Workshop Base
- lezione live su dataset reale;
- template ETL;
- checklist qualità dati.
Un percorso pratico che unisce formazione, implementazione e governance. Impari Python su casi reali, metti in produzione automazioni misurabili e lasci alla tua organizzazione un sistema mantenibile.
Ambiente, repository, standard e primi script per pulizia e controllo qualità.
Connessioni verso fogli, CRM, piattaforme adv e DB comuni. Evitiamo lock-in.
Schedulazione, logging leggibile, notifiche e validazioni prima dell’output.
Naming coerente, documentazione vicino al codice e revisione periodica dei KPI.
# Normalizza e consolida ordini multi-sorgente
import pandas as pd
orders = pd.concat([
pd.read_csv('shopify.csv'),
pd.read_csv('marketplace.csv')
], ignore_index=True)
clean = (orders
.assign(date=lambda d: pd.to_datetime(d['created_at']).dt.date)
.query('status == "paid"')
.drop_duplicates(subset=['order_id']))
kpi = (clean.groupby(['date','channel']).amount.sum()
.rename('revenue').reset_index())
kpi.to_csv('kpi_daily.csv', index=False)
Fogli di calcolo, CRM, piattaforme adv e database comuni. Scegliamo strumenti semplici e manutenibili.