

CTDI
CTDI Europe wdrożyło Microsoft Fabric jako centralną platformę analityczną, automatyzując prognozowanie cen i ujednolicając raportowanie w 26 lokalizacjach w 12 krajach.
Globalny lider usług dla branży telekomunikacyjnej
CTDI (Communications Test Design, Inc.) to globalny dostawca usług inżynieryjnych, logistycznych i serwisowych dla branży telekomunikacyjnej, założony w 1975 roku. Obsługuje największych operatorów telekomunikacyjnych oraz producentów OEM na całym świecie. Zatrudnia ponad 20 000 pracowników w ponad 100 lokalizacjach na świecie, w tym 4 200 osób w 26 oddziałach w 12 krajach europejskich.
Opis Projektu
Po dekadzie korzystania z jednej platformy BI CTDI Europe postanowiło sprawdzić cały rynek. W procesie RFP firma porównała dotychczasowe narzędzie z głównymi alternatywami – Tableau i Power BI. W trakcie tego procesu Microsoft wypuścił Microsoft Fabric, jeszcze w wersji public preview. Zintegrowana architektura łącząca dane, analitykę i AI w jednym środowisku oraz ujednolicone zarządzanie bezpieczeństwem przekonały CTDI do wyboru Fabric. Spośród pięciu kandydatów na partnera wdrożeniowego wybrano ANEGIS.
Projekt trwał sześć miesięcy – od lutego do sierpnia 2024 roku. Skupił się na dwóch kluczowych obszarach: ujednoliceniu raportowania w europejskich strukturach CTDI oraz automatyzacji planowania sprzedaży i cen z wykorzystaniem machine learning. Zakres obejmował weryfikację metodyk analitycznych, tworzenie nowych wizualizacji i raportów we współpracy z zespołem D&A CTDI oraz implementację zaawansowanej analityki predykcyjnej bezpośrednio w Microsoft Fabric.
Projekt predykcji cen był świadomie wybrany jako flagowy – po pierwsze, żeby pokazać możliwości Fabric, po drugie, żeby nauczyć organizację całego procesu predykcji. Od jego zakończenia CTDI prowadzi już kolejne projekty ML, m.in. nad optymalizacją wykorzystania przestrzeni magazynowej.
Wyzwanie
- Przestarzała platforma BI po dekadzie użytkowania – konieczność rewizji narzędzi analitycznych
- Rozproszone źródła danych i silosy informacyjne między zespołami i lokalizacjami
- Ręczne, czasochłonne procesy prognozowania cen i planowania sprzedaży
- Cotygodniowe raporty wymagające pracy manualnej zamiast automatyzacji
- Minimalne wykorzystanie machine learning i analityki predykcyjnej
- Potrzeba ujednolicenia standardów bezpieczeństwa i audytów danych w całej organizacji
- Brak wspólnej kultury pracy z danymi między zespołami europejskimi
Rozwiązanie
- Wdrożenie Microsoft Fabric jako centralnej platformy analitycznej integrującej dane z różnych źródeł w ramach europejskich operacji CTDI.
- Konsolidacja raportowania: nowe wizualizacje i dashboardy tworzone w ścisłej współpracy z zespołem Development & Analytics CTDI.
- Automatyzacja pełnego cyklu prognozowania cen – od ETL, przez generowanie prognoz, po raportowanie – cotygodniowymi zautomatyzowanymi raportami zastępującymi procesy manualne.
- Implementacja trzech modeli predykcyjnych (statystycznych i ML-based) dostosowanych do zróżnicowanych szeregów danych sprzedażowych.
- Uruchomienie eksploracyjnej analizy danych (EDA) bezpośrednio w Microsoft Fabric, umożliwiające precyzyjniejsze dopracowanie algorytmów predykcyjnych.
- Ujednolicenie środków bezpieczeństwa i uproszczenie procesów wymiany danych z partnerami i klientami, z korzyścią dla działu Information Security.
- Program szkoleń dla każdego nowego zespołu dołączającego do Fabric – budowanie wspólnej kultury pracy z danymi według jednolitych standardów.
Korzyść
- Ujednolicona platforma analityczna eliminuje silosy informacyjne i usprawnia współpracę między zespołami w całej Europie.
- Automatyzacja optymalizacji cen znacząco zmniejszyła nakład pracy manualnej i poprawiła precyzję prognozowania.
- Procesy decyzyjne i operacyjne przyspieszone dzięki dostępowi do zintegrowanych danych w czasie rzeczywistym.
- Wyższe bezpieczeństwo danych i uproszczone audyty oraz udostępnianie informacji partnerom i klientom.
- Ciągłe doskonalenie modeli prognozowania dzięki automatycznej ewaluacji wyników.
- Fundament pod kolejne projekty ML – od predykcji cen po optymalizację przestrzeni magazynowej.
- Zmiana kultury pracy z danymi: standaryzacja procesów analitycznych eliminuje powielanie pracy między działami.
czas realizacji projektu
statystyczne i ML-based, zintegrowane w jednym środowisku Fabric

Rozwiązanie sprostało naszym kluczowym wyzwaniom w zakresie analityki biznesowej i analizy danych, zapewniając ujednoliconą platformę integrującą różnorodne źródła danych w naszej globalnej działalności. Szczególnie duży wpływ miało wdrożenie analityki opartej na uczeniu maszynowym. Automatyzacja optymalizacji cen znacząco zmniejszyła nakład pracy manualnej i poprawiła precyzję prognozowania.
Sprawdźmy, co Dynamics 365 zmieni w Twojej firmie
Wdrażamy, rozwijamy i utrzymujemy systemy Microsoft: od finansów i operacji po dane i AI. Zacznijmy od bezpłatnej rozmowy o Waszej sytuacji.


Jasna, uporządkowana ścieżka zmiany w Waszej firmie
Zmiana systemu nie musi oznaczać chaosu. Prowadzimy Wasprzez cztery kroki, żeby na każdym etapie było jasne, co się dzieje, po co ijaki będzie następny krok.
Analiza potrzeb
Poznajemy Waszą sytuację, procesy i cele. Wspólnie ustalamy,co ma się zmienić i po czym poznamy, że zmiana się udała.
Wybór odpowiednich rozwiązań
Rekomendujemy zakres, ścieżkę i wariant, zawsze zaczynającod możliwości standardu. Decyzję podejmujecie na faktach, nie założeniach.
Plan zmian
Harmonogram, budżet, role i bramki decyzyjne. Wiadomo, ktoza co odpowiada i kiedy zapadają decyzje.
Realizacja i monitorowanie wdrożenia
Wdrażamy etapami, z testami i kontrolą ryzyka, a po starciestabilizujemy system i przechodzimy do stałej opieki.
Zastanawiasz się, czy to zadziała u Ciebie?
Szukasz partnera Microsoft? Porozmawiajmy o Twoim projekcie
Pracuj z zespołem, który zrealizował wdrożenia i projekty dla dziesiątek firm. Umów rozmowę wstępną i sprawdź:
Jak Dynamics 365 dopasować do procesów Twojej firmy, a nie odwrotnie
Które obszary warto zautomatyzować, żeby odzyskać czas i obniżyć koszty
Jak wygląda wdrożenie z Anegis krok po kroku: od analizy po wsparcie po starcie


























