SchemasCreatingNDataGenerating

Моделирование базы данных, генерация данных и закономерностей в них

Основная задача

1. Выбрать предметную область
2. Описать предметную область
3. Составить модель данных в виде ER-диаграммы (Одна оперативная таблица фактов, 3 или более таблиц справочников)
4. Сгенерировать не менее 10 000 записей в таблице фактов за несколько лет, 10-100 записей в справочниках
5. Нужно сгенерировать какие-нибудь закономерности
6. Добавить стихийные закономерности
7. Залить все в БД

• Создать папку, создать venv, создать requirements.txt, создать .gitignore, создать репо в github, соединить git с github.

Как можно улучшить?

• Что тут интересного? Можно например расспарсить Интернет магазины используя Selenium.
• Далее создадим БД и зальем данные используя pgAdmin4, Postgresql
• Далее создадим создадим можно подрубиться через Python к БД. Провести пару SQL запросов - надо с оконками и провизуализировать результаты Matplotlib, Plotly, Seaborn
• Далее хочется создать Backeng - FASTAPI, Uvicorn
• Создать простенький Frontend на JS и подключиться к бэку
• Мб стоит продемонстировать работу с sklearn, чтобы показать полный путь работы аналитика.

---

Описание

Моделируем базу данных на предприятии производственного характера. На склад привозят товар из разных организаций и увозят в разные организации. Движение товаров сопровождается накладной и доверенностью. Накладную выписывает сторона, отдающая товар, доверенность - принимающая товар. Одна накладная и доверенность может сопровождать несколько товаров. В накладной указывается:

• номер;
• дата;
• организация поставщик;
• организация получатель;
• наименование товара;
• количество;
• цена;
• стоимость;

• Добавить сезонность продаж определенных категорий
• Добавить выброс
  • относительно страны поставщика (типа санкции и поставлять стало выгодно только из опрделенных стран)
  • объемы покупок увеличись, так как покупают с целью перепродать, а раньше люди покупали маленькими объямами для себя
  • Цены на товары стали либо дешевле, либо дороже во время выброса
• Добавить зависимости относительно работы сотрудников
  • Новые сотрудники работают хуже старых
  • В день рождения сотрудники в среднем работают хуже
  • Адреса сотрудников расположены рядом со складом
• Зависимости с постащиками
  • Во время выброса стало много поставщиков из сосодних стран