Z no-code do skalowalnego backendu: cyfrowa transformacja Cardino
O projekcie
Cardino to innowacyjna platforma B2B dedykowana dealerom samochodowym, umożliwiająca zakup i sprzedaż pojazdów elektrycznych oraz hybryd plug-in. Firma codziennie dostarcza nowe oferty pojazdów różnych marek i modeli, zarówno prawie nowych, jak i używanych, pochodzących z Europy. Wyróżnia się ustandaryzowanym procesem weryfikacji pojazdów, obejmującym historię serwisową, stan techniczny oraz raporty dotyczące baterii.
Migracja systemów IT
Poprawa wydajności systemu
Rozszerzenie działalności na nowe rynki
Back-end Development
Standaryzacja procesów technicznych
Opracowanie ingestion pipeline
Cyfrowa transformacja
Od wyzwania
Kluczowe wyzwania
- Problemy z wydajnością i skalowalnością (przy wzroście sprzedaży z 40 do 400 pojazdów miesięcznie);
- Zależność od zewnętrznych operatorów i ich awaryjności (przestoje nawet do 24h);
- Brak pełnej kontroli nad danymi i logiką biznesową.
Brak jednolitego formatu danych – Dane o pojazdach dostarczane były w różnych formatach (JSON, PDF, różne języki), co wymagało standaryzacji i integracji.
Konieczność automatyzacji – Manualne wystawianie aukcji było czasochłonne i podatne na błędy. Automatyzacja procesu miała zwiększyć efektywność oraz obniżyć koszty operacyjne.
Kluczowe wymagania funkcjonalne
Obsługa danych pojazdów w różnych strukturach i językach (PDF, JSON).
Przetwarzanie danych i standaryzacja ich zgodnie z wymaganiami platformy.
Integracja z wieloma dostawcami samochodów.
Automatyzacja procesu tworzenia aukcji – minimalizacja ręcznej pracy przy dodawaniu nowych ofert.
Minimalizacja błędów ludzkich – zapewnienie wysokiej jakości danych na platformie.
Monitoring procesu sprzedaży – zapewnienie stabilności operacyjnej.
Przez rozwiązanie
Przez rozwiązanie
Migracja do Kotlin i Spring Boo
- Eliminacja no-code i zastąpienie go skalowalnym backendem.
Stworzenie ingestion pipeline
- Modułowa architektura umożliwiająca łatwą integrację z nowymi dostawcami pojazdów.
Implementacja mikrousług
- Integracja z systemem FINN za pomocą Rest API.
- Integracja z Trading Solutions przez Octoparse API.
Automatyzacja przetwarzania danych
- Standaryzacja i analiza danych z różnych źródeł w celu ujednolicenia ich do jednego formatu.
Monitoring i skalowalność
- Wykorzystanie Kubernetes oraz Argo CD do zarządzania wdrożeniami i optymalizacji zasobów.
Po sukces
Efekty technologiczne
Uruchomienie automatycznego pipeline
Dane z API dostawców są pobierane i publikowane na platformie Cardino bez udziału użytkowników.
Eliminacja no-code
Przejście na pełne kodowanie pozwoliło na lepszą kontrolę nad logiką biznesową i optymalizację procesów.
Zwiększona wydajność
System jest teraz w pełni skalowalny i może dynamicznie dostosowywać się do rosnącej liczby pojazdów.
Business Benefits
Redukcja kosztów operacyjnych
Automatyzacja procesów zmniejszyła zapotrzebowanie na manualne zarządzanie ofertami.
Zwiększona sprzedaż
Cardino może obsługiwać więcej transakcji miesięcznie, zwiększając przychody.
Minimalizacja błędów ludzkich
Standaryzacja danych i automatyzacja zmniejszyły liczbę błędów w aukcjach.
Zespół projektowy
Mirek
Backend developer
Metodyka zarządzania projektem
Projekt realizowano w metodologii Kanban, co pozwoliło na bieżącą priorytetyzację zadań bez konieczności planowania sprintów. Wyzwania podczas wdrożenia:
- Brak środowiska testowego – Kod wdrażany był bezpośrednio na produkcję, co było ryzykowne w kontekście stabilności systemu.
- Brak testerów – Procesy testowe były ograniczone do wewnętrznych weryfikacji kodu przez zespół deweloperski.
Tech stack
Kotlin
SpringBoot
JOOQ
ArgoCD
Make
Kubernetes
AWS
RDS
PostgreSQL
Datadog
Twoja sukces to nasz sukces!
Zobacz, jak możemy wspólnie zbudować technologiczną przewagę dla Twojej firmy
Mamy zespół, który naprawdę zna się na rzeczy — pomożemy Ci znaleźć rozwiązanie, które działa.
Wnioski i rekomendacje
Kluczowe lekcje
Warsztaty FlowBoost.pro - Pozwoliły na szybkie rozeznanie środowiska klienta i udokumentowanie najważniejszych informacji (domeny, zasad, zmagań).
Najlepsze praktyki
Automatyzacja i monitoring – ArgoCD oraz Kubernetes zapewniają większą stabilność i lepszą kontrolę nad wdrożeniami.
Rola testerów jest kluczowa – Brak środowiska testowego generował dodatkowe ryzyko wdrożeniowe.
Modularny ingestion pipeline – Pozwala na łatwe skalowanie i dostosowanie do nowych dostawców danych.
Miro jako narzędzie planowania – Wizualizacja procesów w Miro pomogła w organizacji pracy i synchronizacji zespołu technicznego z biznesem.
Dokumentacja w Miro – Poprawia przejrzystość i komunikację w zespole.
