DataRiseLab – Case Study

Sześć podmiotów w kilku krajach Europy i jedna, ambitna wizja: szybka ekspansja i stworzenie sprawnej organizacji napędzanej przez AI. Na starcie Grupa Kapitałowa działająca w branży HoReCa (QSR) zderzyła się z rzeczywistością. Rozproszone systemy, wiele grup użytkowników i ich zróżnicowane oczekiwania oraz bardzo ograniczone zasoby IT sprawiały, że bieżąca kontrola i podejmowanie decyzji w tak dużej strukturze było bardzo utrudnione.

Inwestorzy od pierwszego dnia oczekiwali zaawansowanych raportów, których nie dało się przygotować efektywnie bez wspólnego źródła prawdy. Choć strategia zakładała podejmowanie decyzji w oparciu o dane, to brak spójnego fundamentu sprowadzał te plany do sfery marzeń. Brakowało zaufania do raportów przygotowywanych ręcznie – utrudniało to podejmowanie decyzji biznesowych. Analiza wykazała również, że wiele problemów z raportowaniem wynikało z niespójnych definicji oraz fragmentacji procesów. Pracę należało zacząć od budowy fundamentu danych.

Celem projektu było stworzenie skalowalnej infrastruktury danych, która umożliwi dynamiczny rozwój Grupy oraz zapewni transparentne raportowanie dla inwestorów. Organizacja dążyła do całkowitego odejścia od intuicyjnego zarządzania na rzecz kultury data-driven, w której każda kluczowa operacja ma swoje odzwierciedlenie w twardych faktach.

Ważne było skrócenie czasu generowania raportów oraz integracja danych z wielu źródeł w jednym miejscu. System musiał być gotowy na szybkie dołączanie kolejnych spółek bez konieczności przebudowy całej architektury. Tak zaprojektowany fundament miał zagwarantować spójność informacji (jedno źródło prawdy) w całej organizacji, pozwalając biznesowi i IT mówić w końcu tym samym językiem – językiem danych.

Wdrożenie podzieliliśmy na etapy, zaczynając od często niedocenianego, a krytycznego kroku: oceny ludzi, procesów i systemów.

Wszystko zaczęło się od zrozumienia, jak naprawdę działa organizacja. Zanim technologia, dane czy sztuczna inteligencja mogły przynieść wartość, musieliśmy uzyskać jasność co do ról, kompetencji oraz procesów biznesowych. Ten etap pozwolił nam odkryć, jak podejmowane są decyzje, gdzie występują wąskie gardła i co tak naprawdę napędza rozwój firmy. W efekcie powstała wspólna wizja między biznesem a IT – stanowiąca fundament dla transformacji, która jest realna, spójna i gotowa do skalowania.

Po skonfigurowaniu infrastruktury chmurowej w Microsoft Azure, zbudowaliśmy centralną hurtownię danych. Zadbaliśmy o bezpieczną i skalowalną strukturę, wprowadzając pełną kontrolę dostępu (RBAC), audyt oraz ład danych. Zintegrowaliśmy przepływ danych z systemów Klienta (ERP, POS etc.) – zwracając szczególną uwagę na to, aby jakość danych była wpisana bezpośrednio w architekturę potoków danych (pipelines).

W tym kroku przekształciliśmy dane w informacje na podstawie których biznes mógł podejmować kluczowe decyzje. Dostarczyliśmy pulpity nawigacyjne (dashboards), analitykę i kluczowe wskaźniki KPI.. Dzięki wykorzystaniu zaawansowanego raportowania w Power BI, użytkownicy systemu (w tym Zarząd) zyskali wgląd m.in. w raport zysków i strat (P&L), zestawienia Cash Flow, analizy odchyleń danych rzeczywistych od budżetu (Actual vs Budget).

Wdrożyliśmy pulpity operacyjne z widokami dostosowanymi do konkretnych ról: dla kierowników restauracji, dyrektorów regionalnych i liderów funkcyjnych. Wprowadzone zarządzanie wydajnością (Performance Management) objęło zbalansowane karty wyników (Balanced Scorecards), śledzenie celów OKR oraz zautomatyzowane powiadomienia o odstępstwach. Dodatkowo uruchomiliśmy analitykę samoobsługową (Self-Service Analytics), dając użytkownikom biznesowym bezpieczne zestawy danych do tworzenia własnych analiz.

Dzięki temu zyskaliśmy spójną widoczność operacyjną, która wspiera szybsze reagowanie i bardziej świadome decyzje biznesowe.

Po zbudowaniu solidnych fundamentów przystąpiliśmy do wdrożenia szeregu innowacyjnych rozwiązań opartych na sztucznej inteligencji.
• Modelu prognozowania sprzedaży z wykorzystaniem algorytmów uczenia maszynowego (Machine Learning) uwzględniającym zmienne zewnętrzne, takie jak: pogoda, święta i wydarzenia specjalne.
• Wyszukiwarce pomagającej odnaleźć istotne informacje o firmie w wielu instrukcjach i dokumentach wewnętrznych.
• Czacie LLM umożliwiającym interakcję z bazą danych np. zapytania do bazy dla użytkowników nietechnicznych.
• Wykorzystaniu technologii LLM do zarządzania ekspansją np. szybkiej analizy umów najmu, OCR czysprawnego przygotowywanie dokumentów.
• Modelach AI wspierających kampanie marketingowe.

Najważniejszym wynikiem projektu było skrócenie czasu podejmowania decyzji biznesowych z tygodni do zaledwie kilku godzin. Dzięki budowie centralnej platformy danych, która stała się „analitycznym kręgosłupem” całej organizacji, Zarząd zyskał „centrum dowodzenia” z natychmiastowym wglądem w rentowność, przepływy pieniężne oraz operacyjne KPI w czasie rzeczywistym i prognozowanie trendów.

• Zwiększenie dokładności prognozowania sprzedaży o 5–10% na lokal.
• Redukcję marnotrawstwa żywności (food waste) o 20% na lokal.
• Optymalizację kosztów pracy – redukcję wydatków na personel o 10%.

Automatyzacja wyeliminowała konieczność ręcznej konsolidacji danych w Excelu. Oszczędziło to setki godzin pracy uwalniając zespoły od żmudnych zadań i przede wszystkim wykluczyło błędy ludzkie. Organizacja zyskała pełny ład informacyjny (data governance), zgodność z przepisami (compliance) i zdolność proaktywnego działania, zanim pojawią się problemy.

Kluczowym przełomem było przejście od analizowania przeszłości do aktywnego prognozowania przyszłych trendów i wyników. Pierwsze wdrożenia procesów AI przyniosły realną wartość biznesową poprzez zaawansowane modele prognozowania sprzedaży, automatyczną analizę dokumentów oraz możliwość interakcji z danymi w języku naturalnym (LLM). Pozwoliło to na proaktywne zarządzanie kosztami i znacznie lepsze planowanie strategiczne w skali całej Grupy.

Dzięki solidnym fundamentom danych organizacja rozpoczęła głęboką transformację w kierunku podejmowania decyzji wspomaganych przez sztuczną inteligencję. Wykorzystanie modeli uczenia maszynowego (Machine Learning) oraz rozwiązań LLM zautomatyzowało proces wnioskowania biznesowego i usprawniło codzienne operacje. Firma przestała jedynie opisywać to, co się wydarzyło, a zaczęła skutecznie przewidywać optymalne ścieżki rozwoju i dynamicznie zarządzać ekspansją.

Kluczem do sukcesu wdrożenia Data / BI / AI było precyzyjne dopasowanie ludzi, procesów i technologii i to wszystko w odpowiedniej kolejności. Zaczynając od zbudowania kompetencji zespołu, zdefiniowania efektywnych procesów, a dopiero potem wdrożenia technologii. Projekt udowodnił, że nawet młoda organizacja może w kilka miesięcy zbudować nowoczesne fundamenty danych, które wspierają wzrost biznesu, zaufanie inwestorów i skalowalną analitykę.

Wykorzystanie ekosystemu Microsoft Azure zapewniło bezpieczeństwo i elastyczność niezbędną przy międzynarodowej skali działania. Takie podejście można powtórzyć w każdej firmie, która chce szybko urosnąć i budować zaufanie inwestorów. Fundamentem zawsze musi być czysta i uporządkowana informacja, na której dopiero buduje się zaawansowane algorytmy sztucznej inteligencji.

Dziś efekty tej strategii są widoczne w imponującej skali wzrostu. Klient, który rozpoczynał projekt z kilkunastoma restauracjami, operuje obecnie siecią ponad 200 lokalizacji w Europie. To właśnie doświadczenie i kompetencje biznesowe Klienta, w połączeniu ze skalowalną infrastrukturą danych oraz inteligentnymi systemami analitycznymi stały się fundamentem, który pozwolił na tak dynamiczną ekspansję, przy zachowaniu pełnej kontroli nad rentownością.

DataRiseLab Sp. z o.o.