Конвейер аналитики e-commerce из нескольких API
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.
ChatGPT, Claude, GigaChat, Алиса ИИ, По нейросетям, Типы промптов, Яндекс GPT