Файл: Автоматизация аналитического учета ООО «ПепсиКо Холдингс».pdf

Введение

Компания PepsiCo — крупнейший в России производитель продуктов питания и напитков. В центральном и региональных офисах компании и на ее многочисленных производственных предприятиях работает более 20 000 сотрудников. 

Сегодня компания PepsiCo занимает ведущие позиции в сегментах газированных, негазированных и энергетических напитков с торговыми марками Pepsi^®, 7 Up^®, Mirinda^®, Adrenaline Rush^®, «Русский дар», и др., на рынке чипсов и снеков (Lay’s^®, Cheetos^®, «ХрусTeam»), в сегменте соков и нектаров («Я», «Фруктовый Сад», J7^®, «Любимый» и др.), на рынке молочной продукции («Домик в деревне», «Веселый молочник», «Чудо», Bio Max^®, «Имунеле»), и детского питания («Агуша» и «Чудо детки»), а также в сегменте бутилированной воды («Аква Минерале», «Ессентуки», «Родники России»).

PepsiCo является крупнейшим в России промышленным переработчиком картофеля и одним из крупнейших переработчиков сырого молока. Компания инвестирует значительные средства в реализацию программ, направленных на повышение эффективности деятельности поставщиков картофеля и молока, улучшение качества и обеспечение роста поставок сырья.

Одно из главных направлений работы – работа с национальными ключевыми клиентами, такими как «Пятерочка», «Перекресток», «Карусель», «Магнит», «Дикси» и т.п. (Далее NKA – National Key Account). Одно из структурных подразделеней NKA является CWHD – Central Warehouse Delivery, задачей которого является обслуживание двух ключевых клиентов – «Магнит» и «Дикси».

Основная причина выделения нового подразделения – специфика работы данных клиентов, а именно отгрузка готовой продукции исключительно в Распределительные Центры (далее РЦ), с невозможностью отслеживания продаж в конечные торговые точки (Sell In). При этом для эффективной работы с клиентами существует договоренность о предоставлении ими продаж из торговых точек конечным потребителям (Sell Out).

Стартовая позиция данной курсовой работы – ручная обработка полученных данных, ручное формирование отчетов и полное отсутвие автоматизации (за исключением формул в MS Excel). Данный подход крайне трудозатратен, имеет огромное влияние человеческий фактор и к тому же обработка данных за один месяц занимает один месяц, т.е. крайне не эффективно.

Целью данной работы является автоматизация аналитического учета на основе Sell Out данных.

Задачи:

1. Автоматизация обработки исходных данных (Sell Out)
2. Построение ИС на основе OLAP кубов, с конечным интерефесов в MS Excel
3. Автоматизация обработки ошибок
4. Снижение временных и трудозатрат на обработку данных и формирование отчетности

P.S. В связи с политикой компании ООО «ПепсиКо Холдинг» и с целью сохранения коммерческой тайны все данные не касающиеся целей работы (данные сотрудников, данные о планах и продажах, технические характеристики рабочих машин компании и т.п.) будут скрыты или вымышлены. Данная работа выполняется в учебных целях и не представляет собой коммерческого продукта.

Глава 1. Технико-экономическая характеристика предметной области и предприятия

1.1 Характеристика отдела

Отдел CWHD занимается развитием торговых точек клиента с целью увеличения продаж.

Таблица 1.1.

Характеристика отдела

1.2. Организационная структура

Организационная структура отдела представлена на рисунке 1.1 и не включает в себя смежные отделы. Во главе структуры находится директор департамента, управляющий двумя направлениями – торговая команда и аналитический отдел.

Рисунок 1.1. Организационная структура

Торговая команда отвечает за развитие клиента непосредственно в торговых точках, аналитический отдел - за сбор, обработку, хранение данных, разработку и выпуск отчетности.

1.3 Выбор комплекса задач автоматизации и характеристика существующих бизнес процессов

Исходные данные представляют собой ненормализованные таблицы в Excel, разных форматов, причем разные по аттрибутам для разных клиентов.

Так же, в силу ручной выгрузки клиентом данных таблиц и в силу ротации возможно, что данные форматы таблиц могут меняться, например поля местами или удаление одних или добавление других полей.

Пример исходных данных представлен в таблице 1.2

Таблица 1.2.

Пример исходных данных

В данном случае даже отсутсвуют названия некоторых полей.

Решение проблемы с неорганизованностью данных может являтся модель БД, в которую на этабе проектирования возможно будет заложить решение.

Т.к. целью данной работы является автоматизация аналитического учета, необходимо определится какую именно аналитику необходимо рассчитать.

Комплексом задач в рамках данной работы будет являтся исключительно OLAP Cube для конечного пользователя, с возможностью оперативной загрузки новых данных в систему с тремя измерениями: Дата до недели, Место продаж до торговой точки, и Продукцией до СКЮ. В качестве справочной информации необходоми занать по измерениям:

Дата – Год, квартал, месяц, наименование месяца и номер недели.

Место – Регион в классификации клиента, регион в классификации Песпсико, Область, Город, Адрес (без атомарного деления), кому пренадлежит торговая точка (RSM, TSM, торговый), РЦ с которого отгружается конкретная ТТ, индетификаторы торговой точки.

Продукция – Категория продукции, брэнд, формат упаковки, вес и прочее.

Так же необходимо рассчитать объем проданной продукции в кг\л (в зависимости от категории).

Решение данной задачи позволит компании принимать верные управленческие решения, отслеживать разницу между отгруженной клиенту продукцией и проданной им, расчитывать остатки, а так же бонусная часть заработной платы торговой команды основывается именно на выполнении планов и целей расчитваемых на основе продаж из точки (SellOut).

В качестве исходной информации:

1. Excel файлы от клиента
2. Ассортиментный справочник
3. Адресная программа

Справочную информацию мне предоставляют координаторы и торговая команда. Подытожив, IDEF0 схема задачи будет выгляжить так:

Рисунок 1.2. IDEF0 схема задачи

Где блок A1 и A3 выполняется при помощи аналитика, основным средством работы которого будет являтся средство загрузки данных и Excel. Операции по загрузке данных, и их конвертации в OLAP Cube являются автоматизированными.

Глава 2. Информационное обеспечение задачи

2.1 Информационная модель и её описание

Информационная модель представлена на рисунке 2.1.

Рисунок 2.1. Информационная модель

1. Данные получаемые от клиента необходимо нормализовать. Эта операция будет производиться с помощью VBA макроса в приложении 1.
2. Далее происходит загрузка файлов во временную таблицу с помощью SSIS пакетов, в процедуру сразу включена проверка файлов на корректность.
3. В случае корректности данных с помощью SSIS пакетов происходит обновление данных в кубах
4. В случае успеха обновления куба, данные можно увидеть в Excel файле с настроенным подключением

2.2. Используемые классификаторы и системы кодирования

Выполнение VBA макроса из приложения 1 позволит из разных ненормализованных таблиц получить одинаковые в едином формате, при чем, проиходит автоматическое распознавание наименования клиента и позволяется ручной ввод даты продаж в диалоговом окне. На этом же этапе возможно распознать часть возможных ошибок. Как результат нормализации мы получим три таблицы.

Таблица 2.1.

Нормализованные данные

Таблица 2.2.

Отсутсвующий мэппинг продуктов

Таблица 2.3.

Отсутсвующий мэппинг торговых точек

В качестве классификаторов в работе искользуются Код СКЮ и Код ТТ, но так как эти данные поступают от разных клиентов, где каждый спозует свою классификацию данных, то в данной курсовой работе классификаторы будут закодированы в текстовом формате, а при дальнейшей работе с ними будет использоваться кодирование hashbytes и преобразование текстового значения в тип bigint.

2.3. Характеристика нормативно-справочной, входной и оперативной информации

Реквизиты входной информации указаны в таблице

Таблица 2.4.

Входная информация