← Wróć do case studies

System BI na serwerach własnych firmy — bez chmury, z pełną kontrolą nad danymi

Power BI Report ServerSQLPython ETLOn-premise

Firma produkcyjna z własną infrastrukturą IT — serwery Windows, baza ERP na MS SQL, wewnętrzny CRM, pliki Excel z finansów. Dział IT sprawny, dane w firmie od lat. Problem: zarząd wciąż prosił o raporty mailem, a każdy raport wymagał ręcznego zbierania danych z kilku systemów przez analityka.

Przeniesienie danych do chmury nie wchodziło w grę — regulacje branżowe, polityka grupy kapitałowej i wrażliwe dane produkcyjne. Potrzebne było rozwiązanie, które zostaje w sieci firmy i działa na infrastrukturze, za którą klient już płaci.

Przed wdrożeniem

  • Raporty na żądanie — analityk zbiera dane ręcznie
  • Dane z kilku systemów scalane w Excelu
  • Zarząd czeka na raport 1–2 dni robocze
  • Brak wspólnego KPI dla działów produkcji i finansów
  • Decyzje podejmowane na danych sprzed tygodnia

Po wdrożeniu

  • Dashboardy dostępne codziennie rano — bez zlecania
  • Dane z poprzedniego dnia, odświeżane automatycznie
  • Zarząd samodzielnie w przeglądarce (sieć firmowa)
  • Wspólny widok: produkcja, finanse, sprzedaż
  • Zero danych poza siecią firmy

Dlaczego nie chmura — i dlaczego to nie ma znaczenia

On-premise to nie ideologia ani „przestarzały wybór". To konkretna odpowiedź na konkretne ograniczenia. W tym przypadku były trzy: regulacje branżowe zakazujące przenoszenia danych produkcyjnych poza firmę, polityka grupy kapitałowej wymagająca lokalizacji danych na serwerach klienta, i koszt — serwery są, za infrastrukturę już zapłacono.

Z perspektywy użytkownika raport wygląda tak samo jak w chmurze: przeglądarka, logowanie, dashboard, filtry. Dane z poprzedniego dnia. Różnica jest tylko po stronie infrastruktury — i to jest decyzja klienta, nie wykonawcy.

Jak działa architektura on-premise

Skrypt Python uruchamiany przez Windows Task Scheduler co noc o 03:00 — zbiera dane ze źródeł, czyści, ładuje do dedykowanej bazy analitycznej. Baza analityczna to osobna instancja SQL na serwerze klienta, oddzielona od baz operacyjnych. Optymalizacja pod zapytania raportowe — star schema, indeksy, widoki.

Power BI Report Server zainstalowany na serwerze Windows klienta. Użytkownicy wchodzą przez przeglądarkę w sieci firmowej — lub przez VPN jeśli pracują zdalnie. Harmonogram odświeżania ustawiony na 06:00 — po zakończeniu ETL.

1

Źródła danych

ERP (MS SQL), CRM, Excel z finansów — wszystko na serwerach firmy.

2

Skrypt ETL

Python na serwerze klienta. Uruchamia się co noc, pobiera inkrementalnie, ładuje do bazy analitycznej.

3

Baza analityczna

Dedykowany SQL oddzielony od baz operacyjnych. Zoptymalizowany pod raporty — nie pod transakcje.

4

Power BI Report Server

Zainstalowany na serwerze Windows klienta. Dostęp przez przeglądarkę w sieci firmowej.

Co widzi zarząd każdego ranka

Zestaw dashboardów dopasowany do tej branży. Część pochodzi z gotowych modułów — należności, cash flow, sprzedaż i marżowość. Część była pisana dedykowanie pod specyficzne KPI tej firmy: OEE linii produkcyjnych, czas realizacji zleceń, reklamacje per linia. Tego nie ma w żadnym gotowym szablonie.

Sprzedaż i marżowość

Per produkt, klient, region, handlowiec, miesiąc.

Cash flow i należności

Kto zalega, od ilu dni, terminy płatności wobec dostawców.

Produkcja (OEE)

Dostępność, wydajność, jakość per linia produkcyjna.

HR i koszty pracy

Zatrudnienie, absencje, koszty per dział — z systemu kadrowego.

Własność i niezależność — bez uzależnienia od dostawcy

Cały kod ETL i schemat bazy leżą na serwerach klienta od pierwszego dnia projektu. Po odbiorze klient dostaje dokumentację techniczną — dział IT może samodzielnie modyfikować i utrzymywać system. Nie ma żadnych opłat za oprogramowanie QandA po zakończeniu projektu jeśli klient przejmuje utrzymanie.

Miesięczny koszt infrastruktury po wdrożeniu: zero. Serwery klienta, licencje Power BI Report Server które klient już posiadał (SQL Server z Software Assurance). Opcjonalny abonament QandA — jeśli systemy źródłowe się zmieniają i potrzebne są adaptacje.

Czas wdrożenia wynosił w tym projekcie 12 tygodni — od podpisania umowy do odbioru. Zakres obejmował cztery źródła danych i sześć dashboardów. Inny zakres to inny czas.

Masz własne serwery i chcesz BI bez chmury?

Opisz środowisko — sprawdzę co można zbudować na Twojej infrastrukturze.

Napisz do mnie

Wpisz szukane słowo…