Sztuczna inteligencja (neurocetowe prognozy)

Szukamy doświadczonego dewelopera Shopify do stworzenia pełnoprawnego sklepu internetowego od podstaw z obowiązkową integracją z Amazon. Co należy zrobić: Integracja z Amazon jako podstawa projektu: synchronizacja produktów, stanów magazynowych i zamówień między Shopify a kontem sprzedawcy na Amazon. Ustawienia sklepu są budowane z uwzględnieniem tej integracji od samego początku. Ustawienia sklepu: dostosowanie motywu, struktura katalogu, karty produktów, koszyk, składanie zamówienia — wszystko jest zgodne z logiką integracji z Amazon. Optymalizacja techniczna dla widoczności AI (GEO): dane strukturalne, plik llms.txt, optymalizacja treści pod odpowiedzi asystentów AI (ChatGPT, Perplexity, AI Overviews itp.), poprawne semantyczne oznaczenie stron. Podstawowe ustawienia SEO: metatagi, mapa strony, szybkość ładowania, responsywność mobilna. Podłączenie systemów płatności. Instalacja niezbędnych aplikacji (opinie, email marketing, analityka itp.). Testowanie sklepu przed uruchomieniem.

Potrzebna pomoc w przemyśleniu i zbudowaniu czystiej schemy relacyjnej dla wewnętrznego systemu operacyjnego w Airtable. Obecna baza jest już używana przez zespół, ale rozwinęła się organicznie: struktura jest częściowo płaska, część tabel/widoków jest używana aktywnie, część prawie nie jest używana, a dokumenty teraz raczej "ciągną" informacje do Airtable, chociaż w idealnym przypadku Airtable powinno stać się źródłem prawdy i generować potrzebne artefakty operacyjne. Potrzebna jest nie tylko pomoc w formularzach czy automatyzacjach, ale przede wszystkim praca strukturalna: analiza obecnej logiki, projektowanie schemy relacyjnej, stworzenie czystej nowej bazy/instancji, dokumentacja oraz rekomendacje dotyczące migracji do nowej schemy. I potencjalnie możliwe nawet wdrożenie Kontekst systemu: Są dwa główne kierunki: System feedbackowy System do zbierania i przetwarzania sygnałów od zewnętrznych doradców, grup fokusowych, wewnętrznych zespołów oraz interesariuszy. Musi wspierać: rejestr sygnałów; śledzenie doradców; przyjmowanie feedbacku; panel syntezujący; statusy / bramki / rekomendacje; logikę zamykania pętli. Katalog produktów W katalogu produktów jest obecnie około 400 wpisów, z czego około 100 jest aktywnych/na żywo. Należy lepiej zorganizować produkty, statusy, powiązania, źródła danych, logikę cyklu życia/bramki oraz raportowanie. Obecny stan: Airtable już istnieje i jest używane przez zespół. Obecna dokładność danych wynosi około 80%. Schemat jest głównie płaski, nie relacyjny. Aktywnie używane są tylko pierwsze kilka tabel/zakładek: Część bramek walidacyjnych, zadań/decyzji i widoków panelu jest na razie prawie nieużywana. Nie ma PII. Jakakolwiek praca z bazą na żywo musi być maksymalnie ostrożna: bez zmian w produkcji bez zgody. Idealne podejście to analiza struktury i budowa nowej czystej bazy osobno w Sandboxie. Co należy zrobić: Faza 1 — Audyt i rekomendacja architektury Przyjrzeć się obecnej strukturze Airtable. Określić, które tabele/pola/widoki są naprawdę potrzebne, które się powtarzają, które można połączyć lub usunąć. Proponować model danych relacyjnych. Opisać główne encje, relacje, klucze główne, powiązane rekordy, logikę wyszukiwania/rolowania. Proponować czystą schemę dla Projektu + Katalogu produktów. Określić, jakie panele/interfejsy są potrzebne dla różnych użytkowników. Przygotować krótką notatkę architektoniczną lub mapę schemy. Faza 2 — Budowa czystej bazy Airtable Stworzyć nową czystą bazę Airtable / instancję. Skonfigurować tabele, pola, powiązane rekordy, widoki, podstawowe interfejsy. Skonfigurować podstawową logikę panelu/raportowania. Przygotować mapę migracji: jak przenosić dane ze starej struktury do nowej. Udokumentować strukturę tak, aby zespół mógł ją wspierać po przekazaniu. W razie potrzeby — zaproponować strategię automatyzacji, ale bez nadmiernej złożoności. Oczekiwane rezultaty: Mapa schemy Airtable. Nowa czysta baza Airtable. Tabele + relacje + kluczowe pola. Widoki/interfejsy dla głównych użytkowników. Rekomendacja migracji. Krótką dokumentację dla zespołu. Rekomendacje dotyczące zarządzania: kto wprowadza dane, kto zatwierdza zmiany, które pola są obowiązkowe, jak unikać duplikacji. Opcjonalnie: 1 krótka rozmowa przekazująca / przejście przez Loom. Ważne zasady dotyczące bezpieczeństwa / dostępu: Bez PII. Bez niebezpiecznych tokenów lub osobistych integracji. Nie można podłączać AI/MCP/ChatGPT/Claude do bazy Airtable na żywo. Jeśli potrzebny jest dostęp do istniejącej bazy, musi być tylko do odczytu lub przez eksport/zrzuty ekranu/opis strukturalny. Jakiekolwiek zapisy/zmiany są dokonywane tylko w nowej testowej/czystej bazie, nie w produkcji na żywo. Kogo szukam: Idealny kandydat ma doświadczenie: w architekturze bazy Airtable; w projektowaniu schem relacyjnych; w interfejsach Airtable, widokach, formularzach, automatyzacjach; w migracji/oczyszczaniu chaotycznych baz Airtable; w operacjach produktowych / CRM / systemach workflow; w dokumentacji i przekazywaniu. W odpowiedzi proszę podać: Przykłady baz Airtable lub systemów, które budowałeś. Czy miałeś doświadczenie w przekształcaniu płaskiej struktury Airtable w schemę relacyjną. Jak podszedłbyś do audytu → projektowania schemy → budowy. Orientacyjną ocenę godzin dla Fazy 1. Twoją stawkę godzinową lub ofertę stałą na pierwszy etap. Czy jesteś gotów pracować na podstawie NDA. Format pracy: Rozpoczęcie najlepiej w najbliższym czasie. Na początku można przeprowadzić niewielkie płatne odkrycie/audyt, po czym przejść do pełnej budowy.

Trzeba zaktualizować umowę ofertową w stopce na nową, w firmie zmieniły się zasady Zadanie na 20 minut

Zadanie techniczne: narzędzie do porównywania rachunków z bankiem, kartami i księgowymOgólny cel Potrzebne jest lokalne narzędzie (skrypt/mała aplikacja w Pythonie), które uruchamiane ręcznie co 1-2 miesiące na moim komputerze i dokonuje porównania między: Rachunkami, które wystawiłem klientom i otrzymałem od dostawców (pliki PDF i zdjęcia paragonów, znajdujące się w poczcie Gmail) Wyciągiem bankowym (Excel) Wydatkami na kartach kredytowych (Excel, może być kilka plików — kilka kart) Plikiem Excel od księgowego, w którym wprowadza rachunki do raportowania w urzędzie skarbowym i VATCo powinno robić narzędzie1. Zbieranie rachunków z poczty (Gmail) Połączenie przez Gmail API (OAuth) Wyszukiwanie wiadomości za zadany okres (np. ostatnie 2 miesiące) z załącznikami Pobieranie załączników: pliki PDF i obrazy (zdjęcia paragonów/rachunków) Rozpoznawanie danych z każdego rachunku: data, kwota, nazwa dostawcy/klienta, numer rachunku (jeśli jest) Dla PDF — bezpośrednie wydobycie tekstu Dla obrazów — rozpoznawanie tekstu (OCR), w tym tekstu w języku hebrajskim2. Odczyt plików Excel Wyciąg bankowy (przychody i wydatki) Jeden lub kilka plików wydatków na kartach kredytowych Excel od księgowego z listą wprowadzonych rachunków (zawiera tylko kwotę + datę + nazwę kontrahenta, brak jednego numeru rachunku do porównania)3. Logika porównania Porównanie rekordów między źródłami według kombinacji: kwota + data (z dopuszczalnym odchyleniem) + nazwa kontrahenta (przybliżone porównanie tekstu, ponieważ nazwy mogą się nieco różnić).4. Kontrole, które należy wykonać A. Czy wystawiono rachunki na wszystkie przychody Dla każdego wpływu pieniędzy w banku — sprawdzić, czy istnieje odpowiedni rachunek, który wystawiłem. Jeśli nie — oznaczyć jako "przychód bez wystawionego rachunku". B. Czy zachowano rachunki na wszystkie uznane wydatki Dla każdego wydatku w banku/na kartach, który należy do kategorii uznanych wydatków — sprawdzić, czy istnieje zachowany rachunek. Jeśli nie — oznaczyć jako "wydatek bez zachowanego rachunku". C. Porównanie z listą księgowego Porównać listę rachunków, które zebrałem (z poczty), z listą, którą księgowy wprowadził i wysłał do urzędu skarbowego/VAT. Oznaczyć: Rachunki, które zebrałem, ale których nie ma w pliku księgowego (możliwe, że nie zostały przekazane lub wprowadzone) Rekordy w pliku księgowego, dla których nie znalazł się odpowiedni rachunek w mojej kolekcji D. Sprawdzenie listy płac Sprawdzić, czy kwota podana w liście płac odpowiada kwocie, która faktycznie została pobrana/otrzymana w banku.5. Raport końcowy Wynik — jeden plik Excel z kilkoma arkuszami: Przychody bez wystawionego rachunku Wydatki bez zachowanego rachunku Rachunki, które nie znajdują się u księgowego Rekordy księgowego bez odpowiedniego rachunku Porównanie listy płac z bankiem Nieprawidłowości/problematyczne wiersze powinny być wizualnie wyróżnione (kolorem).Szczegóły techniczne Język: Python Excel: pandas + openpyxl PDF: wydobycie tekstu (pdfplumber/PyMuPDF) OCR obrazów: z obsługą hebrajskiego (zaleca się użycie API Claude z obsługą obrazów zamiast klasycznego Tesseract, dla lepszej dokładności z hebrajskim) Gmail API: google-api-python-client, OAuth (będzie potrzebne stworzenie projektu w Google Cloud Console — to zostanie zrobione przez zamawiającego/wykonawcę wspólnie) Wynik zapisywany jako plik Excel lokalnie na komputerze Interfejs: wystarczający interfejs wiersza poleceń (CLI), bez potrzeby w interfejsie webowymFormat dostarczenia Źródłowy kod projektu Krótka instrukcja uruchomienia (w tym, jak podłączyć swoje Gmail i gdzie umieścić wejściowe pliki Excel) Instrukcja tworzenia poświadczeń w Google Cloud Console, jeśli nie zostało to zrobione wcześniejDodatkowo Gotów jestem dostarczyć przykłady struktury plików Excel (bank, karty, plik księgowego) oraz przykłady rachunków (PDF i zdjęcia) do testowania.