КВАДРА

Как Polymatica помогла создать BI-экосистему для предприятия с многофилиальной структурой

ЗАДАЧА

Публичное акционерное общество «Квадра – Генерирующая компания» (ПАО «Квадра») является крупнейшим производителем тепла в 10 регионах Центрального федерального округа, ПАО «Квадра» охватывает порядка 30% рынка тепла регионов присутствия в целом и порядка 80-90% рынка тепла крупных региональных центров. Компания обслуживает более 1 млн. физических лиц и 24 тыс. юридических лиц.

Стремясь повысить как эффективность деятельности, так и уровень взаимодействия с клиентами, компания приняла решение о создании и внедрении интерактивной системы отчётности и продвинутой аналитики данных путём автоматизированного сбора и обработки первичных данных из учётных систем филиалов для получения более качественного и оперативного результата.

ТРЕБОВАНИЯ

РОССИЙСКИЙ СТЕК ТЕХНОЛОГИЙ

Использование отечественных решений позволяет соответствовать требованиям регулятора, снижает зависимость от импортных технологий и минимизирует технологические риски. Дополнительными преимуществами являются быстрые сроки внедрения и оптимизация расходов на поддержку.

САМООБСУЖИВАНИЕ

Предоставление возможности бизнес-пользователям самостоятельного построения аналитической отчётности и информационных панелей без привлечения ИТ департамента в режиме, близком к реальному времени. Все операции должны выполняться в простом интерфейсе без программирования.

РАБОТА С ПЕРВИЧНЫМИ ДАННЫМИ

Собирать данные учётных систем из филиалов не в агрегированном, а исходном виде, корректно их обрабатывать и автоматически стоить отчётность и проводить аналитику, в том числе с подключением методов машинного обучения.

РЕШЕНИЕ

Архитектура проекта стандартная для проектов такого типа: хранилище, ETL и три системы, имеющие доступ к данным: система обработки многомерных массивов данных Polymatica Analytics, имеющий коннектор к ней конструктор информационных панелей Polymatica Dashboards и система регламентных отчётов PTNL.

Этапы проекта
1. Развертывание технологической платформы в закрытом контуре.
2. Разработка структуры обмена данными.
3. Разработка механизмов загрузки данных из источников (коннекторов).
4. Формирование хранилища и витрин данных.
5. Уточнение и формализация требований к аналитике.
6. Формирование структуры Системы и моделей данных приложений Системы.
7. Разработка интерактивных аналитических панелей (дашборды).
8. Разработка статической отчётности.

Для создания «единой точки правды» на основе первичных данных, поступающих из регионов, большая доля времени проекта была посвящена улучшению качества данных: разработке методологии заполнения форм и созданию единых справочников. Внедрение компонентов Polymatica было выполнено за 4 недели.

РЕЗУЛЬТАТЫ

Уникальность проекта

Использование стека российских решений позволили в короткие сроки автоматизировать и консолидировать отчётность, а также предоставить инструменты интерактивного мониторинга деятельности многофилиальной структуры. Реализуя подход data-centric – принятия управленческих решений на основе данных, главным принципом при выборе BI-системы было обеспечение самообслуживания функциональных пользователей при работе с данными– построению отчётов и дашбордов без программирования с возможностью доступа к детальной информации учётных систем (например, исходные данные из биллинга) без негативного влияния на производительность самих учётных систем.

Чего достигли:

• Создание единой системы сбора и консолидации данных из 8 филиалов – достижение «единой точки правды».
• Автоматизация отчётности и минимизация влияния человеческого фактора.
• Ускорение подготовки отчётов от двух недель до нескольких минут.
• Создание основы для проведения глубокой аналитики по полезному отпуску, базе платежей дебиторской задолженности и другим направлениям деятельности генерирующей компании.

Что планируется:

Применение методов машинного обучения для работы с дебиторской задолженностью и расчёта полезного отпуска тепловой энергии.

Андрей Матыцин, Директор департамента теплосбытовой деятельности компании «Квадра»: «Была проведена большая работа: объединение большого количества источников данных, связывающих филиалы, и приведение их к единообразию для корректной работы систем отчётности и аналитики. Теперь благодаря BI-экосистеме Polymatica мы можем видеть как исходные данные, так и агрегированные показатели в любом разрезе на любой момент времени в прошлом. Следующий этап: использовать собранные данные для формирования прогностических моделей потребления и поведения потребителей – будем подключать для этого machine learning и другие технологии продвинутой аналитики».