W skrócie (Key Takeaways)
- Skala Big Data: tłumaczenie materiałów szkoleniowych o objętości kilkunastu milionów słów w nieco ponad rok.
- Innowacja 2012: wczesna adaptacja chmurowej pamięci tłumaczeń (Memsource), umożliwiająca pracę zespołową w czasie rzeczywistym.
- Inżynieria procesu: zastosowanie autorskich skryptów konwertujących surowe pliki CSV na format HTML, co zabezpieczyło kod przed uszkodzeniem.
- Efektywność: realizacja gigantycznego projektu przy udziale niespełna 10-osobowego zespołu.
- Spójność korporacyjna: współtworzenie jednolitej metodologii zarządzania procesami dla browaru grupy SABMiller w Polsce.
Kontekst: Jeden system, by wszystkimi rządzić
Wdrożenie globalnego standardu SAP w Kompanii Piwowarskiej (części ówczesnego giganta SABMiller) było operacją na żywym organizmie przedsiębiorstwa. Aby polscy pracownicy mogli efektywnie korzystać z nowego środowiska, konieczne było przetłumaczenie gigantycznej ilości dokumentacji technicznej, szkoleniowej oraz interfejsu. Mówimy tu o wolumenie rzędu kilkunastu milionów słów.
Wyzwanie polegało nie tylko na ilości, ale i na formie. Klient dostarczał dane w surowych plikach CSV, wygenerowanych bezpośrednio z bazy danych. Struktura była sztywna: tłumaczenie musiało trafić w precyzyjnie określone miejsce (dokładnie po siódmym przecinku wielojęzycznego dokumentu). Każdy błąd – usunięcie przecinka czy naruszenie cudzysłowu – groził błędem krytycznym przy imporcie danych z powrotem do SAP.
Programiści w służbie tłumaczeń: rozwiązanie problemu CSV
Praca na takich plikach w Excelu była niemożliwa – ryzyko ludzkiego błędu przy tysiącach wierszy było zbyt duże. Potrzebowaliśmy rozwiązania, które oddzieli warstwę techniczną od językowej. Zamiast tłumaczyć ręcznie w arkuszach, postawiliśmy na inżynierię lokalizacji.
Wraz z programistą opracowaliśmy autorski skrypt, który zautomatyzował proces:
- Krok 1 (ekstrakcja): skrypt wyciągał treść do tłumaczenia osadzoną w kodzie HTML z pliku CSV i zapisywał w formacie HTML.
- Krok 2 (oszukanie narzędzia): tak przygotowane pliki importowaliśmy do systemu Memsource. Parser narzędzia CAT rozpoznawał znaczniki HTML i... ukrywał je przed tłumaczem. Tłumacz widział czysty tekst, a struktura dokumentu była bezpieczna "pod spodem".
- Krok 3 (rekonstrukcja): po zakończeniu tłumaczenia, drugi skrypt dekodował pliki i wstawiał polski tekst idealnie w wymagane miejsce w strukturze CSV.
Dzięki temu hakerskiemu podejściu wyeliminowaliśmy ryzyko uszkodzenia kodu niemal do zera.
Chmura w 2012 roku: praca w czasie rzeczywistym
Dziś praca w chmurze to standard, ale w 2012 roku branża tłumaczeniowa wciąż opierała się na plikach przesyłanych mailami. My postanowiliśmy zaryzykować i wdrożyć system Memsource (obecnie Phrase) w wersji serwerowej.
To była rewolucja w wydajności. Zespół składający się z zaledwie 10 tłumaczy i 2 korektorów pracował na jednej, współdzielonej pamięci tłumaczeniowej (Translation Memory). Gdy jeden tłumacz zatwierdził termin np. "faktura korygująca", reszta zespołu ułamki sekund później widziała to tłumaczenie jako podpowiedź w swoich segmentach. Zapewniło to żelazną spójność terminologiczną, kluczową przy dokumentacji SAP.
Efekt: Miliony słów, jeden standard
Projekt zakończył się pełnym sukcesem. W relatywnie krótkim czasie i przy zaangażowaniu małego, ale wysoce wyspecjalizowanego zespołu, dostarczyliśmy kompletną, spolonizowaną dokumentację. Użycie lokalnych słowników SAP Term oraz rygorystyczna kontrola jakości (QA) sprawiły, że wdrożenie systemu w poznańskim browarze przebiegło bez przeszkód językowych.
To doświadczenie nauczyło mnie, że w dużych projektach tłumaczeniowych technologia jest tak samo ważna jak lingwistyka. Dobrze napisany skrypt potrafi zaoszczędzić setki godzin pracy ręcznej.
Zweryfikowane odniesienia
