Wyobraźmy sobie sytuację, w której przedsiębiorca czuje potrzebę zrobienia porządków w danych i chce usprawnić ich zbieranie, raportowanie oraz czytanie, aby szybciej i trafniej podejmować decyzje biznesowe. Od czego zacząć i jak przeprowadzić taki proces profesjonalnie oraz efektywnie?
W sytuacji idealnej – do której dążymy i którą zawsze propagujemy w All for One Poland – kluczem do sukcesu jest rzetelna analiza przedwdrożeniowa. Polega ona na dokładnym przeanalizowaniu stanu obecnego oraz zdefiniowaniu oczekiwań przedsiębiorcy i użytkowników biznesowych, bo to oni są bezpośrednimi twórcami raportów, analizują dane i wyciągają z nich wnioski.
Właściwa analiza przedwdrożeniowa musi obejmować przegląd obecnie wykorzystywanych narzędzi do analizy, raportowania i przetwarzania danych. Nie ogranicza się jednak tylko do inwentaryzacji tego, co jest, ale bada przede wszystkim bolączki użytkowników – czyli co im przeszkadza, co nastręcza trudności, co jest czasochłonne i wymaga dodatkowych nakładów pracy manualnej. Jednocześnie zdefiniować należy procesy, które działają sprawnie i przynoszą wartościowe informacje, aby zachować je w nowym rozwiązaniu.
Kolejnym elementem jest poznanie systemów źródłowych oraz określenie trybu przetwarzania – czy organizacja potrzebuje analizować dane w czasie rzeczywistym (np. raportowanie transakcji na bieżąco po zaksięgowaniu), czy wystarczą jej cykliczne importy danych (np. stan zatrudnienia na koniec miesiąca). Na tej podstawie zestawiamy stan obecny z celami biznesowymi, takimi jak automatyzacja budżetowania, wdrożenie prognozowania czy wykorzystanie sztucznej inteligencji. Poznanie oczekiwań biznesu, także pod kątem wizualizacji i sposobu przeglądania danych, jest kluczowe, aby dobrać środowisko spełniające potrzeby organizacji nie tylko na dziś, ale i w perspektywie kolejnych lat.
Zainteresował Cię ten temat? Zobacz podcast - kliknij poniżej.
WIDEOPrzejmij kontrolę nad danymi w firmie | Mirosława Żurek | All for One
Kto konkretnie powinien wziąć udział w takiej analizie przedwdrożeniowej i ile czasu ten etap powinien zająć w kontekście całego projektu?
W All for One szacujemy, że analiza przedwdrożeniowa powinna stanowić do 15% całkowitego czasu przewidzianego na implementację projektu. Dokładna liczba dni zależy od skali i wielkości organizacji, jednak przy budowaniu systemu od podstaw przeznaczenie takiego budżetu czasowego gwarantuje, że wdrożenie zostanie wykonane prawidłowo.
W analizie przedwdrożeniowej powinna uczestniczyć szeroka grupa robocza. Po stronie przedsiębiorstwa są to użytkownicy biznesowi oraz właściciele procesów, którzy posiadają kluczową wiedzę o potrzebach analitycznych. Po stronie dostawcy zaangażowani są konsultanci analityczni oraz konsultanci modułowi – specjaliści z zakresu kontrolingu, sprzedaży czy finansów, którzy potrafią doradzić, jak optymalnie zaplanować budżetowanie kosztów czy planowanie przychodów. Niezbędny jest również udział konsultantów architektury systemowej (tzw. konsultantów basisowych), którzy projektują środowisko pod kątem wymagań technicznych – określają zapotrzebowanie na pamięć, liczbę równoległych procesów oraz wydajność infrastruktury.
A co się dzieje, jeśli ten etap jest skracany lub przeprowadzamy nie dość starannie?
W realiach polskiego rynku analiza przedwdrożeniowa bywa niestety skracana do minimum ze względów kosztowych lub z chęci szybkiego zobaczenia namacalnych efektów. Klient często przychodzi z gotową koncepcją konkretnego narzędzia i chce od razu przechodzić do budowy. Zachęcam do rzetelnej analizy, ponieważ jej brak rodzi poważne konsekwencje w przyszłości.
Przede wszystkim pobieżna analiza prowadzi do dostarczenia środowiska niedopasowanego do realnych potrzeb użytkowników. Gdy w trakcie eksploatacji okazuje się, że narzędzie nie posiada jakiejś funkcji, organizacja zaczyna tworzyć tzw. "pączki" – doklejane łatki i zewnętrzne raporty w innych systemach. W efekcie zarządzanie środowiskiem staje się trudne, a firma traci tzw. Single Source of Truth – jedno źródło prawdy, czyli sytuację, w której dane są scentralizowane.
Ponadto niewłaściwa analiza skutkuje problemami wydajnościowymi. Złe przeliczenie zasobów sprzętowych czy pamięciowych na początku powoduje brak wydajności przy większej liczbie użytkowników. Zdarzają się też sytuacje odwrotne – ze względu na pobieżne szacunki środowisko zostaje przeskalowane i firma płaci za pamięć, której w ogóle nie wykorzystuje.
Co jest bezpośrednim efektem analizy przedwdrożeniowej i jak wygląda przejście od koncepcji do fazy wdrożenia? Czy przed pełną implementacją realizuje się jakieś projekty pilotażowe?
Efektem analizy przedwdrożeniowej jest koncepcja – kompleksowy dokument określający źródła danych, pola źródłowe, zasady przekształcania danych, zakres raportowania i planowania, politykę uprawnień oraz sposób zasilania środowiska. Po akceptacji koncepcji przez obie strony przystępuje się do implementacji.
Warto wspomnieć o bardzo pożytecznym rozwiązaniu, jakim jest projekt typu Proof of Concept. Jest to pilotaż trwający zazwyczaj od jednego do trzech miesięcy, realizowany na próbce danych z jednego lub dwóch systemów źródłowych przy niewielkim nakładzie czasu obu stron. Proof of Concept służy jako most między analizą a wdrożeniem i pozwala przedsiębiorcy praktycznie ocenić funkcjonalność narzędzia oraz upewnić się, że wybrane środowisko spełnia jego oczekiwania.
Jak przebiega sama faza implementacji? Czy organizacja musi czekać na zakończenie całego projektu, aby zacząć korzystać z nowych raportów?
W przypadku środowisk analityczno-raportowych staramy się prowadzić wdrożenie i jednocześnie oddawać rozwiązania etapami. Po zbudowaniu konkretnego raportu lub formatki planistycznej udostępniamy ją użytkownikom do testów i po akceptacji od razu wdrażamy produkcyjnie. W przeciwieństwie do systemów transakcyjnych, gdzie trzeba czekać na zakończenie prac we wszystkich modułach, w analityce można przechodzić na system produktywny sukcesywnie.
Na czym kończy się proces wdrożeniowy tuż przed przekazaniem systemu do pełnej eksploatacji produkcyjnej?
Kluczowym etapem przed ostatecznym oddaniem systemu są szkolenia użytkowników. Przeszkolenie obejmuje nie tylko obsługę gotowych raportów czy wprowadzanie budżetów, ale również naukę samodzielnego modelowania danych i tworzenia przepływów informacyjnych.
Obecnie następuje wyraźne odwrócenie ról w stosunku do dawnych systemów stacjonarnych. Kiedyś 90% prac w systemie wykonywało IT lub zewnętrzni konsultanci ze względu na trudny interfejs a tylko 10% stanowiła aktywność użytkowników biznesowych. W nowoczesnych rozwiązaniach dąży się do modelu Self-Service Analytics, gdzie około 70% zadań wykonują użytkownicy biznesowi, a IT odpowiada za 30% najbardziej skomplikowanych prac architektonicznych.
Dzięki intuicyjnemu interfejsowi graficznemu w narzędziach takich jak SAP Datasphere (część SAP Business Data Cloud), użytkownik biznesowy może samodzielnie modelować dane z różnych systemów źródłowych metodą graficzną, bez konieczności pisania zapytań SQL. Zwieńczeniem wdrożenia jest przekazanie dokładnej dokumentacji, która pozwala użytkownikom na samodzielną rozbudowę raportów o nowe pola w przyszłości.
W jaki sposób sztuczna inteligencja jest wykorzystywana w tych narzędziach i jak mądrze wdrażać AI w analityce biznesowej?
W SAP Business Data Cloud sztuczna inteligencja występuje dwutorowo. Z jednej strony mamy integrację z platformami partnerskimi (Snowflake, Databricks) do tworzenia własnych agentów AI i przetwarzania danych nieustrukturyzowanych (np. tekstów). Z drugiej strony AI jest wbudowane bezpośrednio w SAP Analytics Cloud, co pozwala użytkownikom zadawać pytania w języku naturalnym (np. "Jaka była najwyższa sprzedaż w IV kwartale 2026 roku i w których regionach?"), generować automatyczne podsumowania przyczynowe oraz wykonywać predykcje i symulacje.
Apeluję do przedsiębiorców, aby nie bali się wychodzić poza analitykę historyczną. Warto wykorzystywać AI do prognozowania przyszłości i symulowania scenariuszy biznesowych. Pamiętajmy jednak, aby nie wierzyć ślepo w podpowiedzi algorytmów. Wybór odpowiedniego modelu oraz weryfikacja wyników zawsze należą do użytkownika biznesowego, który zna specyfikę swojej firmy i rynku. AI ma otwierać głowę na nowe możliwości, ale czynnik ludzki pozostaje niezastąpiony.
Jak w firmie All for One podchodzicie do realizacji takich projektów wdrożeniowych i do jakich organizacji kierujecie swoje usługi?
W All for One Poland staramy się realizować projekty według opisanego modelu idealnego. Zawsze proponujemy klientom rzetelną analizę przedwdrożeniową, aby dokładnie dopasować system do ich potrzeb obecnych i przyszłych. Etap implementacji realizujemy etapowo, oddając rozwiązanie partiami, co pozwala szybciej wychwycić ewentualne błędy i sukcesywnie przechodzić na produkcję. Kładziemy przy tym ogromny nacisk na szkolenia użytkowników oraz przygotowanie skrupulatnej dokumentacji.
Jeśli chodzi o profil klientów w obszarze analityki danych, nie ograniczamy się branżowo – współpracujemy zarówno z sektorem prywatnym, jak i publicznym. Nie ma też ścisłych barier co do wielkości organizacji – rozwiązaniami analitycznymi SAP z powodzeniem mogą zainteresować się również średnie firmy zatrudniające od kilkudziesięciu pracowników wzwyż, ponieważ w każdej firmie znajdują się dane, które warto efektywnie przetwarzać.
Dziękuję za rozmowę.
Zainteresował Cię ten temat? Wysłuchaj całej rozmowy z Mirosławą Żurek.
