Lingua Analytics — projekt kursu Data Engineering

Pipeline analityki produktowej dla fikcyjnej apki do nauki jezykow. Surowe zdarzenia → czyste modele → metryki (DAU, retention, lejek, MRR, churn).

data/raw/        surowe CSV (users, events, subscriptions)
scripts/         load_raw.py  (CSV → DuckDB, warstwa raw)
dbt/             projekt dbt: staging → intermediate → marts
warehouse/       hurtownia DuckDB (generowana lokalnie, w .gitignore)

---

M0 — Setup (zrob to teraz)

Wymagane: Python 3.11 + uv (masz z fast.ai).

# 1. srodowisko
cd lingua-analytics
uv venv --python 3.11
source .venv/bin/activate
uv pip install -r requirements.txt

# 2. zaladuj surowe dane do DuckDB
python scripts/load_raw.py
#  -> raw.users 4 000 | raw.events 260 509 | raw.subscriptions 406

# 3. sprawdz dbt
cd dbt
dbt debug          # ma byc "All checks passed!"
cd ..

Pierwsze zapytanie (Twoj pierwszy „win")

Wejdz do hurtowni i policz zdarzenia wg typu:

duckdb warehouse/lingua.duckdb

SELECT event_type, count(*) AS n
FROM raw.events
GROUP BY event_type
ORDER BY n DESC;
-- .quit  zeby wyjsc

Zadanie na rozgrzewke (przynies wynik na nastepna sesje)

1. Ilu jest unikalnych uzytkownikow w raw.events? (COUNT(DISTINCT ...))
2. Ile rejestracji dziennie? (DATE_TRUNC('day', ...) + GROUP BY)
3. Zauwaz „bałagan": SELECT DISTINCT country FROM raw.users; — co jest nie tak?

To wszystko ogarniemy w M1 (SQL). Daj znac jak masz dbt debug na zielono.