W procesach Compensation & Benefits największym wyzwaniem jest niejednorodność danych. Dane z SAP, Workday czy lokalnych arkuszy Excel często mają różne formaty, nazewnictwo i błędy. Pandas pozwala mi na stworzenie powtarzalnych potoków danych (pipelines), które:
Pobieranie danych z plików .xlsx, .csv, baz SQL czy API systemów HRIS.
Kalkulacje Compa-Ratio, luki płacowej, centyli i mapowanie stanowisk.
Generowanie gotowych raportów w Excelu, dashboardów w Tableau lub plików do importu.
Poniżej przykład prostego skryptu, który automatycznie standaryzuje dane płacowe z różnych działów:
| name | salary | midpoint |
|---|---|---|
| Anna Nowak | 7000 | 9500 |
| Jan Kowalski | 12000 | 12500 |
| Piotr Wisła | 16500 | 13000 |
df['compa_ratio'] = df['salary'] / df['midpoint']
| name | salary | midpoint | compa_ratio | alert |
|---|---|---|---|---|
| Anna Nowak | 7000 | 9500 | 74% | Verify |
| Jan Kowalski | 12000 | 12500 | 96% | OK |
| Piotr Wisła | 16500 | 13000 | 127% | Verify |
Zamiast spędzać 3 dni nad Excelem co miesiąc, zróbmy to w 3 sekundy jednym kliknięciem.
Zapytaj o darmową konsultację ETL