<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>ETL on Shanna Tellaev</title><link>https://tellaev.de/de/tags/etl/</link><description>Recent content in ETL on Shanna Tellaev</description><generator>Hugo -- gohugo.io</generator><language>de</language><managingEditor>info@tellaev.de (Shanna Tellaev)</managingEditor><webMaster>info@tellaev.de (Shanna Tellaev)</webMaster><lastBuildDate>Tue, 03 Mar 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://tellaev.de/de/tags/etl/index.xml" rel="self" type="application/rss+xml"/><item><title>540.000 Transaktionen auswerten – mit den richtigen Werkzeugen schneller als gedacht</title><link>https://tellaev.de/de/posts/ecommerce-purchase-analysis/</link><pubDate>Tue, 03 Mar 2026 00:00:00 +0000</pubDate><author>info@tellaev.de (Shanna Tellaev)</author><guid>https://tellaev.de/de/posts/ecommerce-purchase-analysis/</guid><description>&lt;p&gt;&lt;strong&gt;Viele Unternehmen sitzen auf wertvollen Daten, ohne sie zu nutzen. Mit den richtigen Werkzeugen lassen sich daraus Erkenntnisse gewinnen, die direkt in strategische Entscheidungen einfließen.&lt;/strong&gt;&lt;/p&gt;
&lt;p&gt;90 % der Kunden, die einen bestimmten Teelichthalter kauften, bestellten auch eine Etagere.&lt;/p&gt;
&lt;p&gt;Diese Information steckte die ganze Zeit in den Daten – aber erst die richtige Analysemethode machte sie sichtbar.&lt;/p&gt;
&lt;p&gt;Für dieses Projekt habe ich einen realen Datensatz eines britischen Online-Händlers genommen: rund 540.000 Transaktionen, 4.335 Kunden, 3.660 Produkte. Und ihn bewusst aus drei verschiedenen Perspektiven untersucht – mit drei Datenbank-Technologien, weil jede für andere Fragestellungen optimiert ist:&lt;/p&gt;</description></item></channel></rss>