Problem
Dane zamówień były zamknięte w 3 osobnych portalach dostawców, każdy z własnym formatem i logowaniem. Analiza robiona ręcznie, portal po portalu — wolno, podatnie na błędy i bez możliwości spojrzenia w poprzek dostawców. Najważniejsza decyzja — które rozmiary produktów faktycznie trzymać na stanie — nie miała pod sobą żadnych danych.
Co zbudowałem
Scrapery Playwright pobierają każdy portal automatycznie (jeden asynchroniczny, współbieżny, dla strony renderowanej w Reakcie). Dopasowanie rozmyte plus normalizacja regexem uzgadniają niespójne nazwy produktów między dostawcami, a wszystko ląduje w jednym magazynie Postgres.
Na wierzchu 8 interaktywnych dashboardów Marimo. Pipeline od razu wydobył kluczowy wniosek: 99,3% z 1011 zamówień mieści się w jednym profilu rozmiaru — zamieniając zgadywanie asortymentu w mierzalną decyzję.
Stack
Python · Playwright · Supabase · Marimo · Altair · Pandas · Docker
Demo na żywo — dane syntetyczne, logika dashboardów identyczna jak we wdrożonym systemie. Działa w całości w Twojej przeglądarce.