OA
Alle Projekte Daten & KI · Python

Retail Data Pipeline

Aus drei Quellsystemen werden täglich Zahlen, denen man vertraut.

Was es bringt

06:00Jeden Morgen frische Zahlen
3 → 1Drei Systeme, ein Dashboard
578Fehler abgefangen vor dem Report
13von 46Echte Alarme, Feiertage gefiltert

Probier es selbst

Der Lauf um 06:00: Ein Jahr Daten aus drei Systemen rein, Fehler raus, fertige Übersicht. Stör ruhig die Verbindung.

Probier es aus: folge den goldenen Hinweisen.

Uhrzeit05:59Nordhafen Living, ein Jahr Daten
  1. 1Daten holen
  2. 2Fehler aussortieren
  3. 3Zahlen berechnen
  4. 4Übersicht

Woher die Daten kommen

Aussortiert 0

Fehlerhafte Zeilen werden nicht gelöscht, sondern mit Grund zur Prüfung aufgehoben.

Berechnete Tabellen

    Diese Woche wichtig15 Artikel nachbestellen

    Waffelhandtuch Weiß 277 Stück · Tischleuchte Leuchtturm 287 Stück · Kissenhülle Leinen Salbei 295 Stück

    Umsatz13 Tage ohne Erklärung

    46 auffällige Tage, 33 davon erklärt: Black Friday, Weihnachtsgeschäft, Sale.

    DatenlückeVersanddatei fehlt

    versand_2026-08-14.csv kam nie an. Das System meldet es, statt still falsch zu rechnen.

    Alle Zahlen stammen aus dem echten Warehouse nach einem Lauf über ein Jahr Testdaten. Die Händlerin ist erfunden, die Fehler sind absichtlich eingebaut, und die Tests prüfen, dass genau diese Fehler aussortiert werden.

    So funktioniert’s

    Dagster · täglich 06:00QuellenShop · Lager · CSVLadeninkrementellPrüfenQuarantänedbtReportsDashboardStreamlit
    omar.dev@web.de