Burger king
Контроль партнеров с помощью сверок данных
Burger King — одна из крупнейших в России сетей ресторанов быстрого питания. Объединяет около 700 ресторанов, которые расположены в 6 часовых поясах. Число сотрудников превышает 10 000 человек. Лидер по темпам роста — ежегодно открывается более 100 новых точек.
Цель и задачи проекта
  • Сеть BurgerKing быстро развивается, и это не только новые рестораны. Запускаются новые каналы продаж — киоски, агрегаторы, службы доставки. Появляются новые способы оплаты и бонусные программы, операторы которых — это сторонние компании, как, например, СберСпасибо.

    Происходит постоянный обмен данными с банками, обеспечивающими эквайринг, и операторами фискальных данных (ОФД), передающими информацию в ФНС.

    Любая интеграция с информационной системой партнера, которая позволила бы контролировать работу с ним, требует выявления ошибок, появляющихся при обмене данными. При этом формат данных и их детализация обычно различается от системы к системе, а при передаче часть данных неизбежно будет потеряна.

    Перед BurgerKing стояла задача создать фундаментальное решение для сравнения своих данных с данными партнеров, поиск расхождений и быстрого выявления их причин.
Выбранное решение
  • Был применен единый подход к проведению разных типов сверок данных — как между внутренними системами BurgerKing, так и с внешними партнерами. В результате появилась возможность контролировалось качество данных на всех этапах, где могут возникать ошибки, и быстро выявлять их причины.

    На основе своего фреймоврка для повышения качества данных команда Qlever разработала набор аналитических приложений. Эти приложения автоматически определяют пересекающиеся в разных системах атрибуты. Анализ, состоящий из трансформации данных, которая позволяет их сравнить, происходит “на лету” и мгновенно показывает все расхождения.
Полученные результаты
  • Сверки данных с партнерами происходят автоматически и не требуют участия людей. Резко сократилось время развертывания приложений для сверок с новыми партнерами.

    Упростился и стал быстрее поиск ошибок, которые приводят к расхождениям в данных.

    Исключены финансовые риски, связанные с ошибками при передаче данных в ФНС.
Источники и стек технологий
  • PostgreSQL, Excel, MSSQL, Qlik
Функциональные области
  • Продажи, финансы