Przekształcanie Vincit w organizację opartą na danych – Case Study: Vincit

Jak przekształcić organizację w firmę opartą na danych? Na przykładzie transformacji własnej firmy Jakub Rudzki CIO, Vincit, pokazuje, dlaczego podejmowanie decyzji w oparciu o dane jest dziś kluczowe dla rozwoju organizacji, jak przebiegał ten proces oraz jakie wnioski firma wyciągnęła z jego wdrożenia. Zapraszamy do lektury case study i poznania praktycznych doświadczeń firmy Vincit.

Zdolność do podejmowania świadomych decyzji na podstawie danych, a nie przeczuć, jest bardzo ważna — zwłaszcza w niestabilnych czasach. W Vincit zwykle pomagamy innym firmom przekształcać ich systemy i procesy, aby wspierać rozwój biznesu. Jednak sami również jesteśmy firmą i niedawno zastosowaliśmy transformację biznesową opartą na danych w Vincit. Ten wpis opisuje kluczowe elementy: dlaczego to zrobiliśmy, jak to zrobiliśmy i czego do tej pory się nauczyliśmy.

W lipcu 2022 roku Vincit połączył się z Bilot i było to ważne wydarzenie biznesowe dla obu firm. Prowadziłem ścieżkę technologiczną procesu integracji i — jak można się domyślić — mimo że przygotowywaliśmy się do fuzji przez wiele miesięcy, nie wszystkie szczegóły były gotowe. Podstawy mieliśmy jednak zabezpieczone: nasi pracownicy otrzymywali wynagrodzenie na czas, a klientów skutecznie fakturowaliśmy. Wprowadziliśmy wiele zmian w naszych systemach i procesach wewnętrznych i zasadniczo działały one poprawnie. Jednak w wielu przypadkach systemy nadal nie były ze sobą połączone. Integracja systemów i harmonizacja procesów wciąż trwają i być może będą dobrym materiałem na osobny blog. Potrzebowaliśmy jednak wiarygodnego obrazu tego, dokąd zmierza nasz biznes.

W momencie połączenia Vincit był nadal dość rozdrobniony pod względem systemów: dopiero co wdrożyliśmy nowy system PSA, który dla większości użytkowników był nowością. Przenieśliśmy dane klientów z dwóch rozwiązań CRM Bilot do głównego CRM Vincit. Mieliśmy wiele systemów księgowych, zależnie od podmiotów prawnych i krajów. Nie ujednoliciliśmy jeszcze większości danych podstawowych, w tym centrów kosztów ani kont w systemach księgowych. Ten brak spójności powodował dużo ręcznej pracy przy raportowaniu finansowym, a jednocześnie brakowało nam pogłębionych danych biznesowych, których potrzebowaliśmy.

W 2022 roku mieliśmy oficjalne punkty kontrolne biznesu tylko wtedy, gdy publikowaliśmy dane finansowe dla inwestorów. Przygotowywaliśmy miesięczne raporty, ale szczególnie w zmieniającej się sytuacji na globalnym rynku potrzebowaliśmy częstszych przeglądów biznesowych — i takich, które nie ograniczałyby się wyłącznie do twardych danych finansowych. Chcieliśmy uzyskać zestaw KPI biznesowych dla całej firmy. Zależało nam, aby dane były dostępne początkowo 12 razy w roku, następnie 52 razy w roku, a docelowo dążymy do codziennego procesu decyzyjnego. Ponadto oczekiwana szczegółowość danych nie miała odpowiadać poziomowi podmiotów prawnych, które posiadaliśmy (w pewnym momencie było ich 8), lecz obszarom biznesowym, w których prowadziliśmy działalność. Ta potrzeba doprowadziła do transformacji biznesowej całej firmy oraz sposobu, w jaki podejmowaliśmy decyzje biznesowe. Aby zapewnić naszej organizacji narzędzia do podejmowania decyzji w bardziej świadomy sposób i znacznie częściej, uruchomiliśmy wewnętrzny projekt o nazwie Data Driven Vincit.

Projekt Data Driven Vincit (DDV) rozpoczął się na początku 2023 roku. Początkowo jego celem było przede wszystkim zapewnienie prognozowania kosztów operacyjnych (OPEX). Jednak jesienią 2023 roku wizja projektu została zmieniona i rozszerzona przez naszego nowego CFO, Kimmo Kärkkäinena. Ponownie uruchomiliśmy projekt i zmieniliśmy jego zakres tak, aby oprócz standardowego raportowania finansowego obejmował również sprzedaż, projekty, konsultantów oraz inne ukierunkowane raporty dla decydentów, dzięki którym mogą zobaczyć, jak radzi sobie ich część biznesu. Wtedy też powierzono mi prowadzenie tego projektu.

Pod wieloma względami był to typowy projekt transformacyjny, jakie realizujemy dla naszych klientów, ale główna różnica polegała na tym, że transformowaliśmy własną firmę. Można by założyć, że skoro mamy w organizacji świetnych i kompetentnych konsultantów, wykorzystaliśmy w projekcie wyłącznie własne osoby. Jednak nasi świetni konsultanci są też zaangażowani w projekty klientów, dlatego stworzyliśmy mieszany zespół ekspertów wewnętrznych i zewnętrznych. W skład zespołu wchodzili specjaliści z obszarów:

Zakładaliśmy pracę w sprintach, ale trzeba przyznać, że ostatecznie funkcjonowaliśmy raczej w przepływie zmieniających się wymagań, bardziej w podejściu kanbanowym niż w rzeczywistych sprintach. Zmieniające się szczegóły wymagań wynikały z tego, że im większą widoczność danych zyskiwał biznes, tym częściej odkrywał problemy w naszych początkowych założeniach albo zgłaszał prośby o dodatkowe funkcje. Dlatego szczególnie w IV kwartale 2023 i I kwartale 2024 stale publikowaliśmy aktualizacje i ulepszaliśmy rozwiązanie na podstawie informacji zwrotnych. W II i III kwartale 2024 planowanie sprintów i stabilność sprintów poprawiły się. Wspominam o tym dlatego, że choć dokładnie wiemy, jak powinien wyglądać właściwie prowadzony projekt zwinny (Scrum lub Kanban), rzeczywistość może różnić się od oczekiwań. Kluczowym celem projektu było dostarczenie odpowiednich narzędzi dla naszego biznesu, a my dostosowywaliśmy projekt zgodnie z tym najwyższym priorytetem.

Z perspektywy podejmowania decyzji sponsorem projektu DDV był CFO, a w skład naszej grupy sterującej wchodził cały zespół kierowniczy Vincit. Z jednej strony mogliśmy więc uzyskiwać szybkie decyzje i wsparcie, ale jednocześnie oczekiwania dotyczące dostarczania rezultatów były również bardzo wysokie.

Nasze wybory technologiczne odzwierciedlają stos technologiczny, z którym często pracujemy u naszych klientów. Jednocześnie poszczególne rozwiązania można stosunkowo łatwo zastąpić innymi, zależnie od ogólnej architektury korporacyjnej danej firmy.

Zdecydowaliśmy się wykorzystać hurtownię danych na platformie Azure. Korzystamy z Function Apps do pobierania większości danych z systemów źródłowych. Dane są zwykle ładowane co najmniej raz dziennie. Operacje ETL realizujemy za pomocą Azure Data Factory. Natomiast w warstwie prezentacji używamy Power BI.

Przegląd platformy DDV

Główne problemy, z którymi się mierzyliśmy i które musieliśmy rozwiązać podczas projektu DDV, nie były techniczne, lecz dotyczyły przede wszystkim jakości danych oraz procesów zarządzających danymi. Na przykład wiele decyzji dotyczących naszego systemu PSA (Professional Services Automation), którym jest Severa, podjęliśmy w trakcie projektu integracyjnego w pierwszej połowie 2022 roku; ich celem było połączenie danych z trzech różnych systemów Vincit i Bilot. Część ówczesnych wyborów musieliśmy więc zweryfikować i ulepszyć. Udało nam się znacząco ograniczyć liczbę typów godzin, które w praktyce są produktami sprzedawanymi przez nas jako firmę konsultingową.

Po drugie, musieliśmy jasno zdefiniować i wdrożyć systemy nadrzędne dla różnych typów danych. Na przykład nasz CRM, który logicznie pełnił rolę systemu nadrzędnego dla danych klientów, początkowo nie był zintegrowany z naszym PSA. Dlatego musieliśmy połączyć oba systemy i rozpocząć pracę nad spójnością danych, obejmującą usuwanie duplikatów oraz uzgadnianie właścicieli klientów w różnych systemach.

Ponadto istniały wymiary danych, np. centra kosztów lub centra zysku, które były zaimplementowane w różnych systemach, ale nie miały systemu nadrzędnego, z którego byłyby zarządzane.

Wreszcie, ponieważ część systemów nie miała technicznej możliwości wymuszania określonych reguł procesowych, musieliśmy zapewnić użytkownikom szkolenia i dokumentację, aby postępowali zgodnie z ustaleniami logicznymi. Szczególnie na początku ograniczenia techniczne powodowały, że użytkownicy musieli wykonywać ręczne czynności, aby zapewnić spójność danych. Na przykład nasi liderzy projektów musieli w określonym scenariuszu ręcznie łączyć projekty w dwóch systemach z powodu integracji legacy. To kolejny przykład realnego wyzwania, z którym się mierzyliśmy, oraz tymczasowego rozwiązania, które musiało wpłynąć na użyteczność, aby zapewnić spójne dane. Oczywiście rozwiązaniem docelowym jest pełna automatyzacja.

Gdy piszę ten wpis, minął około rok od ponownego uruchomienia projektu DDV. Gdzie więc jesteśmy teraz? Ośmielę się powiedzieć, że dostarczyliśmy biznesowi wiele narzędzi, a podstawowe potrzeby zostały zaspokojone. Najważniejsze obszary to:

Ta lista jest częściowo specyficzna dla naszych potrzeb biznesowych jako firmy konsultingowej, ale wiele źródeł danych można byłoby zastąpić zupełnie innymi, właściwymi dla innego rodzaju biznesu. Wciąż mamy wiele pozycji w backlogu, a im więcej użytkowników korzysta z raportów, tym więcej mają życzeń i pomysłów.

Będziemy nadal ulepszać istniejące raporty i pracować nad naszymi procesami. Wierzę, że mamy znacznie lepsze narzędzia wewnętrzne niż w lipcu 2022 roku i że wkrótce będą one miały widoczny wpływ na wyniki naszego biznesu.