Моделирование базы данных, генерация данных и закономерностей в них
- Выбрать предметную область
- Описать предметную область
- Составить модель данных в виде ER-диаграммы (Одна оперативная таблица фактов, 3 или более таблиц справочников)
- Сгенерировать не менее 10 000 записей в таблице фактов за несколько лет, 10-100 записей в справочниках
- Нужно сгенерировать какие-нибудь закономерности
- Добавить стихийные закономерности
- Залить все в БД
- Создать папку, создать venv, создать requirements.txt, создать .gitignore, создать репо в github, соединить git с github.
- 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.
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