Przejdź do treści
BI / Data / Analytics Lead

Dane i raporty,
na których opiera się zarząd.

Projektuję platformy danych (Snowflake, data mesh na Azure) i modele w Power BI. Rozproszone raporty łączę w jeden model z uzgodnionymi definicjami metryk, z którego finanse i operacje korzystają samodzielnie.

przewiń
konsolidacja źródeł · dane przykładowe
ExcelCSVSQLAPIERPe-mail → jeden model
24 rozproszonych źródeł → 1 źródło prawdy
01Przepływ

Od sektora do kompetencji

Wykres łączy sektory z realizacjami, a realizacje z grupami kompetencji. Jedna jednostka szerokości wstęgi to jeden element stacku z opisu realizacji.

Wskaż węzeł lub wstęgę, żeby prześledzić ścieżkę. Kliknięcie realizacji przenosi do jej opisu.
FMCG / E-COMMERCE2 realizacje FMCG / FINANSE1 realizacja GENAI / ENABLEMENT1 realizacja BANKOWOŚĆ1 realizacja FINANCIAL CRIME / AML1 realizacja 01↓Konsolidacja rozproszonegoraportowania w Snowflake 02↓Data mesh i samoobsługa domenbiznesowych 03↓Power BI na setki odbiorców ipoprawne rozliczanie premii 04↓Pilotaż agenta wiedzy dla analityków 05↓Kontrole integralności kodówtransakcyjnych 06↓Mniej fałszywych alarmów wmonitoringu transakcji Platforma danych4 powiązania Modelowanie semantyczne1 powiązanie Governance i jakość4 powiązania Raportowanie i UX1 powiązanie AI i automatyzacja4 powiązania Narzędzia1 powiązanie Bankowość i financial crime3 powiązania FMCG / E-COMMERCE FMCG / FINANSE GENAI / ENABLEMENT BANKOWOŚĆ FINANCIAL CRIME / AML 01↓Konsolidacja rozproszonegoraportowania w Snowflake 02↓Data mesh i samoobsługa domenbiznesowych 03↓Power BI na setki odbiorców ipoprawne rozliczanie premii 04↓Pilotaż agenta wiedzy dlaanalityków 05↓Kontrole integralności kodówtransakcyjnych 06↓Mniej fałszywych alarmów wmonitoringu transakcji Platforma danych Modelowanie semantyczne Governance i jakość Raportowanie i UX AI i automatyzacja Narzędzia Bankowość i financial crime FMCG / E-COMMERCE FMCG / FINANSE GENAI / ENABLEMENT BANKOWOŚĆ FINANCIAL CRIME / AML 01 02 03 04 05 06 Platforma danych Modelowanie semantyczne Governance i jakość Raportowanie i UX AI i automatyzacja Narzędzia Bankowość i financial crime
  1. 01Konsolidacja rozproszonego raportowania w Snowflake
  2. 02Data mesh i samoobsługa domen biznesowych
  3. 03Power BI na setki odbiorców i poprawne rozliczanie premii
  4. 04Pilotaż agenta wiedzy dla analityków
  5. 05Kontrole integralności kodów transakcyjnych
  6. 06Mniej fałszywych alarmów w monitoringu transakcji
Dane pochodzą z opisów realizacji i listy kompetencji na tej stronie.
02Realizacje

Wybrane projekty: problem, co zrobiłem i jaki był efekt.

FMCG / E-commerce

Konsolidacja rozproszonego raportowania w Snowflake

P
Raportowanie było rozproszone między wieloma niespójnymi źródłami, bez wspólnej definicji metryk.
A
Poprowadziłem migrację do Snowflake od początku do końca. Dane trafiły do jednej warstwy raportowej z ustalonymi regułami.
R
Wszystkie zespoły liczą KPI według tych samych definicji.
SnowflakeELTKPI governance
FMCG / E-commerce

Data mesh i samoobsługa domen biznesowych

P
Centralny zespół danych był wąskim gardłem dla rosnącej liczby zgłoszeń.
A
Zaprojektowałem architekturę data mesh na Azure, w której domeny dostają dane jako produkt.
R
Domeny pracują samodzielnie, a reguły governance i kontrola jakości zostały zachowane.
AzureData meshData quality
FMCG / Finanse

Power BI na setki odbiorców i poprawne rozliczanie premii

P
Setki odbiorców i zarząd potrzebowali wiarygodnych dashboardów, a rozliczenie premii było podatne na błędy.
A
Zbudowałem automatyczne dashboardy finansowo-sprzedażowe z RLS per region i proces rekoncyliacji premii.
R
~600 odbiorców i ~50 raportów dla centrali w jednym standardzie. Rekoncyliacja pilnuje poprawności wypłat premii.
Power BIDAX / RLSReconciliation
GenAI / Enablement

Pilotaż agenta wiedzy dla analityków

P
Logika raportów i reguły biznesowe żyły w głowach ludzi, przez co onboarding trwał dłużej.
A
Pracuję z GenAI na co dzień (Power BI Copilot) i buduję pilotaż agenta wiedzy na Copilot 365, który zbiera logikę raportową.
R
Pilotaż w toku. Cel: wiedza o raportach dostępna od ręki i krótszy onboarding.
Power BI CopilotCopilot 365MCP
Bankowość

Kontrole integralności kodów transakcyjnych

P
Kody transakcyjne musiały być spójne we wszystkich systemach globalnych.
A
Zbudowałem w MS Access i VBA kontrole i narzędzia, które automatycznie sprawdzają integralność kodów.
R
Integralność kodów jest sprawdzana automatycznie i na bieżąco.
MS AccessVBAKontrole integralności
Financial Crime / AML

Mniej fałszywych alarmów w monitoringu transakcji

P
Scenariusze monitoringu generowały zbyt wiele fałszywych alarmów, co obciążało zespół.
A
Stroiłem scenariusze AML (wskaźniki detekcji i parametry) pod kątem trafności.
R
Mniej fałszywych alarmów, więc zespół zajmuje się przypadkami, które naprawdę wymagają analizy.
AMLTransaction monitoringScenario tuning
03Kompetencje

Obszary i narzędzia, z którymi pracuję.

model
DIM_Category CategoryKey (PK)Name · Group DIM_Segment SegmentKey (PK)Tier FACT_metrics ∗ CustomerKey (FK) ∗ ProductKey (FK) ∗ DateKey (FK) Amount · Quantity DIM_Date DateKey (PK)Year · Month DIM_Customer CustomerKey (PK)Segment DIM_Product ProductKey (PK)Category DIM_Channel ChannelKey (PK)Type DIM_Region RegionKey (PK)Country
Model w gwiazdę: tabela faktów i wspólne wymiary. Na takim układzie model semantyczny jest szybki i łatwy w utrzymaniu.
Revenue YoY %.dax
Revenue YoY % =
VAR _cur = [Total Revenue]
VAR _prior =
    CALCULATE (
        [Total Revenue],
        SAMEPERIODLASTYEAR ( 'Date'[Date] )
    )
RETURN
    DIVIDE ( _cur - _prior, _prior )
DAX w praktyce: miary z VAR/RETURN liczą każde wyrażenie raz, więc są szybsze i czytelniejsze.
Platforma danych
SnowflakeAzure (data mesh)ETL / ELTSQLArchitektura warstwowa
Modelowanie semantyczne
Modelowanie wymiaroweDAXPower Query (M)Tabular EditorRLSTuning wydajności
Governance i jakość
Governance KPIJakość danychRekoncyliacjaDokumentacja
Raportowanie i UX
Power BIDashboardy fin./sprzedażRaporty zarządczeFigma (UX)
AI i automatyzacja
GenAI / LLMPower BI CopilotCopilot 365MCPPower AutomateAlteryxVBA
Narzędzia
Zaawansowany ExcelMS AccessPythonJiraAgile
Bankowość i financial crime
AMLTransaction monitoringScenario tuning
04W liczbach

Skala, w jakiej pracuję

Prawdziwe liczby, zaokrąglone.

EXP
~10 lat
w BI i analityce danych
TEAM
10 osób
w zespole analitycznym, którym kierowałem
REACH
~600
odbiorców dashboardów w jednej organizacji
EXEC
~50
raportów dla zarządu i centrali
05Podejście

Jak pracuję, od pierwszego pytania biznesowego do gotowego raportu.

01

Najpierw decyzja, potem dane

Zaczynam od pytania, na które raport ma odpowiedzieć. Dopiero potem sprawdzam, jakie dane są dostępne.

02

Wspólna warstwa danych

Łączę dane z wielu źródeł w jeden model. Każda metryka ma jedną definicję, a zasady dostępu i jakości są jasne.

03

Wydajność i poprawność

Optymalizuję modele tak, by raporty były szybkie, a liczby zgadzały się co do grosza.

04

Samoobsługa i dokumentacja

Zespoły dostają narzędzia i dokumentację, więc z prostymi pytaniami nie czekają w kolejce do zespołu danych.

06O mnie

Od około dziesięciu lat pracuję w BI i analityce danych: w bankowości, fintechu, FMCG i e-commerce. Projektuję architekturę danych i odpowiadam za to, żeby liczby w raportach były poprawne, a same raporty używane.

Prowadziłem dziesięcioosobowy zespół analityczny pracujący w Agile. Współpracowaliśmy z finansami, sprzedażą i zarządem. Odpowiadałem za migrację do Snowflake, projekt data mesh na Azure i wdrożenia Power BI na setki odbiorców.

Na co dzień używam GenAI w pracy analitycznej. Prowadzę szkolenia z Power BI (wcześniej z Excela) i tłumaczę złożone tematy danych osobom, które na ich podstawie podejmują decyzje.

Kontakt

Porozmawiajmy o danych.

Jeśli chcesz uporządkować analitykę albo szukasz lidera BI do zespołu, napisz e-mail lub wiadomość na LinkedIn.

Dostępny na projekty i role seniorskie