alex-mueller/Aufgaben-Python
1
0
Fork 0
Code Issues Pull requests Projects Releases Packages Wiki Activity Actions
Aufgaben-Python/courses/sql/16_master_abschlussprojekt_data_warehouse/README.md

2.2 KiB
Raw Blame History

Master 16: E-Commerce Analytics Data Warehouse 💎⭐

Herzlichen Glückwunsch zum Erreichen des Master-Abschlussprojekts (Modul 16) im SQL-Kurs! In diesem Abschlussprojekt führst du alle Techniken aus den Lehrpfaden 1 bis 4 zu einem produktionsreifen Enterprise Data Warehouse für moderne E-Commerce-Analytik zusammen.

💡 1. Das Projekt im Überblick

Das Analytics Data Warehouse bildet das Rückgrat moderner datengetriebener Unternehmen:

  1. Dimensionales Sternschema (Star Schema):
    • Dimensionen: dim_customers, dim_products, dim_dates, dim_channels
    • Fakten: fact_orders, fact_order_items
  2. Robuste ETL / ELT Transformationen:
    • Bereinigung und Laden von operativen Rohdaten in das analytische Modell.
  3. Kohorten-Retention-Matrix (Cohort Retention Analysis):
    • Gruppierung von Kunden nach ihrem Akquisitionsmonat und Nachverfolgung der Aktivität über Folgemonate (t+0, t+1, t+2).
  4. RFM-Kundensegmentierung (Recency, Frequency, Monetary Value):
    • Segmentierung der Kundenbasis über NTILE(4) Window Functions in Champions, Loyal Customers, At Risk und Lost.
  5. Executive Business Intelligence Dashboard:
    • Erstellung des Views v_executive_kpi_dashboard mit Key Performance Indicators: Umsatz, MoM-Wachstum (via LAG), Average Order Value (AOV) und Lifetime-Trajectory (via SUM() OVER).

🏗️ 2. Star Schema Architektur

[dim_customers] ────────┐
                        │
[dim_products]  ────────┼──▶ [ fact_orders ] ◀── [dim_channels]
                        │
[dim_dates]     ────────┘

🎯 Aufgaben in aufgabe.sql

  • TODO 1: Sternschema & DDL: Anlegen der Dimensionstabellen und Faktentabellen mit Foreign Keys und B-Tree Indizes.
  • TODO 2: Kohorten-Retention-Matrix: Mehrstufige CTE-Pipeline zur Berechnung der Monat-zu-Monat Retention Rate in %.
  • TODO 3: RFM-Segmentierung: Berechnung der RFM-Scores und Zuweisung zielgerichteter Kundensegmente via CASE WHEN.
  • TODO 4: Executive KPI Dashboard View: Erstellung von v_executive_kpi_dashboard mit Window Functions und Trendberechnungen.

🧪 Tests ausführen

Validierung erfolgt über test_aufgabe.sql.