Ten sam klient może występować w systemie sprzedażowym pod trzema nazwami, produkt mieć różne oznaczenia w magazynie i sklepie internetowym, a dostawca posiadać osobne kartoteki w kilku spółkach. Zarząd potrzebuje jednak spójnego obrazu całej firmy. Rozbieżności utrudniają ocenę rentowności i planowanie zakupów. Warstwa danych podstawowych w Microsoft Fabric pozwala zbudować wspólny punkt odniesienia dla takich analiz. Wymaga to uzgodnionych definicji, reguł jakości i odpowiedzialności za dane.

Czym są dane podstawowe i dlaczego decydują o jakości analiz?

Dane podstawowe w Microsoft Fabric, czyli master data, opisują klientów, produkty, dostawców czy jednostki organizacyjne. Dane transakcyjne opisują zdarzenie, a dane podstawowe wskazują, kogo lub czego dotyczyło. Faktura dokumentuje sprzedaż, ale to kartoteka klienta pozwala przypisać ją do właściwego odbiorcy i segmentu. Przy niespójnych kartotekach nawet poprawne kwoty mogą trafić do niewłaściwych kategorii. Firma zobaczy wtedy zaniżoną sprzedaż do grupy kapitałowej, zawyżoną liczbę klientów albo niepełny obraz zakupów u dostawcy. Wspólna warstwa porządkuje te powiązania i definicje w raportach.

Jaką rolę pełni Microsoft Fabric?

Microsoft Fabric udostępnia środowisko do integrowania, przetwarzania i analizowania danych pochodzących z różnych systemów. OneLake tworzy wspólną przestrzeń danych analitycznych udostępnianych kolejnym zespołom. Warstwę danych podstawowych trzeba jednak zaprojektować: ustalić identyfikatory, zasady dopasowania i sposób rozstrzygania rozbieżności.

Pomocny jest układ trzech warstw:

• danych źródłowych,
• danych oczyszczonych
• oraz danych przygotowanych do wykorzystania biznesowego.

Pozwala to zachować oryginalne zapisy i tworzyć spójne kartoteki do raportów Power BI. Fabric umożliwia również oznaczanie wybranych zasobów etykietą „Master data”, wskazującą ich rolę jako uznanego źródła danych organizacji. Samo oznaczenie nie usuwa jednak duplikatów ani nie zastępuje procesu zarządzania jakością.

Ujednolicenie klientów: wspólny identyfikator i właściwe relacje

Najpierw trzeba ustalić, które zapisy dotyczą tego samego klienta. W sprzedaży B2B pomocny bywa NIP, z uwzględnieniem kraju i poprawności numeru. Podobna nazwa lub wspólny adres nie wystarczają do automatycznego połączenia kartotek. Spółki z jednej grupy kapitałowej powinny zachować odrębność, nawet przy analizowaniu ich łącznie. Oddzielnego traktowania mogą wymagać też płatnik, odbiorca dostawy i miejsce realizacji zamówienia. Wspólny identyfikator trzeba powiązać z oznaczeniami źródłowymi, zachowując relacje biznesowe.

Przykładowo dystrybutor może analizować sprzedaż dla całej sieci handlowej, zachowując osobne kartoteki jej centrali i sklepów. Negocjacje uwzględniają wtedy pełną wartość współpracy, a ocena należności odnosi się do właściwego płatnika. Przypadki niejednoznaczne wymagają weryfikacji przez osobę odpowiedzialną za dane klientów.

Ujednolicenie produktów: porównywalność asortymentu i marży

W przypadku produktów problemem są często różne kody, nazwy, jednostki miary i klasyfikacje asortymentu. Ten sam towar może być sprzedawany na sztuki, kupowany w kartonach i raportowany w kilogramach. Zsumowanie takich ilości bez uzgodnionych przeliczników prowadzi do błędnych wniosków o popycie i zapasach. Wspólna kartoteka powinna określać jednostkę podstawową, wariant, opakowanie i powiązania z kodami źródłowymi. Trzeba też rozróżnić konkretny produkt od rodziny produktów, bo te poziomy służą innym analizom. Nie można łączyć wariantów wyłącznie dlatego, że mają podobną nazwę, jeżeli różnią się parametrami lub sposobem sprzedaży.

Kategoria „akcesoria” powinna obejmować uzgodniony zakres produktów we wszystkich raportach, aby zestawienia marży były porównywalne. W produkcji wspólna kartoteka pomaga powiązać sprzedaż z kosztami, reklamacjami i zapasami. Ocena rentowności wymaga dodatkowo danych transakcyjnych oraz spójnej metody kalkulacji kosztów.

Ujednolicenie dostawców: pełniejszy obraz zakupów i zależności

Rozproszone kartoteki dostawców utrudniają ocenę, ile firma faktycznie kupuje od danego podmiotu. Przy odmiennych oznaczeniach zakupy u jednego partnera mogą wyglądać jak współpraca z kilkoma firmami. Wspólna identyfikacja pozwala zestawić wydatki, warunki płatności, terminowość dostaw i reklamacje. Należy przy tym zachować rozróżnienie między konkretną spółką a grupą dostawców powiązanych kapitałowo. Analiza grupy może ujawnić koncentrację zakupów niewidoczną w raportach oddziałów. Dział zakupów zyskuje podstawę do negocjacji i szukania alternatywnych źródeł zaopatrzenia.

W przykładzie ilustracyjnym trzy zakłady kupują od tego samego dostawcy materiały za 400 tys., 600 tys. i 500 tys. zł rocznie. Po powiązaniu kartotek widoczna jest łączna wartość zakupów: 1,5 mln zł. Hipotetyczna obniżka ceny o 2% oznaczałaby 30 tys. zł oszczędności rocznie przy niezmienionym wolumenie. Rzeczywisty wynik zależy jednak od warunków umowy i skuteczności negocjacji.

Rekord wzorcowy: które źródło ma pierwszeństwo?

Po rozpoznaniu powiązań trzeba ustalić, jakie informacje mają tworzyć uzgodniony rekord wzorcowy, określany jako golden record. Może on łączyć wiarygodne informacje z kilku systemów. Dane rozliczeniowe klienta mogą pochodzić z systemu finansowego, jego segment z CRM, a parametry produktu z katalogu produktowego. Pierwszeństwo należy więc ustalać dla poszczególnych pól, a nie całych systemów. Najnowszy wpis nie zawsze jest najdokładniejszy, szczególnie z niezweryfikowanego formularza. Każda reguła wymaga uzasadnienia i osoby odpowiedzialnej za jej zatwierdzenie.

W praktyce należy uzgodnić przede wszystkim:

• które pola identyfikują klienta, produkt lub dostawcę;
• które źródła są wiążące dla poszczególnych informacji;
• kiedy dane można połączyć automatycznie, a kiedy potrzebna jest weryfikacja;
• jak rejestrować zmiany i rozpatrywać zgłoszone błędy.

Ważna jest też historia: zmiana kategorii produktu lub segmentu klienta wpływa na porównania okresów. Raport powinien świadomie pokazywać stan historyczny albo przeliczać wcześniejsze wyniki według aktualnego podziału. Bez takiej decyzji zmiana klasyfikacji może wyglądać jak rzeczywista zmiana sprzedaży.

Odpowiedzialność biznesowa i granice automatyzacji

Za definicje i reguły danych podstawowych powinny odpowiadać osoby znające procesy sprzedaży, zakupów i zarządzania asortymentem. Zespół IT wdraża mechanizmy, ale potrzebuje decyzji biznesowych, np. definicji aktywnego klienta. Fabric wspiera katalogowanie danych i śledzenie ich przepływu, a rozwiązania Microsoft Purview mogą uzupełniać ochronę informacji oraz audyt.

Zakres dostępu należy dopasować do roli pracownika, szczególnie gdy dane obejmują informacje kontaktowe lub handlowe. Centralizacja analiz nie oznacza automatycznej poprawy kartotek w CRM i ERP: zapis zwrotny wymaga osobno zaprojektowanej integracji. Rozbudowana obsługa zatwierdzeń, ręcznej edycji i publikowania zmian może wymagać uzupełnienia Fabric dedykowanym rozwiązaniem MDM, czyli zarządzania danymi podstawowymi.

Jak rozpocząć wdrożenie i mierzyć jego wartość?

Dobrym punktem wyjścia jest jeden problem biznesowy, na przykład brak pełnego obrazu zakupów u najważniejszych dostawców. Pilotaż pozwala sprawdzić reguły na rzeczywistych danych i ocenić, ile przypadków wymaga ręcznej weryfikacji. Przed jego rozpoczęciem warto zmierzyć kompletność kartotek i jakość identyfikacji, udział potwierdzonych duplikatów oraz czas przygotowania raportu.

Po wdrożeniu trzeba porównać te same wskaźniki, uwzględniając błędne połączenia rekordów, często bardziej szkodliwe niż pozostawione duplikaty. O wartości warstwy danych podstawowych świadczy także udział raportów korzystających ze wspólnych kartotek i ograniczenie ręcznych uzgodnień między działami. Jeżeli Twoja firma planuje uporządkowanie klientów, produktów lub dostawców w Microsoft Fabric, zespół EBIS pomoże określić zakres prac i powiązać go z konkretnymi potrzebami biznesowymi.