Data a infrastruktura
Datový sklad, se kterým se dá mluvit
Objednávky, reklama, e-maily a návštěvnost e-shopu v jednom skladu. Nad ním ranní report, přehledový dashboard a MCP server, přes který se majitel ptá na data přímo v Claude nebo ChatGPT.
- 6
- zdrojů dat v jednom skladu, stahovaných každou noc
- 47 898
- objednávek v historii od roku 2019
- ≈ 90 %
- shoda mezi Google Analytics a objednávkami z e-shopu
Výchozí situace
- Exporty z e-shopu se stahovaly ručně a přístupy byly sdílené.
- Přehledy v Looker Studiu byly rozbité a Search Console nebyla nastavená.
- E-mailová platforma posílala reporty, které nikdo nečetl.
- Ve firmě nebyl nikdo, kdo by měl data na starosti.
Co jsem postavil
Sklad
PostgreSQL s vrstvami od surových dat po čisté tabulky. Každou noc se stahují objednávky, Google Analytics, Search Console, Meta Ads, Google Ads a e-mailing.
Dashboard a reporty
Deset obrazovek místo rozbitého Looker Studia, ranní report s doporučeními, týdenní brief pro kreativu a měsíční shrnutí pro majitele.
MCP server
Claude nebo ChatGPT se připojí ke skladu a odpovídá na otázky nad daty. Jen čtení, limit na dobu dotazu a počet řádků, každý uživatel má vlastní klíč a každý dotaz se loguje.
Osobní údaje zůstávají uvnitř
AI vidí jen pohledy bez jmen a kontaktů. Zákazník je jen anonymní identifikátor a region.
Hlídač
Když nějaký zdroj přestane chodit nebo data zestárnou, přijde upozornění do Telegramu.
- E-shop, reklama, e-mailing, web
- Noční stahování
- Datový sklad
- Pohledy bez osobních údajů
- MCP server
- Claude / ChatGPT
Výsledky
- Otázku, která dřív znamenala export a tabulku, položí majitel v chatu a odpověď má za minutu.
- Ráno čeká v e-mailu report s tím, co se včera změnilo a co s tím dělat.
- Data ze šesti nástrojů konečně ukazují jedno číslo, ne šest různých.
AI nad daty je jen tak dobrá jako sklad pod ní. Většina práce je v čistých tabulkách a v tom, co AI vidět nesmí.
Jak to vypadá
Screenshoty ze skutečných aplikací. Jména, kontakty a čísla objednávek v interních systémech jsou vymyšlená.
