Motivation & Ansatz
Das Projekt
MotivationEntstanden als Abschlussarbeit einer Data-Science-Fortbildung — mit dem Anspruch, Data Science nicht abstrakt, sondern an einem Alltagsbeispiel mit echtem Impact im ÖPNV zu zeigen. Die Recherche führte über deutsche ÖPNV Betreiber nach Zürich mit seiner herausragend guten Open-Data-Landschaft.
AufgabeEinen sauberen Master-Datensatz der realen VBZ-Tram-Halte bauen, mit dem eine qualitativ belastbare Analyse überhaupt erst möglich wird — die Data-Engineering-Grundlage für zh-tram-flow, dem Analyse- und Vorhersage-Projekt zu Zürich Tram. Leitgedanke: reduzieren was da ist, anreichern was für eine aussagekräftige Analyse fehlt.
Reduktion~400 Transportunternehmen → VBZ Tram, Polars statt Pandas (~4× schneller und sparsamer, per Benchmark belegt), 21 → 10 Spalten, ~11 % Zeilen entfernt.
AnreicherungVier Kontextquellen recherchiert und integriert — GTFS, Meteo, Events (kein Open Data → Handaufbau), Geo. 10 → 26 Spalten über Left- und Spatial-Joins.
Resultatvbz_master.parquet — 94,4 M Halt-Ereignisse × 26 Spalten, 1:1 reproduzierbar über 9 Notebooks, systematisch validiert: Schema, Wertebereiche, Join-Qualität, Stichproben gegen die Rohdaten.
Wähle deine Perspektive
Detaillierte Projekt Präsentationen
Das Projekt in drei kuratierten Ansichten für verschiedene Zielgruppen und Zeitbudgets.
Jede Präsentation nutzt die gleichen Daten — andere Dramaturgie und Fokus.
Overview
Business & Ergebnis
Der Datensatz und der Weg dorthin, verdichtet für Stakeholder und Recruiter. Fokus auf Reduktion, Anreicherung und Resultat.
Tech View
Engineering Deep-Dive
Werkzeugwahl, Join-Mechanik, Schema und Validierung im Detail. Für Data Engineers und Tech Leads.
Story View
Der ganze Weg
Von 38 GB Rohdaten zum Master: Genese, Motivation, Reduktion, Anreicherung, Vereinigung — vollständig erzählt. Portfolio-Vollansicht.
Schneller Zugriff