Budżet: 27000 UAH Termin: 14 dni
Dzień dobry.
Proponuję budować architekturę na połączeniu PostgreSQL jako jedynego magazynu oraz Apache Superset lub Metabase w roli interfejsu BI. Pisanie niestandardowego frontendu z wykresami i modelem ról do tego zadania jest nieopłacalne, zwiększy to budżet i terminy. W gotowych systemach BI już istnieje konfiguracja RLS (Row-Level Security), która pozwoli ograniczyć widoczność danych: menedżer zobaczy tylko swoje wskaźniki, a ROP zobaczy całą drużynę.
Zbieranie danych (ETL) zrealizuję przez mikroserwis na Pythonie z FastAPI. Będzie on nasłuchiwał webhooków z Kommo CRM dla natychmiastowego rejestrowania przejść przez etapy lejka, a także zgodnie z harmonogramem pobierał wydatki z Meta Ads i statusy płatności z Stripe.
Logikę wczesnego ostrzegania o spadkach, obliczanie średniej ruchomej i identyfikację zawieszonych transakcji umieszczę na poziomie bazy danych przez widoki SQL. Będą one automatycznie przeliczać medianę cyklu transakcji i historyczną konwersję.
Do pracy z AI i alertami napiszę osobnego bota Telegram na bazie LangChain i OpenAI API. Bot będzie używał Text-to-SQL: przekształcał pytania menedżerów w naturalnym języku na zapytania SQL do bazy i zwracał gotowe liczby. Będzie również wysyłał powiadomienia o przeterminowanych dopłatach i spadku wskaźników poniżej planu.
Od razu w kwestii budżetu i zasobów. Podane 26 999 UAH pokrywa tylko pierwszy i drugi etap (konfiguracja bazy, skrypty ETL z trzech źródeł i podstawowy dashboard). Pełna realizacja wszystkich 5 etapów z analityką predykcyjną i siecią neuronową kosztuje kilkukrotnie więcej. Miesięczne wydatki na infrastrukturę wyniosą około 20 euro za VPS na Hetzner i około 10-15 dolarów za tokeny OpenAI.
W jaki sposób planujecie przekazywać UTM-etykiety i ClientID z ruchu organicznego do karty Kommo, abyśmy mogli powiązać sesje z Google Analytics z konkretnymi płatnościami w Stripe?