Good World Solutions

LaborLink, narzędzie umożliwiające prowadzenie dwustronnej komunikacji pomiędzy firmami i pracownikami fabryk celem poprawy warunków pracy.

#JavaScript

#Ruby

#Produkcja i logistyka

#Poprawienie wydajności

#zarządzanie danymi

#przetwarzanie danych

#app


Wyzwanie

Good World Solutions (GWS) to przedsiębiorstwo społeczne o charakterze niezarobkowym z wizją, wedle której każdy pracownik powinien mieć możliwość darmowego i anonimowego zgłaszania osobom decyzyjnym zastrzeżeń dotyczących warunków pracy, informowania o swoich potrzebach oraz wyrażania opinii. Jedną z najważniejszych wartości GWS jest wiara w to, że przepływ informacji i przejrzystość mogą zmienić warunki panujące w miejscu pracy, jak i jakość życia.

Aby polepszyć warunki pracy osób zatrudnionych w fabrykach, Good World Solutions (GWS) wprowadziło LaborLink, narzędzie do dwustronnej komunikacji pomiędzy firmami i pracownikami. Umożliwia ono pracownikom informowanie o warunkach pracy anonimowo i bez obawy przed negatywnymi konsekwencjami. Firmy natomiast otrzymują informacje w czasie rzeczywistym, bezpośrednio od zatrudnionych, przez 365 dni w roku. Od 2010 roku z LaborLink skorzystało ponad 600 000 pracowników z ponad 16 krajów. GWS dąży do tego, aby ich liczba do 2018 roku osiągnęła milion.

Po samodzielnym opracowaniu pierwszej wersji roboczej platformy LaborIQ, GWS zaczęło szukać partnera technologicznego celem przyśpieszenia jej rozwoju. SolDevelo dołączyło do projektu w trakcie prac nad wczesnymi wersjami platform LaborIQ i LaborPulse.

Do przesyłania danych w czasie rzeczywistym niezbędne jest skonstruowanie wydajnego i niezawodnego systemu do przetwarzania danych i zarządzania nimi. SolDevelo dysponowało umiejętnościami technicznymi oraz zapleczem niezbędnym do tego, by wspomóc zespół GWS w opracowaniu stosownego rozwiązania mającego na celu automatyzację kluczowych czynności w LaborLink. Bez pomocy i doświadczenia SolDevelo, GWS i LaborLink nie byłyby dziś tu, gdzie są obecnie.
Pracownicy fabryki

Problem

W LaborLink początkowo wdrażano i doskonalono proces analizy i walidacji ankiet przy częstym zastosowaniu czynności wykonywanych ręcznie, obliczonych na osiągnięcie wysokiej funkcjonalności. Pomimo prawidłowego działania, proces ten okazał się czasochłonny i niemal nieskalowalny. Ponadto analiza całości zbioru danych była wręcz niemożliwa.

Z myślą o przyszłości, GWS zaczęło dążyć do zbudowania wewnętrznego narzędzia do zarządzania danymi, LaborIQ, nie tylko w celu usprawnienia procesu przetwarzania znacznej ilości otrzymywanych danych, lecz też, by zacząć automatyzować dotychczasowe procesy, aby były one skalowalne. Kolejnym krokiem była automatyzacja jednej z najbardziej czasochłonnych czynności w każdej ankiecie – oceny i walidacji odpowiedzi. Ponadto GWS pozyskiwało dane z kilku źródeł, przez co były one przesyłane w różnych rodzajach i formatach plików.

Kolejnym wyzwaniem dla GWS było monitorowanie wyników prac związanych z gromadzeniem danych w operacjach globalnych. Aby uniknąć zakłóceń w działaniu usługi i polepszyć czas jej działania, zespół GWS musiał poświęcać dużo czasu na manualne nadzorowanie czynności technicznych, przez co konieczna była praca zmianowa przez 24 godziny na dobę, 7 dni w tygodniu.
Pracownicy fabryki

Rozwiązanie

Pierwszym przedsięwzięciem była automatyzacja procesu walidacji odpowiedzi oraz stworzenie narzędzia wizualnego dla pracowników GWS służącego do oceny i nadzoru procesu importowania danych.

SolDevelo pracowało także nad usprawnieniem procesu importu poprzez zwiększenie liczby formatów danych wspieranych przez LaborIQ, zbudowanie kolejki procesów oraz znaczne zmniejszenie czasu danego importu.

Ruby on Rails, framework, który zastosowano przy tworzeniu narzędzi GWS, nie jest przeznaczony dla aplikacji zmuszonych prztewarzać znaczną ilość danych w krótkim czasie. W związku z tym zespół SolDevelo skupił się na wykorzystaniu jego użytecznych funkcji i integracji własnych rozwiązań celem przyspieszenia procesu przetwarzania danych i polepszenia wydajności aplikacji.

Aby rozwiązać problem manualnego nadzorowania czynności technicznych, GWS opracowało narzędzie do nadzoru operacji zwane LaborPulse. Monitoruje ono wszystkie czynności związane z ankietami mające miejsce w całej sieci GWS przez 24 godziny na dobę, 7 dni w tygodniu i wysyła powiadomienie w razie wystąpienia problemów, np. częstych błędów DTMF lub znacznej liczby przerwanych połączeń. LaborPulse jest kluczowe w zmniejszaniu obciążenia pracą i zarazem ograniczaniu czasu przestojów oraz reakcji personelu GWS na problemy. SolDevelo przyczyniło się również do rozwoju pierwszej wersji platformy LaborPulse oraz miało wkład w stworzenie podstawowej struktury do zarządzania danymi i komunikacji pomiędzy wszystkimi narzędziami GWS.

Wynik

Po automatyzacji przetwarzania ankiet GWS odnotowało skrócenie czasu przeznaczanego na ocenę i walidację nadsyłanych danych o 47%. Znacząco również zmniejszyła się liczba błędów występujących w trakcie przetwarzania danych.

SolDevelo udowodniło, że jest godnym zaufania partnerem dla GWS i stało się ich pierwszym wyborem przy zwiększaniu zespołu deweloperskiego. Współpraca z SolDevelo skróciła cykl rozwoju produktu w GWS i umożliwiła klientowi szybsze działania oraz osiąganie lepszych wyników. Dodanie narzędzia do zapewnienia jakości odegrało znaczącą rolę w usprawnieniu wdrożeń produkcyjnych w GWS, zmniejszając listę usterek wykrywanych po wydaniu.

W przyszłości praca w GWS będzie skupiać się na ciągłym ulepszaniu obu platform, LaborIQ oraz LaborPulse. SolDevelo będzie również miało wkład w rozwój następnej generacji portalu klienta LaborLink, MyLaborLink.
Pracownicy fabryki

Referencje

Ryan Whitney

"Prawdę mówiąc, stosunek jakości do ceny w przypadku SolDevelo jest niezrównany. Firma ta tworzy oprogramowanie na najwyższym poziomie i działa szybko, jest też jednym z najważniejszych współtwórców naszego kodu oraz designu. SolDevelo dostosowuje się również do zmieniających się realiów produktowych."

Ryan Whitney Dyrektor ds. rozwoju produktu, Good World Solutions

Użyte technologie

Ruby Ruby on Rails JavaScript jQuery PostgreSQL

PDF studium przypadku