Анализ данных из ритейла (master ветка)

1. Какие данные для этой области являются потоковыми?

В ритейле потоковыми данными могут быть:

• Информация о продажах:
  • ID покупки (уникальный идентификатор транзакции).
  • Товар (название или артикул или id).
  • Сумма (стоимость покупки).
  • Время (метка времени продажи).

Пример формата данных (JSON):

{
    "sales_info": [
        {
            "purchaseId": "12345",
            "productId": "A1B2C3",
            "price": 150.0,
            "timestamp": "2024-12-10T15:45:00Z",
            "storeId": "SPB_01"
        }
    ]
}

---

2. Какие результаты мы хотим получить в результате обработки?

• Аналитика продаж:
  • Общая сумма продаж за за час.
  • Общая сумма продаж за за день.
  • Средний чек по каждому магазину.

---

3. Как в процессе обработки можно задействовать машинное обучение? (не выполнять)

• Прогнозирование спроса на товары.
• Обнаружение подозрительных транзакций (мошенничество).
• Персонализация рекомендаций для покупателей.

---

4. Как предметная область относится к запаздыванию обработки? Насколько это критично?

• Критично для уведомлений: Уведомления о низком запасе должны быть отправлены оперативно (задержка ≤ 1-5 секунд), чтобы можно было своевременно пополнить товар.

• Не критично для аналитики: Ежедневные отчеты о продажах или статистике могут быть обработаны с задержкой до нескольких минут.

---

5. Как предметная область относится к потере данных? Насколько это критично? Какую семантику следует выбрать?

• Потеря данных критична:

  • Пропущенные продажи нарушат точность отчетов.
  • Потеря событий о низком запасе может привести к отсутствию товара в магазине.

• Cемантика:

  • Для транзакций: "ровно один раз" (exactly once), чтобы избежать дублирования или пропуска данных.
  • Для уведомлений: "не менее одного раза" (at least once), чтобы гарантировать доставку даже при повторе.