399
0
0
Скопировать ссылку
Telegram
WhatsApp
Vkontakte
Одноклассники
Назад

Опыт внедрения и особенности перехода с Power BI на PIX BI

Время чтения 2 минуты
Нет времени читать?
Скопировать ссылку
Telegram
WhatsApp
Vkontakte
Одноклассники
399
0
0
Нет времени читать?
Скопировать ссылку
Telegram
WhatsApp
Vkontakte
Одноклассники

Привет, меня зовут Самир Ильясов, я руководитель отдела по развитию BI, DWH и RPA компании «Первый Бит», офис «Спортивная». Наш офис специализируется на проектах внедрения и миграции. За годы работы мы выработали собственную методологию быстрого перехода на отечественное ПО. В этой статье я расскажу об одном из наших кейсов импортозамещения системы Power BI российской платформой PIX BI.

Опыт внедрения и особенности перехода с Power BI на PIX BI

Условия до старта проекта

Один из наших клиентов — крупная технологическая компания с разветвленной структурой. Ранее компания использовала систему Power BI, но после ухода Microsoft с российского рынка возникла необходимость перенести бизнес-процессы анализа данных на отечественное ПО. В качестве альтернативного решения заказчик выбрал систему PIX BI, и осенью 2022 года мы начали проект миграции и доработки аналитической системы. Ниже я по шагам расскажу, из чего состоял этот проект.

Проект включал в себя два основных этапа работ. Первый этап — это сама миграция с платформы Microsoft Power BI на новую платформу PIX BI. Второй этап — развитие системы: разработка новых отчетов и дашбордов для расширения возможностей аналитической системы внутри компании.

В первую очередь требовалось обеспечить доступ к новой системе пяти основным топ-менеджерам компании. Впоследствии количество пользователей постепенно увеличивалось. Также в ходе проекта было задействовано 12 аналитиков — это сотрудники, которые предоставляли информацию для разработки аналитической системы. С нашей стороны в проекте участвовали пять человек — основной разработчик, плюс еще один, которого привлекали в пиковые моменты, архитектор, аналитик и руководитель проекта. Основной упор в разработке аналитической системы был сделан на задачах по управлению финансами, активами и персоналом.

Детали реализации проекта

Для нас этот проект представлял интерес как один из первых опытов внедрения платформы PIX BI. На старте мы провели обследование заказчика, интервью с ключевыми специалистами компании, изучили особенности, проверили источники данных. Параллельно разворачивали платформу, настраивали и готовились к старту работ.

На этом этапе мы выявили ряд сложностей, которые были связаны со структурой компании. Группа компаний включала в себя множество организаций с разветвленной структурой, и каждое предприятие имело свою платформу 1С и свою систему учета. Кроме того, часть данных хранилась в Excel-файлах, и в компании не было единого хранилища.

Структура компании

На этапе обследования мы приняли решение алгоритмизировать и автоматизировать то, что возможно, и использовать 1С как основной источник данных. Для процессов, которые не подлежали описанию, источником данных оставили Excel. Хочу отметить важность этого этапа для дальнейшей работы, поскольку именно результаты, выявленные в рамках обследования, стали фундаментом для всего проекта.

На этапе миграции первоначальная задача заключалась в том, чтобы перенести данные из Power BI как есть. Однако мы немного доработали визуализацию по требованию заказчика, оптимизировали модель данных и некоторые другие детали, о которых я расскажу ниже. 

Последний и основной этап заключался в разработке нового функционала. В рамках этого этапа было создано 15 новых дашбордов. Ранее они не были автоматизированы и существовали только в MS Excel.

Техническая архитектура проекта

Архитектура изначального BI-решения предполагала извлечение данных из различных 1С-систем, которых было порядка 58 штук в более чем 23 компаниях внутри одной группы.

Для того чтобы данные собирались консолидированно, был поднят специальный веб-сервис. Некоторые другие данные собирались из Excel-файлов, которые обновлялись вручную. За сбор и трансформацию всех данных отвечал ETL-инструмент Power Query, а дальше Power BI строил аналитические отчеты и дашборды.

Исходная реализация на Power BI

В процессе внедрения мы разработали промежуточную версию интегрированного BI-решения. Поскольку проект начался на ранних стадиях развития системы PIX BI, нам пришлось прибегнуть к использованию стороннего ETL Apache Airflow. Мы легко интегрировали Python-скрипты, которые уже использовались в Power Query, с помощью Apache Airflow, который также работает на языке Python и хорошо его понимает.

Некоторую функциональность, которая была доступна в Power BI, мы также реализовали на Python и интегрировали в Apache Airflow. Дополнительно настроили общедоступную директорию на сервере для всех выгрузок, чтобы информация была собрана в одном месте. Вся эта информация передавалась в промежуточное хранилище данных PostgreSQL, а оттуда PIX BI уже считывал информацию и строил аналитические отчеты.

Промежуточная реализация на PIX BI

Финальная архитектура была внедрена спустя два месяца с момента первой промежуточной версии. Часть, связанная с базой данных, веб-сервером, ручной выгрузкой и общедоступной директорией, осталась неизменной.

Основные изменения произошли в хранилище и ETL. Команда PIX разработала собственный ETL, который полностью заменил сторонний софт и позволил бесшовно перенести все процессы из Apache Airflow на решение PIX BI ETL. Кроме того, вендор реализовал функцию регламентного обновления данных по расписанию, которая сегодня востребована на многих проектах.

Финальная архитектура решения на PIX BI

СУБД PostgreSQL была заменена на проприетарное хранилище ClickHouse, которое имеет встроенное решение для хранения и обработки данных (DWH), что позволяет с легкостью создавать и управлять хранилищем данных. Кроме того, производительность хранилища выросла как минимум в 6–8 раз по сравнению с предыдущим решением. Это значительно сократило время, необходимое для загрузки данных и генерации отчетов, и привело к повышению эффективности работы.

Взаимодействие с вендором

Хочется также рассказать про взаимодействие с командой PIX BI. На протяжении всего проекта мы шли с вендором нога в ногу. При каких-то малейших запросах от заказчика или от нас команда вендора максимально оперативно решала эти задачи. Если вопрос касался небольших доработок, то его решение занимало 1–2 недели. В случае критических запросов или серьезных ошибок вопрос решался за 1–2 дня. При выполнении серьезных крупных доработок срок ожидания составлял в среднем от 2 до 4 недель. 

Безусловно, разработчики вендора реализовывали многие функции оперативнее, чем это планировалось в дорожной карте. Проект стал практическим подтверждением той идеи, что взаимодействие с российскими вендорами намного проще и эффективнее, чем с зарубежными. Мы, по сути, получили возможность реализовать задачи, которые с тем же Microsoft реализовать было бы невозможно.

Обучение

В наших проектах мы стараемся вовлекать пользователей в работу с новой системой как можно раньше, и этот проект не стал исключением. Ключевых пользователей мы обучили работе с платформой PIX BI на старте проекта, когда появились первые дашборды, мигрированные с Power BI.

Такой подход позволяет нам провести более качественное пользовательское тестирование и получить эффективную обратную связь по интерфейсу и функциям новой системы. Это также способствует формированию сетевого эффекта: пользователи привыкают использовать систему в своей повседневной жизни. К моменту финальной демонстрации решения заказчику ключевые пользователи уже достаточно хорошо знают платформу, и она не вызывает у них вопросов.

Результаты проекта

Первоочередной задачей, которая стояла на старте проекта, был отказ от Excel, в которой подразделения демонстрировали свои бюджеты и дашборды высшему руководству компании. Внедрение PIX BI в полной мере решило эту задачу. Помимо этого, мы оптимизировали модель данных на этапе миграции, что позволило увеличить скорость формирования отчетов в несколько раз, а также настроить хранение исторических данных. Такой функциональности изначально не было в Power BI, заказчик мог смотреть данные на текущий день, однако не мог анализировать их за прошедший период. Сейчас аналитические данные автоматически накапливаются, и мы также подгрузили исторические файлы, которые были у заказчика.

Отказ от ручной подготовки данных — стандартная функция внедрения любой BI-системы, и в данном проекте это также произошло. А вот погружение сотрудников заказчика в BI-систему за счет функционала self-service — это частное преимущество платформы PIX BI, которая предоставляет возможность самостоятельного редактирования дашбордов.

Пока аналитики заказчика еще не дошли до уровня создания собственных дашбордов, однако уже имеют такую возможность и могут как минимум настроить фильтры или персонализировать дашборды, созданные нами.

Мы продолжаем поддерживать данного заказчика, и точка в работе еще не поставлена. Хороший BI-проект не должен заканчиваться: с помощью ИТ-интегратора или внутренней команды разработки BI-система должна развиваться и быть настолько же динамичной, как и сам бизнес.

Рекомендации и выводы

Резюмируя те подходы, которые мы применяли (как организационные, так и технические), хочу дать некоторые рекомендации для подобных проектов.

Привлечение всех заинтересованных сотрудников в проект. Чем больше потенциальных пользователей будут вовлечены на старте, тем быстрее удастся подойти к решению именно их задач и к достижению поставленных целей.

Формализация требований критериев успешности. Это применимо ко всем проектам: если мы на старте знаем, к чему должны прийти, мы будем четче понимать, как к этому двигаться, и, соответственно, риски не попасть в сроки минимизируются. В случае с миграцией это особенно важно, поскольку всегда есть риск лишиться текущей системы, если лицензию к зарубежной платформе не удастся продлить.

Внутренний аудит текущей системы. Когда мы говорим, что перенос BI-системы — сугубо технический процесс, это действительно так. Однако если понимать это буквально, то можно перенести не только BI-систему, но и все ошибки и недочеты, которые накапливались в ней годами. Поэтому критично важно сначала провести ревизию имеющегося аналитического инструмента. Это позволит перенести всё без ошибок, а также сразу перейти к развитию новой системы.

Работа по Agile. Agile — в принципе тот подход, который мы пропагандируем, и при вовлечении заказчика он действительно работает. Мы практически ежедневно предоставляли заказчику результаты работы, которые позволяли понять, в правильном ли направлении мы движемся. Это позволило нам избежать ситуации, когда спустя два месяца разработки пришли функциональные заказчики и сказали, что это вообще не то, что нужно. Такие ситуации можно нивелировать Agile-подходом.

Обучение пользователей. Да, обучение нечасто проводится на старте, но именно это позволяет обеспечить всё то, что я озвучил ранее: вовлечение людей, понимание, чего мы от них хотим и для чего им самим нужна эта система, возможность предлагать какой-то новый функционал. Всё это в итоге приводит к тому, что проект живет, аналитика работает и сама система действительно приносит бизнес-пользу, а не просто является «цифровизацией».

Комментарии0
Тоже интересно
Комментировать
Поделиться
Скопировать ссылку
Telegram
WhatsApp
Vkontakte
Одноклассники