25 юридических лиц, один слой отчётности

Контекст

Группа из 25 юридических лиц в APAC, EMEA и Северной Америке. Данные хранились в трёх CRM, двух ERP и двух системах управления контрактами. Управленческая отчётность приходила примерно через 10 дней после закрытия месяца. Цифры выгружали из систем вручную, а затем сверяли вручную. Моя работа касалась возобновляемой энергетики, долгосрочных энергетических контрактов и газового бизнеса в США.

Что я сделал

• Спроектировал модель данных и вместе с финансовой командой построил слой интеграции, который собрал эти системы в одну управляемую платформу отчётности.
• Загрузка данных на Python в Snowflake, слои данных в стиле medallion, витрины данных для Power BI.
• Определил стандарты мастер-данных. Находил первопричину расхождений в отчётности и исправлял их в модели данных, а не в отчётах.
• Только часть группы работала в Oracle FCCS, поэтому я построил отдельный слой консолидации и отчётности в Snowflake, охватывающий весь периметр юридических лиц.
• Автоматизировал сверки и перестроил процессы закрытия месяца и анализа отклонений.
• Заменил процессы на Excel отчётностью в BI, встроенной в существующие управленческие ритуалы.
• Создал таймтрекер и внедрил его в консалтинговом отделе, включая обучение сотрудников. Раньше отдел оценивал готовность проектов на глаз. Теперь учтённые часы автоматически формируют начисления выручки и показывают рентабельность по клиентам.

Моя роль

Я построил модель данных, пайплайны, дашборды и таймтрекер и обучил его пользователей. Коммуникацией с коммерческими командами занимался мой руководитель.

Результат

• Управленческая отчётность перешла с 10 дней после закрытия на ежедневное обновление.
• Выгрузки из нескольких систем и ручные сверки заменил один управляемый источник.
• Управленческий P&L по юридическим лицам, регионам и направлениям бизнеса с детализацией до уровня транзакций, сходящийся со статутной отчётностью.
• Начисления выручки по консалтинговым проектам формируются из учтённого времени, а не из оценок, и видна рентабельность по клиентам.

Стек

Snowflake, SQL, Python, Power BI, Oracle FCCS