Вестник цифровой трансформации

«Бургер Кинг»: трансформация инфраструктуры данных
«Бургер Кинг»: трансформация инфраструктуры данных

Александр Кулиев: «Любой проект трансформации предполагает изменение культуры работы и сталкивается с проблемами недостаточного вовлечения и мотивации сотрудников. Отсутствие культуры, ориентированной на данные, может снизить мотивацию сотрудников к поиску новых идей и улучшению процессов на основе аналитики»


19:26 11.04.2024  |  Николай Смирнов | 1559 просмотров



Александр Кулиев, директор офиса по данным сети «Бургер Кинг», – о трансформации инфраструктуры данных, ставшей для компании стратегическим вектором развития.

Трансформация инфраструктуры данных стала для сети «Бургер Кинг» стратегическим вектором развития, открывающим дорогу к принятию решений на основе данных. Переход на Arenadata DB в облаке VK Cloud позволил оптимизировать работу бизнес-систем и сделал возможными решение многих аналитических задач. О реализации проекта и его первых результатах рассказывает Александр Кулиев, директор офиса по данным «Бургер Кинг» и номинант на премию Data Award.

- Что привело «Бургер Кинг» к реализации проекта перестройки инфраструктуры данных?

В 2022 году инфраструктура для работы с данными в «Бургер Кинг» состояла из большого количества разрозненных источников данных и BI-системы, которая, помимо задач визуализации и формирования отчетов, иногда выполняла функции обработки и хранения данных. При этом в компании не было общей методологии сбора, обработки и хранения данных. Данные хранились в разных местах, а их выгрузка для формирования отчетности зачастую занимала много времени и могла негативно сказываться на производительности бизнес-систем.

Перед дата-командой «Бургер Кинг» встала задача – спроектировать и запустить централизованное корпоративное хранилище данных (DWH), которое должно решить существующие на тот момент проблемы и обеспечить потенциал для дальнейшего развития собственной платформы данных и data-driven подхода в целом.

- Какой подход был выбран?

В качестве основного решения для запуска DWH была выбрана Arenadata DB – СУБД на основе Greenplum. Однако ситуацию осложняло то, что у нас не хватало необходимых компетенций для реализации данных задач. При этом хранилище предстояло строить «с нуля», да еще и переводить в новое решение более 800 существующих приложений и множество источников данных. Это повлекло за собой некоторые трудности на старте проекта.

Помимо дефицита компетенций и ресурсов для самостоятельного развертывания, настройки и администрирования платформы, не было возможности расширить текущую локальную инфраструктуру. При этом существующих ресурсов не хватало, чтобы удовлетворить растущие потребности.

Именно поэтому мы изначально рассматривали только облачное решение. В качестве партнера по инфраструктуре выбрали VK Cloud, так как на платформе были все необходимые инструменты для построения и развития решения, в том числе ADB как Managed-решение.

- Что еще было сделано в рамках проекта?

Запуск ADB в облаке значительно сократил время и трудозатраты на запуск решения, и команда смогла сосредоточиться на методологической части и бизнес-логике работы хранилища. Команда провела рефакторинг текущих процессов, чтобы обеспечить плавный переход компании на новые рельсы. Была проведена структуризация данных, сформулирована единая методология работы с данными, объединены справочники и собраны требования со всех контрагентов в компании.

В первую очередь новый подход был применен к самым критичным для отчетности показателям, среди которых выручка, дополнительные доходы от программ лояльности, себестоимость продукции и так далее. Следующим этапом являлось развитие текущей концепции – например, предоставление полной клиентской информации внутренним предиктивным системам для прогнозирования выручки, повышения маржинальности и так далее.

- Какие еще решения использовались при построении платформы?

Помимо хранилища данных Arenadata DB в облаке VK Cloud, в качестве витрины данных используется ClickHouse.

- Какие трудности возникали в ходе проекта? Как их решали?

Само по себе отсутствие единого подхода влечет за собой ряд проблем, не только технических, но и процессуальных. В частности, высок риск создания «бутылочных горлышек». Когда данные и аналитические инструменты не интегрированы, процесс принятия решений становится затруднительным и медленным. Решения зависят от ограниченного числа людей, что увеличивает риск создания узких мест в процессах. Чтобы решить эту проблему, на первом этапе проекта мы проработали единую методологию сбора, обработки и хранения данных, и только после этого начали перенос источников данных на новое технологическое решение.

Еще один важный момент – это соответствие нормативным требованиям. Неоднородные данные и процессы затрудняют контроль за соответствием законодательству и стандартам, особенно в отношении защиты данных и конфиденциальности. В нашем случае этот вопрос удалось стандартизировать и упростить путем проработки единой методологии и переносом данных в облако VK Cloud, которое соответствует 152-ФЗ и размещено в ЦОДах Tier III.

Любой проект трансформации предполагает изменение культуры работы и сталкивается с проблемами недостаточного вовлечения и мотивации сотрудников. Отсутствие культуры, ориентированной на данные, может снизить мотивацию сотрудников к поиску новых идей и улучшению процессов на основе аналитики. Поэтому стоит понимать, что внедрение новых подходов по работе с данными – это важный и непрерывный процесс, по пути которого мы следуем.

Работа по этим направлениям и переход к единому data-driven подходу позволило нам улучшить процессы принятия решений, повысить эффективность и открыть новые возможности для роста и инноваций.

- Каких результатов уже достигли?

После запуска хранилища данных удалось значительно ускорить в ресторанах WFM-систему, которая прогнозирует оптимальное количество сотрудников ресторана на смене. Время просчета оптимального количества сотрудников сократилось радикально – с двух недель до трех часов. Помимо этого, система помогает грамотно сформировать запасы на складах ресторанов.

Также запуск DWH позволил оптимизировать рекомендательные системы для гостей ресторанов, которые рекомендуют клиентам наиболее релевантные позиции в соответствии с их профилем потребления,

Один из самых заметных финансовых эффектов от внедрения достигнут за счет того, что компании удалось убрать нагрузку по обработке данных с систем-источников. Это обеспечило большую производительность, отказоустойчивость и непрерывность бизнес-процессов. Раньше, чтобы получить отчетность по некоторым категориям, приходилось ограничивать доступ к BI на время формирования отчета. Это было весьма критично, с учетом того, что на подобные операции могло уходить до нескольких дней. Теперь система доступна для внутренних пользователей всегда, при этом удалось значительно сократить время получения отчетности.

- Повлияло ли повышение доступности аналитической системы на восприятие аналитики (и работы с данными в целом) пользователями?

С начала 2024 года, сразу после запуска, наш проект уже заметно отразился на бизнес-показателях компании. Мы добились роста эффективности CRM на 3% благодаря персонализации и повышения эффективности бизнес-процессов, а в ресторанной части – на 5%. Это вполне конкретный, понятный бизнесу эффект. Поэтому краткий ответ – да, повлияло.

Однако как я говорил ранее, изменение культуры – это не разовая акция, а постоянный процесс, к которому мы последовательно движемся.

- В чем роль проекта для бизнеса компании?

Роль проекта трансформации инфраструктуры корпоративных данных для компании «Бургер Кинг» – стратегическая. Это значимый этап на пути развития компании, который открывает дорогу к принятию решений на основе данных, а также имеет большое влияние на эффективность бизнеса.

Проект также позволил заложить фундамент к новым концепциям и инструментам, таким как озеро данных и использование централизованных технологий применения машинного обучения.

- Каковы пути дальнейшего развития проекта?

Реализация облачного DWH и переход на «новые рельсы» позволили заложить фундамент для внедрения новых инструментов. Мы уже сейчас видим огромный потенциал для повышения прибыльности за счет data-driven подхода и планируем развиваться в этом направлении. Следующие шаги – построение озера данных объемом более 500 Тбайт для хранения и обработки сырых и неструктурированных данных, организации песочниц для проведения экспериментов и тестирования бизнес-гипотез, а также для развития и автоматизации проектов Data Science. Параллельно ведутся работы по развертыванию единой ML-платформы для разработки и инференса моделей машинного обучения, а также создания промышленных процессов применения искусственного интеллекта.

 

Теги: Облачные сервисы Arenadata Data Award VK

На ту же тему: