Przygotowanie oraz prowadzenie szkoleń pn. ANALITYK DANYCH w ramach realizacji projektu "Rozwój kompetencji przyszłości dopasowanych do oczekiwań rynku pracy i pracodawców"
Notice description
Powstaje w kontekście projektu:
FERS.01.05-IP.08-0473/23 - Rozwój kompetencji przyszłości dopasowanych do oczekiwań rynku pracy i pracodawców
A. Usługa obejmuje przygotowanie oraz prowadzenie 10 (słownie dziesięciu) edycji szkolenia pn. ANALITYK DANYCH. Szkolenia będą realizowane przez maksymalnie w sumie 100 dni szkoleń w ramach których przeprowadzonych zostanie maksymalnie 900 godzin dydaktycznych, w okresie od listopada 2026 roku do grudnia 2029 roku. Każda edycja szkolenia liczy 10 dni, tj. 90 godzin dydaktycznych, po 9 godzin dydaktycznych każdego dnia z przerwami. Szkolenia będą realizowane w formule hybrydowej - 5 dni online oraz 5 dni stacjonarnie w każdej edycji szkolenia, 2 dni w tygodniu przez 5 tygodni w ramach jednej edycji szkolenia. Średnio będą realizowane 2 edycje szkolenia w każdym roku kalendarzowym we wskazanym okresie. Orientacyjny termin realizacji edycji szkolenia Zamawiający poda Wykonawcy na 30 dni kalendarzowych przed realizacją danej edycji szkolenia. Zajęcia stacjonarne w danej edycji szkolenia będą prowadzone albo w Krakowie, albo w Dąbrowie Górniczej. Sale na przeprowadzenie szkoleń wraz z niezbędnym wyposażeniem zapewnia Zamawiający. Zamawiający poinformuje Wykonawcę o dokładnym miejscu szkolenia na 5 dni roboczych przed realizacją danej edycji szkolenia. Zamawiający zapewnia, że każde miejsce, w którym będzie realizowane przedmiotowe szkolenie będzie dostosowane do osób ze szczególnymi potrzebami. Zamawiający zakłada, że w każdej edycji szkolenia weźmie udział średnio 8 uczestników.
B. Ostateczne potwierdzenie terminu szkolenia oraz liczba uczestników danego szkolenia będzie wskazana przez Zamawiającego najpóźniej na 5 dni roboczych przed realizacją danej edycji szkolenia.
C. Szkolenia mają zostać przygotowane oraz zrealizowane z uwzględnieniem wszystkich wymagań Zamawiającego wskazanych w niniejszym opisie – w szczególności w zakresie dopasowania do profilu grupy docelowej, celu szkolenia, efektów szkolenia, programu szkolenia, metod, środków dydaktycznych, metodologii.
D. Grupa docelowa szkoleń: osoby w wieku 18-64 lata, zamieszkałe na terenie Polski. Szkolenie kierowane jest głównie do osób, dla których pogłębienie wiedzy, uzupełnienie luk kompetencyjnych, przekwalifikowanie będzie przepustką do wejścia/ powrotu/ utrzymania się na rynku pracy.
E. Cel szkolenia: przygotowanie uczestników do samodzielnego zbierania, przetwarzania, analizowania i interpretowania danych w sposób wspierający podejmowanie decyzji biznesowych i operacyjnych. Szkolenie ma na celu: rozwój praktycznych umiejętności w zakresie pracy z danymi, kształtowanie kompetencji analitycznych, które są coraz bardziej poszukiwane na rynku pracy, zarówno w sektorze prywatnym, jak i publicznym, zapoznanie z metodami raportowania i prezentowania danych, umożliwiającymi efektywne komunikowanie wyników analiz, wzmacnianie zdolności uczestników do podejmowania decyzji opartych na danych, co wspiera rozwój organizacji w kierunku data-driven. Szkolenie wspiera podnoszenie kwalifikacji zawodowych i umożliwia uczestnikom lepsze dostosowanie się do wymagań współczesnego rynku pracy, który coraz częściej opiera się na analizie i wykorzystaniu danych w procesach biznesowych i strategicznych.
F. Efekty szkolenia: uczestnik szkolenia rozumie rolę analityka danych w organizacji – zna etapy cyklu życia danych, rodzaje analiz oraz narzędzia i kompetencje niezbędne w pracy analitycznej. Potrafi pracować z danymi w arkuszu kalkulacyjnym (Excel/Google Sheets) – od wprowadzania danych, przez wykorzystanie formuł, aż po tworzenie dynamicznych raportów i dashboardów. Umie ocenić jakość danych i przeprowadzać ich wstępne czyszczenie – zna podstawy procesu ETL, identyfikuje i usuwa duplikaty, brakujące lub błędne dane.
G. Metody dydaktyczne: wykład, ćwiczenia, dyskusja moderowana (zogniskowana), ‘burza mózgów’, praca indywidualna/zespołowa, case study - studium przypadku, praca warsztatowo-laboratoryjna.
H. Środki dydaktyczne: prezentacja, Laboratoria, praca na systemie Kadrowo – płacowym,
I. narzędzia do zbierania odpowiedzi uczestników (ankiety, Mentimeter), tablica whiteboard (Mural lub Jamboard), flipchart, projektor, opisy przypadków, karty pracy, testy, materiały dydaktyczne.
J. Metodologia prowadzenia zajęć ma się opierać przede wszystkim na aktywnym uczestnictwie w zajęciach z zastosowaniem metod pracy indywidulanej i zespołowej. Weryfikacja nabytych kompetencji/wiedzy będzie zawierała formułę testu/ankiety.
K. Program szkolenia:
1. Wprowadzenie do Świata Analizy Danych – dzień 1, 9 h dydaktycznych:
Część teoretyczna
Kim jest Analityk Danych? Rola, zadania i kompetencje w organizacji.
Cykl życia danych: od pozyskania do prezentacji wyników.
Rodzaje analizy danych: opisowa, diagnostyczna, predykcyjna i preskrypcyjna.
Przegląd kluczowych narzędzi analitycznych (arkusze kalkulacyjne, SQL, Python, Power BI).
Myślenie analityczne: jak zadawać właściwe pytania biznesowe?
Część praktyczna:
Instalacja i konfiguracja środowiska pracy.
Wprowadzenie do arkusza kalkulacyjnego (Excel / Google Sheets) jako podstawowego narzędzia analityka.
Podstawowe operacje: wprowadzanie danych, formatowanie komórek, sortowanie i filtrowanie.
Praca z podstawowymi formułami: SUMA, ŚREDNIA, LICZ.JEŻELI.
Burza mózgów:
W jakich codziennych sytuacjach, poza pracą, podejmujemy decyzje w oparciu o dane, często nie zdając sobie z tego sprawy?
Case study:
Mała, lokalna kawiarnia chce lepiej zrozumieć swoją sprzedaż z ostatniego tygodnia. Uczestnicy otrzymują prosty plik z listą wszystkich transakcji. Ich zadaniem jest uporządkowanie danych i udzielenie odpowiedzi na kluczowe pytania. Muszą obliczyć łączny przychód, znaleźć najlepiej sprzedający się produkt oraz określić dzień z największą liczbą klientów. Te proste analizy pomogą właścicielowi zaplanować promocję i lepiej zarządzać zapasami.
2. Pozyskiwanie i Ocena Jakości Danych – dzień 2, 9 h dydaktycznych:
Część teoretyczna:
Źródła danych: wewnętrzne (systemy CRM, ERP) i zewnętrzne (dane publiczne, API, media społecznościowe).
Formaty plików z danymi (CSV, JSON, XML, XLSX).
Jakość danych: kluczowe wymiary (kompletność, spójność, poprawność, unikalność).
Czym są "brudne dane" (dirty data) i dlaczego stanowią wyzwanie?
o Wprowadzenie do ETL (Extract, Transform, Load).
Część praktyczna:
Importowanie danych do arkusza kalkulacyjnego z różnych źródeł (pliki .csv, .txt, tabele ze stron internetowych).
Wykorzystanie narzędzia Power Query (Dodatek do Excela) do prostego czyszczenia i transformacji danych.
Identyfikacja i oznaczanie duplikatów oraz brakujących wartości.
o Podstawowe techniki walidacji danych.
Burza mózgów:
Jakie mogą być realne, negatywne konsekwencje biznesowe podejmowania decyzji na podstawie danych niskiej jakości?
Case study:
Firma e-commerce przygotowuje się do uruchomienia nowego systemu CRM. Dział marketingu wyeksportował listę klientów z dwóch różnych, starych systemów. Uczestnicy otrzymują dwa pliki, które zawierają niespójne dane, duplikaty i błędy formatowania. Ich zadaniem jest połączenie list i przygotowanie raportu o jakości danych. Raport ma wskazać procent brakujących numerów telefonów i niepoprawnych adresów e-mail. Na tej podstawie firma zdecyduje, czy dane nadają się do migracji i czy można uruchomić kampanię marketingową.
3. Zaawansowana Analiza w Arkuszu Kalkulacyjnym - dzień 3, 9 h dydaktycznych:
Część teoretyczna:
Tabele przestawne: potężne narzędzie do agregacji i analizy wielowymiarowej.
Zaawansowane funkcje wyszukiwania i agregacji: WYSZUKAJ.PIONOWO, INDEKS, PODAJ.POZYCJĘ.
Logika warunkowa w formułach: zagnieżdżone funkcje JEŻELI, SUMA.WARUNKÓW.
Podstawy wizualizacji danych w Excelu: dobór odpowiedniego wykresu do rodzaju danych.
Część praktyczna:
Budowanie rozbudowanych tabel przestawnych z polami i elementami obliczeniowymi.
Łączenie danych z wielu arkuszy za pomocą funkcji wyszukiwania.
Tworzenie interaktywnego dashboardu menedżerskiego w Excelu z wykorzystaniem fragmentatorów i wykresów.
Analiza scenariuszy za pomocą narzędzia "Szukaj wyniku".
Burza mózgów:
Kiedy arkusz kalkulacyjny przestaje być wystarczającym narzędziem i dlaczego analityk powinien sięgnąć po inne technologie?
Case study:
Regionalny menedżer sieci sklepów spożywczych potrzebuje szybkiego podsumowania wyników sprzedaży z ostatniego miesiąca. Otrzymuje jeden, bardzo duży plik z surowymi danymi transakcyjnymi ze wszystkich placówek. Zadaniem uczestników jest stworzenie w Excelu dynamicznego raportu. Raport, oparty na tabelach przestawnych, ma pokazywać wyniki sprzedaży według kategorii produktu, poszczególnych sklepów oraz dni tygodnia. Pomoże to w zidentyfikowaniu najlepiej i najsłabiej radzących sobie produktów i lokalizacji.
4. Wprowadzenie do Baz Danych i Języka SQL - dzień 4, 9 h dydaktycznych:
Część teoretyczna:
Architektura i koncepcja relacyjnych baz danych (tabele, kolumny, wiersze).
Klucze (podstawowy, obcy) i relacje między tabelami.
Wprowadzenie do języka SQL (Structured Query Language).
Podstawowe zapytania: SELECT, FROM, WHERE, ORDER BY, LIMIT.
Najpopularniejsze systemy bazodanowe (PostgreSQL, MySQL, MS SQL Server).
Część praktyczna:
Instalacja i praca z klientem bazy danych (np. DBeaver, pgAdmin).
Wykonywanie pierwszych zapytań do przykładowej bazy danych (np. Sakila).
Filtrowanie danych z użyciem operatorów logicznych (AND, OR, NOT) i porównań (>, <, =).
Sortowanie wyników w różnej kolejności.
Eksport wyników zapytania do pliku CSV.
Burza mózgów:
Dlaczego firmy przechowują dane w ustrukturyzowanych bazach danych, zamiast trzymać wszystko w tysiącach plików Excela?
Case study:
Platforma z kursami online chce przeanalizować podstawowe dane o swoich użytkownikach i kursach. Dane przechowywane są w relacyjnej bazie danych. Uczestnicy mają za zadanie napisać proste zapytania SQL, aby odpowiedzieć na pytania biznesowe. Muszą wyodrębnić listę użytkowników, którzy zarejestrowali się w bieżącym roku. Ciąg dalszy opisu znajduje się w załączniku pod nazwą zapytanie ofertowe
Miejsce realizacji
Kraj: Polska, Województwo: małopolskie, Powiat: Kraków, Gmina: Kraków-Krowodrza, Miejscowość: Kraków
Kraj: Polska, Województwo: śląskie, Powiat: Dąbrowa Górnicza, Gmina: Dąbrowa Górnicza, Miejscowość: Dąbrowa Górnicza
FERS.01.05-IP.08-0473/23 - Rozwój kompetencji przyszłości dopasowanych do oczekiwań rynku pracy i pracodawców
A. Usługa obejmuje przygotowanie oraz prowadzenie 10 (słownie dziesięciu) edycji szkolenia pn. ANALITYK DANYCH. Szkolenia będą realizowane przez maksymalnie w sumie 100 dni szkoleń w ramach których przeprowadzonych zostanie maksymalnie 900 godzin dydaktycznych, w okresie od listopada 2026 roku do grudnia 2029 roku. Każda edycja szkolenia liczy 10 dni, tj. 90 godzin dydaktycznych, po 9 godzin dydaktycznych każdego dnia z przerwami. Szkolenia będą realizowane w formule hybrydowej - 5 dni online oraz 5 dni stacjonarnie w każdej edycji szkolenia, 2 dni w tygodniu przez 5 tygodni w ramach jednej edycji szkolenia. Średnio będą realizowane 2 edycje szkolenia w każdym roku kalendarzowym we wskazanym okresie. Orientacyjny termin realizacji edycji szkolenia Zamawiający poda Wykonawcy na 30 dni kalendarzowych przed realizacją danej edycji szkolenia. Zajęcia stacjonarne w danej edycji szkolenia będą prowadzone albo w Krakowie, albo w Dąbrowie Górniczej. Sale na przeprowadzenie szkoleń wraz z niezbędnym wyposażeniem zapewnia Zamawiający. Zamawiający poinformuje Wykonawcę o dokładnym miejscu szkolenia na 5 dni roboczych przed realizacją danej edycji szkolenia. Zamawiający zapewnia, że każde miejsce, w którym będzie realizowane przedmiotowe szkolenie będzie dostosowane do osób ze szczególnymi potrzebami. Zamawiający zakłada, że w każdej edycji szkolenia weźmie udział średnio 8 uczestników.
B. Ostateczne potwierdzenie terminu szkolenia oraz liczba uczestników danego szkolenia będzie wskazana przez Zamawiającego najpóźniej na 5 dni roboczych przed realizacją danej edycji szkolenia.
C. Szkolenia mają zostać przygotowane oraz zrealizowane z uwzględnieniem wszystkich wymagań Zamawiającego wskazanych w niniejszym opisie – w szczególności w zakresie dopasowania do profilu grupy docelowej, celu szkolenia, efektów szkolenia, programu szkolenia, metod, środków dydaktycznych, metodologii.
D. Grupa docelowa szkoleń: osoby w wieku 18-64 lata, zamieszkałe na terenie Polski. Szkolenie kierowane jest głównie do osób, dla których pogłębienie wiedzy, uzupełnienie luk kompetencyjnych, przekwalifikowanie będzie przepustką do wejścia/ powrotu/ utrzymania się na rynku pracy.
E. Cel szkolenia: przygotowanie uczestników do samodzielnego zbierania, przetwarzania, analizowania i interpretowania danych w sposób wspierający podejmowanie decyzji biznesowych i operacyjnych. Szkolenie ma na celu: rozwój praktycznych umiejętności w zakresie pracy z danymi, kształtowanie kompetencji analitycznych, które są coraz bardziej poszukiwane na rynku pracy, zarówno w sektorze prywatnym, jak i publicznym, zapoznanie z metodami raportowania i prezentowania danych, umożliwiającymi efektywne komunikowanie wyników analiz, wzmacnianie zdolności uczestników do podejmowania decyzji opartych na danych, co wspiera rozwój organizacji w kierunku data-driven. Szkolenie wspiera podnoszenie kwalifikacji zawodowych i umożliwia uczestnikom lepsze dostosowanie się do wymagań współczesnego rynku pracy, który coraz częściej opiera się na analizie i wykorzystaniu danych w procesach biznesowych i strategicznych.
F. Efekty szkolenia: uczestnik szkolenia rozumie rolę analityka danych w organizacji – zna etapy cyklu życia danych, rodzaje analiz oraz narzędzia i kompetencje niezbędne w pracy analitycznej. Potrafi pracować z danymi w arkuszu kalkulacyjnym (Excel/Google Sheets) – od wprowadzania danych, przez wykorzystanie formuł, aż po tworzenie dynamicznych raportów i dashboardów. Umie ocenić jakość danych i przeprowadzać ich wstępne czyszczenie – zna podstawy procesu ETL, identyfikuje i usuwa duplikaty, brakujące lub błędne dane.
G. Metody dydaktyczne: wykład, ćwiczenia, dyskusja moderowana (zogniskowana), ‘burza mózgów’, praca indywidualna/zespołowa, case study - studium przypadku, praca warsztatowo-laboratoryjna.
H. Środki dydaktyczne: prezentacja, Laboratoria, praca na systemie Kadrowo – płacowym,
I. narzędzia do zbierania odpowiedzi uczestników (ankiety, Mentimeter), tablica whiteboard (Mural lub Jamboard), flipchart, projektor, opisy przypadków, karty pracy, testy, materiały dydaktyczne.
J. Metodologia prowadzenia zajęć ma się opierać przede wszystkim na aktywnym uczestnictwie w zajęciach z zastosowaniem metod pracy indywidulanej i zespołowej. Weryfikacja nabytych kompetencji/wiedzy będzie zawierała formułę testu/ankiety.
K. Program szkolenia:
1. Wprowadzenie do Świata Analizy Danych – dzień 1, 9 h dydaktycznych:
Część teoretyczna
Kim jest Analityk Danych? Rola, zadania i kompetencje w organizacji.
Cykl życia danych: od pozyskania do prezentacji wyników.
Rodzaje analizy danych: opisowa, diagnostyczna, predykcyjna i preskrypcyjna.
Przegląd kluczowych narzędzi analitycznych (arkusze kalkulacyjne, SQL, Python, Power BI).
Myślenie analityczne: jak zadawać właściwe pytania biznesowe?
Część praktyczna:
Instalacja i konfiguracja środowiska pracy.
Wprowadzenie do arkusza kalkulacyjnego (Excel / Google Sheets) jako podstawowego narzędzia analityka.
Podstawowe operacje: wprowadzanie danych, formatowanie komórek, sortowanie i filtrowanie.
Praca z podstawowymi formułami: SUMA, ŚREDNIA, LICZ.JEŻELI.
Burza mózgów:
W jakich codziennych sytuacjach, poza pracą, podejmujemy decyzje w oparciu o dane, często nie zdając sobie z tego sprawy?
Case study:
Mała, lokalna kawiarnia chce lepiej zrozumieć swoją sprzedaż z ostatniego tygodnia. Uczestnicy otrzymują prosty plik z listą wszystkich transakcji. Ich zadaniem jest uporządkowanie danych i udzielenie odpowiedzi na kluczowe pytania. Muszą obliczyć łączny przychód, znaleźć najlepiej sprzedający się produkt oraz określić dzień z największą liczbą klientów. Te proste analizy pomogą właścicielowi zaplanować promocję i lepiej zarządzać zapasami.
2. Pozyskiwanie i Ocena Jakości Danych – dzień 2, 9 h dydaktycznych:
Część teoretyczna:
Źródła danych: wewnętrzne (systemy CRM, ERP) i zewnętrzne (dane publiczne, API, media społecznościowe).
Formaty plików z danymi (CSV, JSON, XML, XLSX).
Jakość danych: kluczowe wymiary (kompletność, spójność, poprawność, unikalność).
Czym są "brudne dane" (dirty data) i dlaczego stanowią wyzwanie?
o Wprowadzenie do ETL (Extract, Transform, Load).
Część praktyczna:
Importowanie danych do arkusza kalkulacyjnego z różnych źródeł (pliki .csv, .txt, tabele ze stron internetowych).
Wykorzystanie narzędzia Power Query (Dodatek do Excela) do prostego czyszczenia i transformacji danych.
Identyfikacja i oznaczanie duplikatów oraz brakujących wartości.
o Podstawowe techniki walidacji danych.
Burza mózgów:
Jakie mogą być realne, negatywne konsekwencje biznesowe podejmowania decyzji na podstawie danych niskiej jakości?
Case study:
Firma e-commerce przygotowuje się do uruchomienia nowego systemu CRM. Dział marketingu wyeksportował listę klientów z dwóch różnych, starych systemów. Uczestnicy otrzymują dwa pliki, które zawierają niespójne dane, duplikaty i błędy formatowania. Ich zadaniem jest połączenie list i przygotowanie raportu o jakości danych. Raport ma wskazać procent brakujących numerów telefonów i niepoprawnych adresów e-mail. Na tej podstawie firma zdecyduje, czy dane nadają się do migracji i czy można uruchomić kampanię marketingową.
3. Zaawansowana Analiza w Arkuszu Kalkulacyjnym - dzień 3, 9 h dydaktycznych:
Część teoretyczna:
Tabele przestawne: potężne narzędzie do agregacji i analizy wielowymiarowej.
Zaawansowane funkcje wyszukiwania i agregacji: WYSZUKAJ.PIONOWO, INDEKS, PODAJ.POZYCJĘ.
Logika warunkowa w formułach: zagnieżdżone funkcje JEŻELI, SUMA.WARUNKÓW.
Podstawy wizualizacji danych w Excelu: dobór odpowiedniego wykresu do rodzaju danych.
Część praktyczna:
Budowanie rozbudowanych tabel przestawnych z polami i elementami obliczeniowymi.
Łączenie danych z wielu arkuszy za pomocą funkcji wyszukiwania.
Tworzenie interaktywnego dashboardu menedżerskiego w Excelu z wykorzystaniem fragmentatorów i wykresów.
Analiza scenariuszy za pomocą narzędzia "Szukaj wyniku".
Burza mózgów:
Kiedy arkusz kalkulacyjny przestaje być wystarczającym narzędziem i dlaczego analityk powinien sięgnąć po inne technologie?
Case study:
Regionalny menedżer sieci sklepów spożywczych potrzebuje szybkiego podsumowania wyników sprzedaży z ostatniego miesiąca. Otrzymuje jeden, bardzo duży plik z surowymi danymi transakcyjnymi ze wszystkich placówek. Zadaniem uczestników jest stworzenie w Excelu dynamicznego raportu. Raport, oparty na tabelach przestawnych, ma pokazywać wyniki sprzedaży według kategorii produktu, poszczególnych sklepów oraz dni tygodnia. Pomoże to w zidentyfikowaniu najlepiej i najsłabiej radzących sobie produktów i lokalizacji.
4. Wprowadzenie do Baz Danych i Języka SQL - dzień 4, 9 h dydaktycznych:
Część teoretyczna:
Architektura i koncepcja relacyjnych baz danych (tabele, kolumny, wiersze).
Klucze (podstawowy, obcy) i relacje między tabelami.
Wprowadzenie do języka SQL (Structured Query Language).
Podstawowe zapytania: SELECT, FROM, WHERE, ORDER BY, LIMIT.
Najpopularniejsze systemy bazodanowe (PostgreSQL, MySQL, MS SQL Server).
Część praktyczna:
Instalacja i praca z klientem bazy danych (np. DBeaver, pgAdmin).
Wykonywanie pierwszych zapytań do przykładowej bazy danych (np. Sakila).
Filtrowanie danych z użyciem operatorów logicznych (AND, OR, NOT) i porównań (>, <, =).
Sortowanie wyników w różnej kolejności.
Eksport wyników zapytania do pliku CSV.
Burza mózgów:
Dlaczego firmy przechowują dane w ustrukturyzowanych bazach danych, zamiast trzymać wszystko w tysiącach plików Excela?
Case study:
Platforma z kursami online chce przeanalizować podstawowe dane o swoich użytkownikach i kursach. Dane przechowywane są w relacyjnej bazie danych. Uczestnicy mają za zadanie napisać proste zapytania SQL, aby odpowiedzieć na pytania biznesowe. Muszą wyodrębnić listę użytkowników, którzy zarejestrowali się w bieżącym roku. Ciąg dalszy opisu znajduje się w załączniku pod nazwą zapytanie ofertowe
Miejsce realizacji
Kraj: Polska, Województwo: małopolskie, Powiat: Kraków, Gmina: Kraków-Krowodrza, Miejscowość: Kraków
Kraj: Polska, Województwo: śląskie, Powiat: Dąbrowa Górnicza, Gmina: Dąbrowa Górnicza, Miejscowość: Dąbrowa Górnicza
Time limit for receipt of tenders
2026-10-26 22:59:59.0
Location
Kraj: Polska
Category assortment
Training
Buyer details
Akademia WSB
Cieplaka 1c
41-300 Dąbrowa Górnicza
Województwo: śląskie
Kraj: Polska
NIP: 6291088993
Cieplaka 1c
41-300 Dąbrowa Górnicza
Województwo: śląskie
Kraj: Polska
NIP: 6291088993
