных. Мы не просто перенесли отчетность в другую BI-систему, а, в сущности, построили новую.

Увеличилась вовлеченность и эффективность сотрудников, новые инструменты поддержали data-driven подход. Качественные комментарии, в том числе в рамках общекорпоративного опроса удовлетворенностью сотрудников, показывают, что команды по достоинству оценили новую платформу, которая позволяет эффективнее и быстрее выполнять свою работу.

- Какие эффекты ожидаются в дальнейшем?

Мы получили возможность масштабирования и гибкость при интеграции новых технологий, а также при смене технических решений. Команда, компетенции, покрытие документацией позволяют не только гибко менять технологический стек, но и открывают возможности для AI-driven BI – как для генерации инсайтов в контексте, так и ускорения создания инструментов за счет ИИ-помощников в разработке.

- Чем можно особенно гордиться?

Мы меняли BI-систему, переходили от внешнего подрядчика в in-house, делая полностью все своими силами – кратно масштабируя и обучая команду, тем самым создавая уникальную отраслевую экспертизу. Создавали команды с нуля, собирали все необходимые компетенции, создавали процессы. Вместе с переносом полностью пересобирали решения, перестроили хранилище данных. На выходе мы получили возможность масштабирования, гибкость при смене технологий, возможности для внедрения новых подходов, в частности, ИИ.

- Пытались ли оценить эффект в финансовом выражении?

На этапе внедрения in-house разработка не превысила стоимость внешней разработки, что в перспективе позволяет снижать затраты на сопровождение и развитие. Новые возможности по интеграции, обработке, управлению и визуализации данных позволили сэкономить более 10 млн руб на закупке аналитических данных. Достигнута оптимизация времени сотрудников на работу с данными. Произошло уменьшение времени отклика от BI-платформы – отчеты грузятся быстрее, увеличение частоты обновления – данные всегда доступны, не надо постоянно впустую перепроверять их. Это позволило высвободить и перенаправить бизнесу более 20 тыс. человекочасов.

- Какую роль играет проект для бизнеса компании?

Переход от подрядчика к собственной разработке дал ускорение процесса и повышение стабильности поставки. Мы получили дополнительную гибкость при смене технологий и возможность масштабирования. Увеличили число пользователей, которые принимают свои решения на данных. Повысили эффективность бизнеса, увеличив выручку на сотрудника.

- Каковы основные направления развития проекта?

Будет происходить закрытие новых возникающих аналитических потребностей для актуальных доменов данных и масштабирование на новые домены данных. Важной частью работ является поддержка бизнес-трансформаций, которые в современном мире уже являются необходимыми и регулярными для успешной организации. Ожидается демократизация подходов – создание локальных команд по работе с данными и аналитикой. Наконец, создание AI-driven BI, что ускорит процессы разработки.