Пайплайн аналітики: PostgreSQL + Python + дашборд
Роботодавець
Andriy
Параметри проєкту
Варіант співпраціОдноразовий проєкт
РозділРозробка програм
Передоплатабез передоплат
Способи оплатиГотівка, Банківський переказ
Прийом заявоквід сьогодні, 06:59 до 02.09.2026
Опис проєкту
Ми вже певний час накопичуємо сирі дані про події в MySQL, але вони просто лежать мертвим вантажем — нормальної аналітики поверх них немає, і на базові питання про те, як використовується продукт, відповісти нічим. Хочемо побудувати повноцінний аналітичний пайплайн, який бере ці сирі дані, перетворює їх на чисті змодельовані таблиці в PostgreSQL і виводить ключові показники на BI-дашборд, доступний усій команді.
Ядро роботи — ETL-пайплайн, який вилучає дані з MySQL, очищає й агрегує їх і завантажує в PostgreSQL, з продуманими fact- і dimension-таблицями для аналізу подій, користувачів і виручки. Поверх потрібні заплановані завдання — щоденні й щогодинні агрегації через cron або Airflow — і дашборд на Grafana або Metabase, підключений до PostgreSQL. Важливі для нас метрики — DAU, MAU, утримання, ARPU і конверсія воронки, а ще потрібні автоматичні перевірки якості даних (лічильники рядків і контроль null), щоб дашборду можна було довіряти.
Стек орієнтований на Python, і все має підніматися через Docker Compose заради чистого локального середовища, щоб після здачі ми могли запускати й розширювати пайплайн власними силами.
Компоненти:
— 1. ETL-пайплайн — вилучення з MySQL, трансформація (очищення, агрегація), завантаження в PostgreSQL
— 2. Моделі даних — fact/dimension таблиці для аналізу подій, користувачів, виручки
— 3. Планувальник — щоденні/щогодинні агрегації (через cron або Airflow)
— 4. Аналітичний дашборд — Grafana або Metabase, підключені до PostgreSQL
— 5. Ключові метрики — DAU, MAU, утримання, ARPU, конверсія воронки
— 6. Контроль якості даних — автоматична перевірка кількості рядків і null-полів
Стек:
— Python 3 (pandas, SQLAlchemy, psycopg2)
— PostgreSQL
— Grafana або Metabase
— Docker Compose для локального запуску
Ядро роботи — ETL-пайплайн, який вилучає дані з MySQL, очищає й агрегує їх і завантажує в PostgreSQL, з продуманими fact- і dimension-таблицями для аналізу подій, користувачів і виручки. Поверх потрібні заплановані завдання — щоденні й щогодинні агрегації через cron або Airflow — і дашборд на Grafana або Metabase, підключений до PostgreSQL. Важливі для нас метрики — DAU, MAU, утримання, ARPU і конверсія воронки, а ще потрібні автоматичні перевірки якості даних (лічильники рядків і контроль null), щоб дашборду можна було довіряти.
Стек орієнтований на Python, і все має підніматися через Docker Compose заради чистого локального середовища, щоб після здачі ми могли запускати й розширювати пайплайн власними силами.
Компоненти:
— 1. ETL-пайплайн — вилучення з MySQL, трансформація (очищення, агрегація), завантаження в PostgreSQL
— 2. Моделі даних — fact/dimension таблиці для аналізу подій, користувачів, виручки
— 3. Планувальник — щоденні/щогодинні агрегації (через cron або Airflow)
— 4. Аналітичний дашборд — Grafana або Metabase, підключені до PostgreSQL
— 5. Ключові метрики — DAU, MAU, утримання, ARPU, конверсія воронки
— 6. Контроль якості даних — автоматична перевірка кількості рядків і null-полів
Стек:
— Python 3 (pandas, SQLAlchemy, psycopg2)
— PostgreSQL
— Grafana або Metabase
— Docker Compose для локального запуску
