Studii de caz

IDS a proiectat și construit un nou data mart analitic, dedicat Controlling-ului, construit în întregime pe tehnologii de big data, nu pe stack-ul Oracle al clientului.

Când a început migrarea către noul DWH, IDS și-a asumat sarcina de a duce acel Datamart — și logica de business din spatele lui — pe noua platformă.

IDS Consulting a fost adusă pentru a oferi suport tehnic practic și consultanță pentru migrarea către Databricks.

IDS Consulting a fost adusă nu pentru o singură intervenție, ci ca extensie continuă a echipei de Data Warehouse a clientului. Mandatul: modernizarea modului în care datele circulau prin platformă și menținerea evoluției acesteia în siguranță, pe măsură ce business-ul — și infrastructura de bază — continuau să se schimbe în jurul ei.

IDS a livrat platforma de la un capăt la altul (servicii Python și .NET, acoperire automată de testare încă din prima zi), rulând în paralel un traseu structurat de transfer de cunoștințe — asociind ingineri IDS cu echipa internă a clientului pe tot parcursul proiectului, nu doar într-o săptămână de predare la final.

IDS a livrat dezvoltare full-stack (backend Java, front end React), cu un flux dedicat de QA rulând în paralel încă de la început — testare funcțională, de regresie și de performanță integrată în fiecare sprint — sub coordonarea unui singur program manager, responsabil deopotrivă de scop, termene și calitate.

IDS a realizat o evaluare a costurilor și a arhitecturii în ambele medii, AWS și Azure, apoi a proiectat o strategie multi-cloud raționalizată — păstrând fiecare furnizor pentru sarcinile de lucru la care excela, eliminând pipeline-urile duplicate și aplicând rightsizing și planificare de capacitate rezervată acolo unde risipa era cea mai mare.

IDS a arhitecturat o platformă de analiză de rețea cloud-native pe BigQuery și Dataflow, construită pentru ingestie în streaming la scară telco, înlocuind încărcările batch nocturne cu procesarea evenimentelor de rețea aproape în timp real.

IDS a construit un strat semantic guvernat pe Delta Lake, care a normalizat modelele de date ale clienților într-o structură consecventă, pe care asistentul GenAI o putea interoga în mod fiabil, apoi a sprijinit echipa internă în construirea propriei capacități de data science pentru a-l întreține și extinde.

IDS a reconstruit pipeline-ul de fraudă pe date de tranzacții guvernate, apoi a operaționalizat modelul folosind Databricks și MLflow pentru urmărirea experimentelor, versionare și reantrenare automată, Azure ML ocupându-se de lansare și de monitorizarea driftului.

IDS a migrat infrastructura QlikView către Qlik Sense, reconstruind stratul semantic printr-un model de self-service guvernat — buyerii puteau explora singuri vânzările efective, acoperirea stocurilor și impactul reducerilor de preț, fără să mai aștepte echipa de BI pentru fiecare nouă analiză.

Echipa de BI a IDS a fost angajată în urma unei recomandări din partea unui furnizor de platforme de date, în mod specific pentru traseul de migrare documentat de la Cognos la Power BI.