CASE STUDY | BUSINESS INTELLIGENCE
Wdrożenie Business Intelligence w e-commerce: od Excela do BI i mierzalnych decyzji
CASE STUDY | BUSINESS INTELLIGENCE
Wdrożenie Business Intelligence w e-commerce: od Excela do BI i mierzalnych decyzji
Co znajdziesz w tym case study:
- Streszczenie
- Gdy Excel przestaje wystarczać – skąd decyzja o BI
- Od relacji do konkretu – analiza wymagań i realnych potrzeb
- Co pod maską? Stack technologiczny i architektura BI
- Jak dowieźć efekt – metodyka wdrożenia krok po kroku
- Przełomy, kryzysy i szybkie zwycięstwa – kulisy wdrożenia
- Twarde liczby, miękkie efekty – co zmieniło BI
- Czego nauczyło nas to wdrożenie – nasze wnioski i rekomendacje
STRESZCZENIE
STRESZCZENIE
- Wdrożenie Business Intelligence skróciło czas przygotowania raportów z 14 dni do 1 godziny (–99,7%).
- ROI po roku od wdrożenia wyniosło ponad 100%.
- Koszt zamówień spadł o 10% dzięki automatyzacji i lepszej kontroli dostawców.
- Zespół zyskał prognozowanie popytu i pełną kontrolę nad zapasami.
- Klient zredukował liczbę ręcznych błędów w raportach niemal do zera.
Właściciel firmy e-commerce nie chciał już czekać dwa tygodnie na podstawowe raporty. Tak zaczęła się historia wdrożenia BI, które zmieniło nie tylko tempo podejmowania decyzji, ale też kulturę organizacyjną całej firmy.
GDY EXCEL PRZESTAJE WYSTARCZAĆ – SKĄD DECYZJA O BUSINESS INTELLIGENCE
GDY EXCEL PRZESTAJE WYSTARCZAĆ – SKĄD DECYZJA O BUSINESS INTELLIGENCE
Klient to duży e-commerce z branży health & beauty, działający od 2020 roku. Szybko rósł, ale dane nie nadążały za wzrostem. Raporty ręczne przygotowywane przez analityków zabierały do 2 tygodni.
Właściciel monitorował przede wszystkim:
- dynamiki sprzedaży r/r i m/m
- realizację budżetów YTD
- marże i średni koszyk
Z czasem potrzeba raportów dotknęła też operacji: zakupów, logistyki, marketingu. BI miało zespolić te dane w jedno źródło prawdy.
PERSPEKTYWA PREZESA
Słuchaj, w pewnym momencie powiedziałem sobie dość tego. Każdy raport… to była męka. Musisz prosić, tłumaczyć, czekać. I co dostajesz? Dane sprzed tygodnia. A my tu biznes prowadzimy, nie muzeum.
OD RELACJI DO KONKRETU – ANALIZA WYMAGAŃ I REALNYCH POTRZEB
OD RELACJI DO KONKRETU – ANALIZA WYMAGAŃ I REALNYCH POTRZEB
Pierwsze warsztaty odbyły się z udziałem właściciela, prezesa, CIO i działu handlowego. Były bardziej relacyjne niż techniczne. Przełom nastąpił dopiero na kolejnych spotkaniach z docelowymi użytkownikami dashboardów.
Najtrudniejsze wymaganie? Integracja danych z Dealavo i LivePrice, gdzie codziennie spływały ogromne wolumeny danych cenowych konkurencji.
UDZIAŁ UŻYTKOWNIKÓW WAŻNIEJSZY NIŻ MYŚLISZ
Najnowsze badania (2024) wskazują, że zaangażowanie użytkowników końcowych w proces wdrożenia BI to jeden z najbardziej krytycznych czynników sukcesu całego projektu – zarówno z perspektywy funkcjonalnej, jak i organizacyjnej. Mimo to, element ten bywa pomijany w fazie planowania, co znacząco obniża szanse na późniejszą adopcję systemu.
Critical Success Factors for BI Systems Implementation and Delivery, 2024
CO POD MASKĄ? STACK TECHNOLOGICZNY I ARCHITEKTURA BI
CO POD MASKĄ? STACK TECHNOLOGICZNY I ARCHITEKTURA BI
Wybór padł na PostgreSQL + Python + Tableau. Klient nie miał specyficznych wymagań technicznych, ale zależało mu na czasie wdrożenia i rozsądnym koszcie. Tableau wybrano świadomie ze względu na jego zaawansowane funkcjonalności, mimo istnienia alternatyw jak Power BI.
Praca z API IdoSell wymagała dobrze przemyślanej integracji, szczególnie przy pobieraniu danych archiwalnych. Dzięki wcześniejszemu doświadczeniu z tą platformą udało się opracować stabilny i wydajny mechanizm pobierania danych, coś, z czym mierzy się wielu użytkowników IdoSell. Dane są codziennie pobierane, przetwarzane i wizualizowane.

KOMENTARZ WDROŻENIOWCA
Dane klienta zaczynają swoją drogę od źródeł operacyjnych – systemu IdoSell oraz dodatkowych plików. Następnie trafiają do hurtowni danych opartej na PostgreSQL, gdzie są codziennie przetwarzane i czyszczone. Ostatecznie zasilają dashboardy Tableau, które stały się podstawowym narzędziem do podejmowania decyzji w firmie.
JAK DOWIEŹĆ EFEKT – METODYKA WDROŻENIA KROK PO KROKU
JAK DOWIEŹĆ EFEKT – METODYKA WDROŻENIA KROK PO KROKU
Wdrożenie Business Intelligence zrealizowaliśmy łącząc przewidywalność modelu waterfall (inaczej model kaskadowy) z iteracyjnym podejściem do feedbacku. Proces był zaprojektowany tak, by klient widział efekty już w trakcie prac, nie dopiero na końcu.
Najpierw odbyły się dwa warsztaty: pierwszy z udziałem zarządu i właściciela, by zdefiniować potrzeby biznesowe, drugi – techniczny – z udziałem zespołu IT po stronie klienta. Po uzyskaniu dostępów do źródeł danych ruszyliśmy z developmentem.
Backend objął:
- budowę connectorów do systemów klienta,
- skrypty do pobierania i transformacji danych,
- zapis do bazy optymalizowanej pod potrzeby analityczne.
Frontend to etap projektowania dashboardów, który od początku był konsultowany z użytkownikami końcowymi. W trakcie całego developmentu prowadziliśmy cykliczne spotkania z klientem, prezentowaliśmy postępy, zbieraliśmy feedback i iteracyjnie poprawialiśmy raporty.
Po zatwierdzeniu finalnej wersji wdrożyliśmy system na środowisku produkcyjnym, zarówno na infrastrukturze klienta, jak i z użyciem naszych zasobów tam, gdzie było to uzasadnione. Zautomatyzowaliśmy wszystkie procesy, przeszliśmy przez testy i weryfikację, dostarczyliśmy dokumentację i przeprowadziliśmy szkolenia.
Na koniec podpisano protokół odbioru, a my przeszliśmy do trybu utrzymania i rozwoju.
„Najtrudniejsze było godzenie jakości jako tech lead z ciśnieniem na deadline jako PM. Ale zadziałało – PM Dariusz Nowotczyński”
PRZEŁOMY, WYZWANIA I SZYBKIE ZWYCIĘSTWA – KULISY WDROŻENIA
PRZEŁOMY, WYZWANIA I SZYBKIE ZWYCIĘSTWA – KULISY WDROŻENIA
Jednym z ciekawszych wyzwań projektowych była sytuacja związana z lokalną instancją Tableau, utrzymywaną na serwerze klienta. W pewnym momencie środowisko przestało działać optymalnie, raporty nie odświeżały się zgodnie z harmonogramem, a użytkownicy nie mieli dostępu do aktualnych danych. Przyczyną okazało się przepełnienie przestrzeni dyskowej spowodowane gromadzeniem logów i plików tymczasowych szybciej niż pierwotnie zakładaliśmy. Problem nie wynikał z awarii samego systemu, lecz z braku monitoringu zasobów i powiadomień o krytycznych progach wykorzystania przestrzeni. Szybko zareagowaliśmy, wspierając klienta w konfiguracji retencji danych oraz ustawieniu systemu alertów.
Skutecznym rozwiązaniem tego typu problemów – zarówno z monitoringiem, jak i powiadomieniami – może być Zabbix, którego wdrożenie również oferujemy w ramach naszych usług.
„Po wdrożeniu optymalizatora zakupów BI sam podpowiadał, od którego dostawcy opłaca się zamówić konkretny produkt. To były tysiące SKU, a my z dnia na dzień zaczęliśmy realnie oszczędzać.”
To była jedna z pierwszych funkcji, która natychmiast przyniosła wartość.

KOMENTARZ WDROŻENIOWCA
Projekt BI u klienta nie przebiegał liniowo, był procesem pełnym iteracji i momentów przełomowych. Od wyzwań związanych z utrzymaniem środowiska Tableau, przez szybkie usprawnienia w automatyzacji zamówień, aż po etap, w którym dane zaczęły realnie wspierać codzienne decyzje zespołów.
TWARDE LICZBY, MIĘKKIE EFEKTY – CO ZMIENIŁ BUSINESS INTELLIGENCE
BUSINESS INTELLIGENCE
| KPI | Przed wdrożeniem | Po wdrożeniu BI |
|---|---|---|
| Czas przygotowania raportów | 10–14 dni | 1 godzina (–99,7%) |
| Koszt zamówień | standardowy poziom | niższy o ok. 10% |
| Proces zakupowy | ręczny, czasochłonny | automatyzacja, ranking dostawców |
| ROI z wdrożenia BI po 12 miesiącach | brak zwrotu | ponad 100% |
| Błędy w raportach | powtarzające się ręczne błędy | niemal całkowicie wyeliminowane |
| Wykorzystanie dashboardów | sporadyczne | codzienna praca operacyjna |
| Możliwości prognozowania | brak | modele popytu i kontroli zapasów |
Dodatkowa korzyść: zniknięcie silosów informacyjnych i jedno źródło wiedzy (single source of truth) dla całej organizacji.

Animacja przedstawiająca najważniejsze dashbordy i interakcje.
CZEGO NAUCZYŁO NAS TO WDROŻENIE – NASZE WNIOSKI I REKOMENDACJE
CZEGO NAUCZYŁO NAS TO WDROŻENIE – NASZE WNIOSKI I REKOMENDACJE
-
Nawet proste raporty dają ogromną wartość, jeśli użytkownik sam może je przefiltrować i zrozumieć.
-
Im szybciej pokażesz coś konkretnego, tym szybciej zobaczysz, co trzeba poprawić.
-
Największe problemy nie były w danych – tylko w różnych definicjach „tego samego KPI”.
-
Dobrze przygotowany model danych rozwiązuje więcej problemów niż 10 spotkań statusowych.
Życie po wdrożeniu
Klient nadal rozwija BI z naszym wsparciem. Powstają nowe dashboardy, trwają prace nad predykcją popytu i cen, a narzędzie BI stało się trwale wkomponowanym elementem operacyjnej rzeczywistości firmy.
FAQ
Dlaczego Excel przestał wystarczać do raportowania i analizy danych?
Excel nie radził sobie z rosnącą liczbą danych i wymagał czasochłonnych, ręcznych operacji. W efekcie raporty przygotowywano przez kilkanaście dni, a ryzyko błędów rosło wraz ze skalą biznesu.
Jakie były główne cele wdrożenia Business Intelligence w tej firmie?
Celem było skrócenie czasu raportowania, poprawa jakości danych, automatyzacja procesów zamówień oraz stworzenie podstaw do prognozowania popytu i optymalizacji zapasów.
Jakie technologie i narzędzia tworzą kręgosłup tego wdrożenia Business Intelligence?
Zastosowano platformę Business Intelligence zintegrowaną z systemami sprzedaży i logistyki. Szczegółowe rozwiązania technologiczne:
- Źródła danych: Idosell, Google Analytics, Liveprice, Dealavo, pliki excel
- Gromadzenie danych: dedykowana baza danych PostgreSQL
- Przetwarzanie danych: Python, Docker
- Wizualizacja/dashboardy: Tableau Server
Ile trwało wdrożenie i jakie etapy obejmowało?
Projekt obejmował analizę potrzeb, budowę technologicznego kręgosłupa, testy oraz wdrożenie produkcyjne. Czas realizacji ostatecznie wyniósł 4 miesiące.
Jakie wyzwania pojawiły się w trakcie projektu i jak zostały rozwiązane?
Początkowo część pracowników była sceptyczna wobec Tableau – przełamaliśmy to przez szkolenia i pokazanie praktycznych zastosowań. Drugim wyzwaniem były złożone oczekiwania wobec jednego widoku BI (sprzedaż, magazyn, RZiS, konwersja, ruch). Rozwiązaniem był główny dashboard z podsumowaniem i intuicyjnymi oznaczeniami, które prowadzą użytkownika dalej.
Jakie konkretne efekty biznesowe osiągnięto dzięki wdrożeniu Business Intelligence?
-
Czas przygotowania raportów skrócił się z 14 dni do 1 dnia (–99,7%).
-
Koszt zamówień spadł o 10%.
-
Liczba ręcznych błędów w raportach została zredukowana niemal do zera.
Jak szybko firma uzyskała zwrot z inwestycji?
Inwestycja z wdrożenia Business Intelligence zwróciła się w mniej niż rok.
Jakie wnioski i rekomendacje mogą wynikać z tego wdrożenia dla innych organizacji?
Projekt pokazał, że kluczowe są:
- jasne cele biznesowe,
- jak najszybsze dostarczenie wartości biznesowej,
- bliska współpraca między działem biznesowym i IT.
Dzięki temu BI może przynieść efekty zarówno w liczbach, jak i w kulturze organizacyjnej.

O autorze:
Dariusz Nowotczyński – Kierownik działu Data Science w Aplitt, z wieloletnim doświadczeniem w projektowaniu i wdrażaniu rozwiązań BI dla e-commerce i sektora finansowego. Specjalizuje się w systemach wspierających decyzje biznesowe, procesach ETL oraz narzędziach analitycznych takich jak Tableau, Python i PostgreSQL. Realizował projekty w obszarach monitorowania KPI, prognozowania sprzedaży, optymalizacji kosztów i planowania finansowego — zarówno w kanałach online, jak i w sieciach retail. W pracy kieruje się zasadą: „przekształcać dane w wymierną wartość biznesową”.

