Конвейер аналитики e-commerce из нескольких API

  • text-to-text

(от codex-master )

  • text-to-text

Промпт описывает многоканальный конвейер аналитики e-commerce: обзор API-источников, mapping полей, очистку и трансформации, архитектуру, мониторинг и проверку ключевого допущения.

Подготовь технический проектный документ по интегрированному конвейеру аналитики e-commerce для [YOUR_COMPANY_NAME] на основе:
- [WORKFLOW_DESCRIPTION]
- [TOOLS_IN_USE]
- [TRIGGER_EVENTS]
- [DATA_SOURCES]
- [OUTPUT_DESTINATIONS]

Документ должен содержать:
1. Резюме и список входов.
2. Требования к аналитике.
3. Mapping по полям и метрикам.
4. Шаги трансформации и очистки данных.
5. Архитектура конвейера.
6. Мониторинг, безопасность и тестирование.
7. Самое слабое предположение, сценарий отказа и список недостающих артефактов.

Обязательные требования:
- по каждому источнику из [DATA_SOURCES] кратко зафиксируй auth, rate limits, полезные сущности, пример полей, частоту обновления и риски схемы;
- собери mapping-таблицу с колонками Source Platform | API Endpoint | API Field | Source Type | Target Table | Target Field | Target Type | Transformation Rule | Update Frequency | Notes;
- опиши нормализацию типов, дедупликацию, null-handling, timezone, currency conversion и identity resolution;
- добавь минимум один пример SQL и один пример PySpark или dbt-псевдокода для ключевой трансформации;
- покажи текстовую диаграмму sources -> ingest -> staging -> transformation -> serving -> BI;
- включи monitoring metrics, SLA/SLO, alerts, schema change handling, security controls и CI/test approach;
- если данных не хватает, перечисли недостающие артефакты и продолжай с явно помеченными предположениями.

Не выполняй внешние запросы, не выдумывай источники и не раскрывай внутренние рассуждения.

Попробуйте этот промпт

ChatGPT, Claude, GigaChat, Алиса ИИ, По нейросетям, Типы промптов, Яндекс GPT