Dzaky Zakiyal Fawwaz

Grup manufaktur · melalui Delman Data Lab · 2022–2024

Master Data Pengadaan & Analitik Harga

Data Scientist

Proyek klien. Nama, data, dan detail identitas dirahasiakan; arsitektur dijelaskan secara umum.

Master Data Pengadaan & Analitik Harga

Masalah

Setiap unit bisnis menyimpan data barang dan pemasoknya sendiri, sehingga bearing yang sama tercatat sebagai "B. 6311 ZZ", "BEARING ZZ 6311", dan "bearing 6311 zzz", dan satu pemasok muncul dengan beberapa nama dan alamat. Tidak ada yang tahu berapa sebenarnya harga yang dibayar grup untuk suatu barang atau pemasok mana yang termurah.

Pendekatan

Saya membangun pipeline master data di infrastruktur on-premise klien: menggabungkan data mentah dari semua unit bisnis, menyaring data aktif dan mengelompokkan barang per jenis, membersihkan dan memetakan kolom, mencocokkan data yang mirip menjadi satu golden record per barang, pemasok, dan transaksi, lalu memproses akhir dan mengekspor ke data warehouse korporat. Golden record ini menjadi dasar analitik pengadaan dan tampilan perbandingan harga terpusat.

Arsitektur

Arahkan kursor ke komponen untuk melihat koneksinya · geser untuk menggeser · gunakan + / − untuk zoom

  • Sumber
  • Pemrosesan
  • Model
  • Penyimpanan data
  • Output

Cara Kerja

  1. KumpulkanData mentah barang, pemasok, dan transaksi disinkronkan dari tiga unit bisnis.
  2. Gabung & saringSumber digabungkan, hanya data aktif yang disimpan, dan barang dikelompokkan per jenis.
  3. Bersihkan & petakanNama, kode, dan alamat dibersihkan, diformat, dan dipetakan ke kolom target.
  4. CocokkanData yang mirip dicocokkan menjadi satu golden record per barang, pemasok, dan transaksi.
  5. Ekspor & analisisGolden record masuk ke data warehouse dan menjadi dasar analisis selisih harga, belanja, ROI, dan perbandingan harga antar pemasok.

Yang Saya Bangun

  • Pipeline pembersihan dan pencocokan yang mengubah variasi seperti "B. 6311 ZZ" dan "bearing 6311 zzz" menjadi satu master barang, serta variasi nama dan alamat pemasok menjadi satu master pemasok.
  • Golden record untuk barang, pemasok, dan transaksi yang diekspor ke data warehouse korporat.
  • Analitik pengadaan: selisih harga pembelian, total belanja, ROI pengadaan, pencarian harga antar pemasok, dan histori harga pemasok.

Dampak

Pipeline ini mengonsolidasikan 12.000+ barang aktif, 1.000+ pemasok aktif, dan 46.000+ transaksi dalam sekitar 15 menit dari sinkronisasi data mentah hingga ekspor. Pencarian harga berubah dari jam menjadi menit, dan perbandingan pemasok menunjukkan potensi penghematan hingga 50%.

Metrik Kunci

50%Potensi penghematan dari pemasok berharga terbaik
12K+Barang aktif yang disatukan
1K+Pemasok aktif yang disatukan
46K+Transaksi yang diproses
15 minDari sinkronisasi mentah hingga ekspor

Tumpukan Teknologi

PythonpandasSQLRecord matchingMaster data managementData warehouse