emorain3/rebate-intelligence-pipeline-casestudy

# 返利智能 Pipeline 这是一个为期五天完成的数据工程项目案例，作为技术能力评估的一部分。 问题背景：一家区域性独立碰撞维修店网络此前采用人工方式处理返利数据 —— 这种流程缓慢且容易出错，导致他们几乎无法发现遗漏的付款或标记可疑活动。本项目是我提出的解决方案。 ## 包含内容： - **Power BI dashboard** — 包含三个页面，用于展示沉默门店、异常标记以及执行摘要 - **案例研究网站** — 详细介绍了业务问题、工程决策以及我的学习心得 ## 案例研究 👉 [https://emorain3.github.io/rebate-intelligence-pipeline-casestudy/](https://emorain3.github.io/rebate-intelligence-pipeline-casestudy/) ## Python Pipeline 可在此处找到： - [https://github.com/emorain3/rebate-intelligence-pipeline](https://github.com/emorain3/rebate-intelligence-pipeline) ## 技术栈 Python · Power BI · Microsoft Fabric（架构） · Medallion / Bronze-Silver-Gold ## 重要提示： 本项目使用的数据集是作为技能评估的一部分提供的。为保护专有运营信息，组织名称和部分变量名已进行匿名化处理。本项目的 Pipeline 逻辑、架构决策以及 dashboard 设计均为我本人的工作成果。 ## 关于我 我是一名驻扎在亚特兰大都市区的 Cloud Data Engineer。我主要在 Azure 和 GCP 环境下工作，专注于构建可靠、可审计且真正能满足使用者需求的数据系统。 [LinkedIn](https://linkedin.com/in/ecclesiamorain)

标签：ETL流水线, Medallion架构, Power BI, Python, 代码示例, 后端开发, 异常检测, 数据分析, 数据工程, 无后门, 逆向工具