🇧🇷 🇺🇸 🇪🇸 🇮🇹 🇩🇪 🇨🇳 🇯🇵
Fallstudie zu Datenengineering und Datenanalyse

Import und Analyse der brasilianischen Fahrzeugflotte

Pipelines zur Textbereinigung, Batch-Import staatlicher Daten und hybride Modellierung für analytische Abfragen mit hoher Performance.

🐍 Python / Pandas 🗄️ SQL (MySQL / Postgres) 🍃 MongoDB Document Store ⚡ Data Cleansing & Fuzzy Match
01 Daten verstehen 02 Daten importieren 03 FIPE-Daten 04 Klassifizierung 05 Dashboards
Übersicht der Dateistruktur und Daten der brasilianischen Fahrzeugflotte

Analyse der brasilianischen Flotte

Haben wir die einprägsame Aussage „Daten sind das neue Öl“ vergessen? Jeder spricht über künstliche Intelligenz, aber das Wichtigste ist, Ergebnisse zu erzielen. Dafür muss man verstehen, Informationen zu analysieren.

Ich möchte die Entwicklung der Fahrzeugflotte in Brasilien über die Jahre hinweg analysieren und sehen, wie die Marken abgeschnitten haben. Das Projekt ist noch im Gange und wird in Schritten vorgestellt.

Gesamtplan

  1. Die Daten des Open-Data-Portals des SENATRAN / Verkehrsministerium untersuchen.
  2. Die Daten im Access- und CSV-Format importieren.
  3. Die auf Kaggle verfügbaren FIPE-Daten importieren.
  4. Die SENATRAN-Daten gemäß den FIPE-Daten klassifizieren.
  5. Die Dashboards erkunden.

Ich hoffe, dieser Inhalt ist für alle hilfreich, die gerade mit Daten arbeiten, und dient als Inspiration für diejenigen, die bereits mit Daten arbeiten, aber noch keine Zeit hatten, die Daten der brasilianischen Regierung zu erkunden.

Zur ersten Phase der Studie.

Zur zweiten Phase zum Datenimport.

Zur Phase zu FIPE-Daten.

Zur Phase der Klassifizierung und Anreicherung.

Zur Phase der Dashboard-Erkundung.