Przejdź do treści

BI / Data / Analytics Lead

Z chaosu danych —
jedno źródło prawdy.

Projektuję nowoczesny stack danych (Snowflake, data mesh na Azure, Power BI) i zamieniam rozproszone raporty w samoobsługową analitykę z jasnymi zasadami governance, na której opierają się decyzje finansowe i operacyjne.

Zobacz realizacje LinkedIn

wiele rozproszonych źródeł → jedno źródło prawdy

ExcelCSVSQLAPIERPe-mail → jeden model

24 rozproszonych źródeł → 1 źródło prawdy

01Realizacje

Projekty zanonimizowane: sektor zamiast nazw klientów (NDA). Liczby w wizualizacjach są przykładowe, metryki skali realne.

FMCG / E-commerce

Konsolidacja rozproszonego raportowania w Snowflake

P: Raportowanie rozproszone między wieloma niespójnymi źródłami, bez wspólnej definicji metryk.
A: Poprowadziłem migrację end-to-end do Snowflake, konsolidując dane w jedną, zarządzaną warstwę raportową.
R: Wspólne definicje KPI i jedna warstwa raportowa dla wszystkich zespołów.

SnowflakeELTKPI governance

¹ klient zastrzeżony (NDA) · liczby poglądowe

FMCG / E-commerce

Data mesh i samoobsługa domen biznesowych

P: Centralny zespół danych był wąskim gardłem dla rosnącej liczby zapotrzebowań.
A: Zaprojektowałem architekturę data mesh na Azure, która oddaje domenom dane jako produkt.
R: Domeny przeszły na samoobsługę bez utraty governance i jakości.

AzureData meshData quality

¹ klient zastrzeżony (NDA) · liczby poglądowe

FMCG / Finanse

Power BI na setki odbiorców i bezpieczne rozliczanie premii

P: Setki odbiorców i zarząd potrzebowali wiarygodnych dashboardów; rozliczenie premii było podatne na błędy.
A: Zbudowałem automatyczne dashboardy finansowo-sprzedażowe z RLS per region i proces rekoncyliacji premii.
R: ~600 odbiorców i ~50 raportów dla centrali w jednym standardzie, z zabezpieczoną poprawnością wypłat.

Power BIDAX / RLSReconciliation

¹ klient zastrzeżony (NDA) · liczby poglądowe

GenAI / Enablement

Pilotaż agenta wiedzy dla analityków

P: Logika raportów i reguły biznesowe żyły w głowach ludzi, spowalniając onboarding.
A: Pracuję z GenAI na co dzień (Power BI Copilot) i buduję pilotaż agenta wiedzy na Copilot 365, który zbiera logikę raportową.
R: Pilotaż w toku. Cel: wiedza o raportach dostępna od ręki i krótszy onboarding.

Power BI CopilotCopilot 365MCP

¹ klient zastrzeżony (NDA) · liczby poglądowe

Bankowość

Kontrole integralności kodów transakcyjnych

P: Spójność kodów transakcyjnych w systemach globalnych wymagała ścisłego nadzoru.
A: Zbudowałem kontrole i narzędzia nadzorujące integralność kodów, z automatyzacją w MS Access i VBA.
R: Spójność kodów pod stałą, automatyczną kontrolą.

MS AccessVBAControls

¹ klient zastrzeżony (NDA) · liczby poglądowe

Financial Crime / AML

Mniej fałszywych alarmów w monitoringu transakcji

P: Scenariusze monitoringu generowały zbyt wiele fałszywych alarmów, obciążając zespół.
A: Stroiłem scenariusze AML (wskaźniki detekcji i parametry) pod kątem trafności.
R: Mniej fałszywych alarmów; uwaga zespołu na realnie istotnych przypadkach.

AMLTransaction monitoringScenario tuning

¹ klient zastrzeżony (NDA) · liczby poglądowe

02Kompetencje

Cały stack danych: od architektury i modelowania, przez governance i jakość, po warstwę prezentacji i automatyzację.

model

Model w gwiazdę: tabela faktów i wspólne wymiary. Fundament wydajnego, łatwego w utrzymaniu modelu semantycznego.

Revenue YoY %.dax

Revenue YoY % =
VAR _cur = [Total Revenue]
VAR _prior =
    CALCULATE (
        [Total Revenue],
        SAMEPERIODLASTYEAR ( 'Date'[Date] )
    )
RETURN
    DIVIDE ( _cur - _prior, _prior )

DAX w praktyce: czytelne, zoptymalizowane miary z VAR/RETURN zamiast kosztownych iteracji.

Platforma danych

SnowflakeAzure (data mesh)ETL / ELTSQLArchitektura warstwowa

Modelowanie semantyczne

Modelowanie wymiaroweDAXPower Query (M)Tabular EditorRLSTuning wydajności

Governance i jakość

Governance KPIJakość danychRekoncyliacjaDokumentacja

Raportowanie i UX

Power BIDashboardy fin./sprzedażRaporty zarządczeFigma (UX)

AI i automatyzacja

GenAI / LLMPower BI CopilotMCPPower AutomateAlteryxVBA

Narzędzia

Zaawansowany ExcelPythonJiraAgile

03W liczbach

Skala, w jakiej pracuję

Skala wdrożeń, którymi kierowałem.

EXP

~10 lat

w BI i analityce danych

TEAM

10 osób

zespół analityczny pod moim kierunkiem

REACH

~600

odbiorców dashboardów w jednej organizacji

EXEC

~50

raportów dedykowanych dla zarządu i centrali

04Podejście

Jak pracuję: od pierwszego pytania biznesowego do raportu, któremu można zaufać.

01

Najpierw decyzja, potem dane

Zaczynam od pytania, na które ma odpowiadać raport — nie od dostępnych tabel.

02

Wspólna warstwa danych

Konsoliduję rozproszone dane w jedną warstwę o wspólnych definicjach metryk i jasnym governance.

03

Wydajność i poprawność

Optymalizuję modele tak, by raporty były szybkie, a liczby zgadzały się co do grosza.

04

Samoobsługa i dokumentacja

Oddaję zespołom narzędzia i procedury, dzięki którym analityka skaluje się bez wąskiego gardła.

05O mnie

Jestem liderem BI/Data z około dziesięcioletnim doświadczeniem w bankowości, fintechu, FMCG i e-commerce. Łączę architekturę nowoczesnego stacku danych z odpowiedzialnością za to, by liczby były poprawne, a raporty faktycznie używane.

Prowadziłem dziesięcioosobowy zespół analityczny w modelu Agile, współpracując z finansami, sprzedażą i zarządem. Odpowiadałem za migrację do Snowflake, projekt data mesh na Azure oraz wdrożenia Power BI na setki odbiorców.

Na co dzień stosuję GenAI we wspomaganiu pracy analitycznej i jako aktywny trener Power BI (wcześniej trener Excela) przekładam złożone tematy danych na język decydentów.

Kontakt

Porozmawiajmy o danych.

Szukasz kogoś, kto uporządkuje analitykę i zbuduje raporty, którym ufa zarząd? Napisz do mnie — odpowiadam w ciągu 24 godzin.

Dostępny — projekty / role senior

e-mail LinkedIn