Wartość biznesowa i ROI

DataFlow AI to platforma ETL/ELT natywnie wykorzystująca AI, zbudowana, aby zastąpić Informatica PowerCenter i Alteryx Designer w Polkomtel Plus — usuwając uzależnienie od dostawcy systemów starszej generacji, umożliwiając integrację danych w czasie rzeczywistym i zamykając luki w zgodności z GDPR/RODO. Ta strona wyjaśnia uzasadnienie biznesowe: co dziś boli, co się zmienia, ile to kosztuje oraz jak mierzy się sukces. Tam, gdzie dokumenty źródłowe nie zgadzają się co do liczb, pokazane są obie wartości, a rozbieżność jest oznaczona.

Czym jest DataFlow AI

Platforma DataFlow AI to natywnie chmurowa korporacyjna platforma ETL/ELT — oprogramowanie, które wyodrębnia dane z systemów źródłowych, przekształca je (czyści, łączy, agreguje) i ładuje je do miejsca docelowego takiego jak hurtownia danych. „ELT” to ten sam pomysł z krokiem transformacji zepchniętym w dół do silnika docelowej bazy danych.

Jest pozycjonowana jako jedna platforma, która łączy:

• Automatyzację przepływów pracy Informatica PowerCenter (wsadowy ETL).
• Samoobsługową analitykę Alteryx Designer (przygotowanie danych przez analityków).
• Strumieniowanie w czasie rzeczywistym za pośrednictwem przechwytywania zmian danych (CDC).
• Wspomagany przez AI rozwój poprzez wbudowanego w produkt Copilota.
• Kompleksowe zarządzanie danymi (pochodzenie danych, jakość, kontrole GDPR/RODO).

Dostawcą jest auraliscode, warszawska firma zajmująca się integracją danych. Docelowym klientem jest Polkomtel Plus, duży polski operator telekomunikacyjny. W ramach modelu zaangażowania dostawa platformy jest objęta stałą ceną, a własność kodu źródłowego przechodzi na Polkomtel po zakończeniu — nie ma trwałej zależności od dostawcy.

Rozbieżności w dokumentach źródłowych

Ta strona opiera się na trzech dokumentach źródłowych, które nie w pełni się ze sobą zgadzają. Różnice są istotne, więc są zgłaszane otwarcie, zamiast być uśredniane.

Traktuj poniższe sekcje kosztowe mając to na uwadze: oba modele kosztowe nie są możliwe do pogodzenia w obecnym brzmieniu.

Krajobraz systemów starszej generacji w Polkomtelu

Polkomtel Plus prowadzi dziś dwa odrębne, starzejące się narzędzia integracji danych. Żadne nie pasuje do deklarowanej przez firmę strategii „chmura przede wszystkim”.

„On-premises” oznacza, że oprogramowanie działa na serwerach, które Polkomtel posiada i obsługuje we własnym centrum danych, a nie w centrum danych dostawcy chmurowego.

Pięć strategicznych punktów bólu

Oto konkretne problemy, do których rozwiązania zaprojektowano platformę.

1. Uzależnienie od dostawcy i koszt licencjonowania. Informatica jest wyceniana za procesor i za konektor; rachunek rośnie o mniej więcej 15–20% rocznie. Nie ma ścieżki wyjścia — cykl licencjonowania jest wieczysty.
2. Brak możliwości pracy w czasie rzeczywistym. PowerCenter działa wyłącznie wsadowo. Przechwytywanie zmian z Oracle, PostgreSQL, MSSQL, MySQL czy MongoDB w chwili, gdy się dzieją (CDC), wymaga oddzielnych, kosztownych licencji Informatica PowerExchange, których Polkomtel obecnie nie posiada.
3. Powolne cykle rozwoju. Zbudowanie nowego przepływu pracy Informatica zajmuje 3–10 dni. Przepływy pracy Alteryx są niezarządzane, oparte na plikach i nie da się ich niezawodnie wypromować do produkcji.
4. Luki w zgodności z GDPR / RODO. Nie ma automatycznego wykrywania danych osobowych (PII), nie ma pochodzenia danych na poziomie kolumn do odpowiadania na wnioski osób, których dane dotyczą, nie ma automatycznego egzekwowania retencji, nie ma odpornych na manipulację dzienników audytu i nie ma wbudowanego maskowania danych. („RODO” to polska nazwa GDPR).
5. Bariery migracji do chmury. Lokalna architektura PowerCenter koliduje ze strategią Polkomtela „chmura GCP przede wszystkim”. Nawet własny produkt chmurowy Informatica (IICS/IDMC) to kosztowna ponowna architektura, która nie rozwiązuje problemu kosztów.

Dlaczego doszło do RFI

Zaangażowanie wywodzi się z RFI Polkomtela („Request for Information”, Zapytania o Informacje) zatytułowanego „POC ETL Tool for DWH Polkomtel”. Podano trzy czynniki napędzające:

• A. Infrastruktura danych przechodzi do chmury i potrzebuje narzędzi integracji dostosowanych do chmury.
• B. Wsparcie techniczne i rozwój obecnego narzędzia ETL dobiegają końca, co ogranicza dalszą eksploatację w ramach wymogów operacyjnych i bezpieczeństwa Polkomtela.
• C. Potrzebna jest większa elastyczność, skalowalność i automatyzacja, aby nadążyć za rosnącymi wolumenami danych i szerszą różnorodnością źródeł.

Cel: wybrać rozwiązanie umożliwiające bezpieczne, skalowalne, wydajne przetwarzanie danych w architekturach zarówno chmurowych, jak i lokalnych przy długoterminowej stabilności operacyjnej.

Docelowi użytkownicy i ich punkty bólu

DataFlow AI jest zbudowany dla pięciu ról użytkowników, każdej z dostosowanym pulpitem i zestawem uprawnień. Logowanie odbywa się przez Keycloak z jednokrotnym logowaniem (SSO) do Active Directory / Azure AD. Pięć ról mapuje się na 26 granularnych uprawnień.

Interfejs użytkownika jest w pełni dwujęzyczny (polski/angielski) w siedmiu przestrzeniach nazw tłumaczeń, a AI Copilot przyjmuje i odpowiada w obu językach. Proponowane domyślne ustawienie to polski dla użytkowników biznesowych i angielski dla inżynierii.

Biznesowe przypadki użycia

Co Polkomtel faktycznie zrobi z platformą:

• Migracja systemów ETL starszej generacji — zautomatyzowana konwersja ponad 500 przepływów pracy Informatica i 50–100 przepływów pracy Alteryx.
• Analityka w czasie rzeczywistym umożliwiona przez CDC — punktacja churnu abonentów na żywo, gdy klient przegląda stronę internetową, wykrywanie anomalii sieciowych na żywo oraz sygnały oszustw na pojedynczych transakcjach, zamiast raz dziennie wykonywanych przeszukań wsadowych.
• Przetwarzanie CDR / ASN.1 telekomunikacyjnych — zbudowany do tego celu dekoder, który konwertuje binarne Rekordy Szczegółów Połączeń (CDR-y) emitowane przez elementy sieci na pliki Parquet. Jest to cytowane jako wyjątkowe wśród komercyjnych platform ETL.
• Raportowanie regulacyjne — kierowanie i raportowanie połączeń ratunkowych E112, raportowanie do UKE (polskiego regulatora telekomunikacyjnego) oraz wbudowana obsługa polskiego identyfikatora krajowego (PESEL).
• Analityka samoobsługowa — analitycy odpytują dane prostym językiem, np. „10 najbardziej dochodowych kierunków roamingu w zeszłym kwartale według przychodu na abonenta”.
• Izolacja domen w trybie wielodostępnym — oddzielne przestrzenie robocze na domenę biznesową: Operacje Sieciowe, Zapewnienie Przychodów, Analityka Marketingowa, Raportowanie Finansowe, Zgodność Regulacyjna.
• Zupełnie nowe produkty danych — po migracji uwolniona moc inżynierska buduje nowe rzeczy: analitykę klientów w czasie rzeczywistym, operacje sieciowe napędzane przez AI, zaawansowane wykrywanie oszustw.
• Zachowanie wiedzy — program migracji wytwarza pierwszy kompletny inwentarz zależności integracji danych Polkomtela plus czytelną dla człowieka dokumentację reguł biznesowych, przechowywaną w Katalogu Danych.

Ekonomia migracji

Migracja jest zautomatyzowana tam, gdzie to możliwe, i wspomagana przez AI tam, gdzie nie jest. Ponad 500 przepływów pracy Informatica dzieli się na cztery kategorie według trudności.

Pełny program migracji szacowany jest na mniej więcej 2545 osobogodzin w ~550–600 przepływach pracy, prowadzony przez zespół 3–4 starszych inżynierów przez 6–8 miesięcy.

Zwalidowane próbki przepływów pracy

Trzy rzeczywiste przepływy pracy Polkomtela zostały użyte do zwalidowania silnika migracji. Zwróć uwagę na dwie wartości autokonwersji na wiersz — dokumentacja biznesowa i odpowiedź na RFI zgadzają się co do procentu, ale wyrażają pozostały nakład pracy inaczej.

Ograniczanie ryzyka

• Uruchomienie równoległe — każdy zmigrowany przepływ pracy uruchamiany jest jednocześnie zarówno w DataFlow AI, jak i w Informatica przez minimum dwutygodniowe okno walidacji. Wycofanie to pojedyncza zmiana konfiguracji.
• Zautomatyzowane testy regresji — obie wersje uruchamiane są względem identycznych danych wejściowych, a wyniki porównywane wiersz po wierszu.
• Bramki jakości — stopniowane według kategorii: uruchomienie równoległe przez 10–30 dni roboczych, próg parzystości wyników 99,5%–100% oraz akceptacja eskalująca do Inspektora Ochrony Danych i Specjalisty ds. Zgodności dla przepływów pracy regulacyjnych.

ROI i TCO — dwa modele kosztowe

Dwa dokumenty źródłowe przedstawiają istotnie różne modele kosztowe. Oba są zgłoszone w całości. Nie łącz ich.

Model A — Dokumentacja biznesowa (0 USD licencjonowania oprogramowania)

Ten model traktuje DataFlow AI jako oparty na open-source, bez opłaty licencyjnej za oprogramowanie.

Pozycje kosztowe w ramach tego modelu:

Nagłówkowe wartości z tego modelu: oszczędność netto Roku 1 ponad 2,2 mln USD; próg rentowności w Miesiącu 3–4 po uruchomieniu produkcyjnym; 3-letnie ROI ponad 1000% (6 mln – 8,7 mln USD zaoszczędzone przy 645 tys. USD zainwestowanych).

Konserwatywne 3-letnie ROI w rozbiciu na kategorie korzyści:

Produktywność inżynierską wyceniono na 200 tys. PLN na inżyniera rocznie (rynkowa stawka polskiego starszego inżyniera danych). Wartość GDPR wykorzystuje minimalny szacunek kary UODO.

Model B — Odpowiedź na RFI (opłata za platformę + kredyty zużycia)

Ten model wycenia DataFlow AI jako licencję platformy + kredyty zużycia + wsparcie — a nie 0 USD licencjonowania.

Oprócz kosztu cyklicznego RFI podaje jednorazowy koszt migracji w Roku 1 wynoszący 430 tys. – 780 tys. USD: migracja PowerCenter 200 tys. – 350 tys. USD, Alteryx 50 tys. – 100 tys. USD, ręczne usuwanie usterek (~20%) 100 tys. – 200 tys. USD, uruchomienie równoległe i walidacja 50 tys. – 100 tys. USD oraz szkolenie 20 użytkowników 30 tys. USD.

Składając to razem, podsumowanie kosztu całkowitego z RFI to: Rok 1 (licencja + migracja) 740 tys. – 1 090 tys. USD, Rok 2 330 tys. USD, Rok 3 350 tys. USD — co daje 3-letnie TCO na poziomie 1 420 tys. – 1 770 tys. USD.

RFI porównuje również DataFlow AI z alternatywami:

Korzyści niefinansowe

Oba modele zgadzają się co do korzyści jakościowych:

• Szybszy czas do uzyskania wglądu — przejście z trybu wsadowego na czas rzeczywisty umożliwia raportowanie tego samego dnia i pulpity na żywo.
• Uwolniona moc inżynierska — 60–80% szybszy rozwój potoków danych oznacza 3–5× więcej produktów danych rocznie od tego samego zespołu.
• Niższe ryzyko regulacyjne — UODO (polski organ ochrony danych) może nakładać kary do 100 tys. PLN za naruszenie, a systemowe naruszenia do 4% rocznego globalnego obrotu.
• Posiadanie zasobu strategicznego — Polkomtel posiada kod platformy i może go rozszerzać.
• Przewaga konkurencyjna AI — natywna integracja z Anthropic Claude.

KPI i kryteria sukcesu

Sukces definiowany jest jako mierzalny stan docelowy 12 miesięcy po uruchomieniu produkcyjnym.

Porównanie dojrzałości

Zestawienie obok siebie tego, gdzie Polkomtel jest dziś, względem tego, dokąd zabiera go DataFlow AI:

Poziomy wsparcia i SLA

auraliscode oferuje trzy poziomy wsparcia. „SLA” (Service Level Agreement, Umowa o Poziomie Usług) to umowne zobowiązanie dotyczące dostępności i czasu reakcji. „RPO” to maksymalna akceptowalna utrata danych mierzona w czasie; „RTO” to maksymalny akceptowalny czas przywrócenia usługi.

Poziomy priorytetów: P1 Krytyczny (przerwa w działaniu lub uszkodzenie danych, brak obejścia), P2 Wysoki (główna funkcja niedziała, istnieje obejście), P3 Średni (drobne pogorszenie), P4 Niski (pytania i prośby o funkcje).

Odzyskiwanie po awarii wykorzystuje dwuregionalną konfigurację GCP — europe-central2 (Warszawa) jako region podstawowy oraz europe-west3 (Frankfurt) jako region rezerwowy. Oba regiony znajdują się wewnątrz UE, więc rezydencja danych zgodna z GDPR jest zachowana nawet po przełączeniu awaryjnym. Zaplanowane prace konserwacyjne są ograniczone do 4 godzin na miesiąc kalendarzowy, ogłaszane z 48-godzinnym wyprzedzeniem i planowane między 02:00 a 06:00 CET.

Dokąd dalej

• Aby poznać topologie wdrożeniowe, dobór wielkości infrastruktury oraz pełne rozbicie kosztów GCP, zobacz Scenariusze wdrożenia i dobór wielkości.
• Aby poznać faktyczną mechanikę budowania, wydawania i wdrażania, zobacz Wdrożenie i rozruch.
• Aby poznać model uprawnień rola po roli, zobacz Persony i role oraz RBAC.