Коротко про головне (Key Takeaways)
- Масштаб Big Data: переклад навчальних матеріалів обсягом у кілька мільйонів слів трохи більше ніж за рік.
- Інновація 2012: раннє впровадження хмарної пам'яті перекладів (Memsource), що дозволило командну роботу в реальному часі.
- Інженерний підхід: використання кастомних скриптів для конвертації «сирих» CSV-файлів у HTML, що захистило код від пошкоджень.
- Ефективність: реалізація гігантського проєкту силами команди з менш ніж 10 осіб.
- Корпоративна єдність: створення єдиної методології управління процесами для всієї групи заводів SABMiller у Польщі.
Контекст: Одна система, щоб керувати всім
Впровадження глобального стандарту SAP у Kompania Piwowarska (частина тодішнього гіганта SABMiller) було операцією на живому організмі підприємства. Щоб співробітники могли ефективно використовувати нове середовище, необхідно було перекласти гігантський обсяг технічної документації, навчальних матеріалів та інтерфейсів. Йдеться про обсяг порядку кількох мільйонів слів.
Виклик полягав не лише в кількості, а й у формі. Клієнт надавав дані у «сирих» файлах CSV, згенерованих безпосередньо з бази даних. Структура була жорсткою: переклад мав потрапити у чітко визначене місце (наприклад, точно після сьомої коми багатомовного документа). Будь-яка помилка – видалення коми чи порушення лапок – загрожувала критичним збоєм при імпорті даних назад у SAP.
Розробники на службі перекладу: вирішення проблеми CSV
Робота з такими файлами в Excel була неможливою – ризик людської помилки при тисячах рядків був занадто високим. Нам потрібне було рішення, яке відокремить технічний шар від мовного. Замість ручного перекладу в таблицях, ми зробили ставку на локалізаційний інжиніринг.
Разом із програмістом ми розробили авторський скрипт, який автоматизував процес:
- Крок 1 (Екстракція): скрипт витягував контент для перекладу (вбудований у код HTML) з файлу CSV і зберігав його у форматі HTML.
- Крок 2 (Обхід системи): так підготовлені файли ми імпортували в систему Memsource. Парсер CAT-інструменту розпізнавав теги HTML і... приховував їх від перекладача. Перекладач бачив чистий текст, а структура документа залишалася безпечною «під капотом».
- Крок 3 (Реконструкція): після завершення перекладу другий скрипт декодував файли та вставляв польський текст ідеально у потрібне місце в структурі CSV.
Завдяки цьому «хакерському» підходу ми знизили ризик пошкодження коду майже до нуля.
Хмари у 2012 році: робота в реальному часі
Сьогодні робота в хмарі – це стандарт, але у 2012 році перекладацька галузь все ще покладалася на файли, що пересилалися електронною поштою. Ми вирішили ризикнути та впровадити систему Memsource (нині Phrase) у серверній версії.
Це була революція продуктивності. Команда, що складалася лише з 10 перекладачів та 2 коректорів, працювала з єдиною спільною пам'яттю перекладів (Translation Memory). Коли один перекладач затверджував термін, наприклад, «коригувальна фактура», решта команди за долі секунди бачила цей переклад як підказку у своїх сегментах. Це забезпечило залізну термінологічну узгодженість, що є критично важливим для документації SAP.
Результат: Мільйони слів, єдиний стандарт
Проєкт завершився повним успіхом. У відносно короткий термін і за участі невеликої, але вузькоспеціалізованої команди ми надали повну локалізовану документацію. Використання локальних словників SAP Term та суворий контроль якості (QA) забезпечили безперешкодне впровадження системи на пивоварному заводі.
Цей досвід навчив мене, що у великих перекладацьких проєктах технології такі ж важливі, як і лінгвістика. Добре написаний скрипт може заощадити сотні годин ручної праці.
