Forecasting OTF untuk Perusahaan Roti

Perencanaan order-to-fulfil (OTF) di Microsoft Fabric untuk merek roti nasional: dashboard forecasting yang memakai data penjualan riil klien sejak Oktober 2026, dengan aliran data dari database on-premise melalui pipeline medallion berbasis data contract.

~21 s to ~1.1 s
Waktu hingga byte pertama setelah mengatasi throttling
61.0 s vs 9.5 s
Beban identik sebanyak 140 request pada capacity kecil vs lebih besar
~5 weeks
Dari commit pertama hingga deployment produksi

Peran: Engineer tunggal, bertanggung jawab atas operasional
Periode: Agu 2026 hingga Sekarang
Klien: Merek roti nasional
Jenis proyek: Pilihan
Ruang di HQ 3D: L3:fabric-forecasting-dashboard

Situasi

Tim perencana di sebuah merek roti nasional membutuhkan dashboard forecasting permintaan, tetapi data penjualan dan master data berada di database on-premise. Rilis pertama cepat masuk production di Microsoft Fabric, lalu pemuatan tersendat sekitar 21 detik. Kebutuhan berikutnya adalah pipeline dari data sumber milik klien, dan saya adalah engineer tunggal yang juga bertanggung jawab atas operasional.

Peran dan keputusan utama

Mengukur capacity throttling sebelum mengubah jalur data
Alasan: Zero-row probe dan capacity probe menunjukkan throttling sekaligus mengoreksi diagnosis saya sebelumnya, jadi perbaikannya menyasar capacity: pembacaan 83.824 baris diganti dengan sekitar 3.000 agregat yang di-stream.
Membangun pipeline medallion berbasis data contract yang bisa berhenti dan dilanjutkan
Alasan: Data klien berada di SQL Server on-premise, jadi data contract, audit pemuatan bronze, aturan data quality silver, dan sinkronisasi aplikasi dengan rekonsiliasi membuat setiap tahap bisa diperiksa. Sejak 8 Okt 2026, dashboard berjalan dengan data riil klien.
Menyusun dashboard menjadi lima halaman yang mengikuti workbook tim perencana
Alasan: Tim perencana sudah menggunakan workbook dalam pekerjaannya, sehingga tabel OTF mengikuti urutan kolom workbook tersebut. Drawer menjelaskan setiap forecast serta menyimpan penyesuaian forecaster.

Hasil

~21 s to ~1.1 s
Waktu hingga byte pertama setelah mengatasi throttling
Diukur setelah menghapus index yang banyak memakai capacity dan beralih ke agregat yang di-stream.
61.0 s vs 9.5 s
Beban identik sebanyak 140 request pada capacity kecil vs lebih besar
Capacity probe mengisolasi jeda admission per request akibat throttling.
~5 weeks
Dari commit pertama hingga deployment produksi
Berdasarkan riwayat repositori dan deployment.
11.7 MB → 156 KB
Data per pemuatan halaman ringkasan nasional dengan data riil klien, dari 39 request menjadi 5
Diukur dalam catatan pull request setelah agregasi dipindahkan ke tabel ringkasan gold pada kapasitas F2, Okt 2026. Satu baris per toko dan SKU juga memangkas pemuatan tabel forecast dari 14,1 MB menjadi 2,5 MB pada fixture skala besar.

Pelajaran

Planner datang untuk meninjau dan menyesuaikan rencana, bukan untuk melihat chart, jadi dashboard dimulai dari rencana, dan setiap angka berasal dari satu run Fabric yang menjadi sumbernya. Dua baseline sama saja dengan tidak ada baseline.