← К портфолио Product Analytics + A/B on Supabase preview
Стек
PythonStreamlitSupabase (Postgres + RLS + Edge Functions)SQLsupabase-py
Эффект
  • Full-stack: Streamlit UI + Supabase Postgres + Edge Function ingest (API-key auth)
  • Row Level Security on every table — a user sees only their org's rows
  • SQL views compute funnel, cohort, MRR, DAU, channel conversion — the dashboard reshapes, it does not aggregate
  • A/B result in the DB: control 32.1% vs treatment 37.2%, p = 0.0034 (chi-square)
Исходники Смотреть на GitHub → Репозиторий приватный — доступ по запросу

Product Analytics + A/B on Supabase

Business Context

Аналитическое портфолио чаще всего показывает метрики на чистом CSV. Этот проект закрывает другой сценарий — как аналитика встраивается в реальный multi-tenant продукт: авторизация, изоляция данных по организациям, путь инжеста событий и эксперимент, результат которого считается в базе, а не в ноутбуке.

Architecture

Client/seed  ── POST /functions/v1/ingest (x-api-key) ──►  Edge Function (Deno)
                                                              │
Streamlit    ◄── email/password auth + SQL (RLS-scoped) ──►  Supabase Postgres
dashboard        (supabase-py, anon key)                      analytics + experiments
  • Схемы: analytics (organizations, api_keys, users, events, subscriptions, org_members) и experiments (experiments, variants, assignments, metrics).
  • Аналитика в БД: SQL-views считают funnel, cohort retention, MRR, DAU и channel conversion (sql/002_views.sql) — дашборд переформатирует, но не агрегирует.
  • A/B в БД: experiments.v_results считает по варианту assigned/converted/conversion; χ²-тест запускается поверх в дашборде.
  • Ingest: Edge Function валидирует API-ключ (SHA-256 hash, не plaintext) и вставляет событие через security definer функцию.

Security model (RLS)

На каждой таблице включён Row Level Security. Пользователь видит только строки своей организации — дашборд безопасно открывать реальным пользователям, а не только запускать локально.

Insight

Ключевое — аналитика считается там же, где лежат данные. SQL-views и v_results означают, что метрики и экспериментальные результаты согласованы между любым клиентом, который подключается к базе: дашборд, BI-инструмент или ad-hoc SQL-запрос видят одни и те же цифры.

Impact

  • Full-stack путь — instrument → ingest → isolate → analyze → experiment в одном репозитории.
  • Завершённый A/B — control 32.1% vs treatment 37.2%, p = 0.0034 (χ²), +5.1pp lift.
  • RLS на всех таблицах — дашборд безопасно показывать реальным пользователям.
  • Переиспользованный UI — слой презентации взят из streamlit-app; заменён только слой данных.

Documentation

Разбор кейса

Проблема

Дашборд на синтетических данных доказывает аналитические навыки, но не показывает, как аналитика живёт внутри реального multi-tenant продукта: аутентификация, изоляция данных по тенантам, путь инжеста и экспериментальные результаты, считающиеся там же, где лежат данные.

Подход

Переиспользовал UI из streamlit-app, но заменил слой данных: вместо генератора в памяти — Supabase Postgres. На каждой таблице включён RLS, пользователь видит только строки своей организации; Edge Function валидирует API-ключ (хранится как SHA-256) и вставляет события через security-definer функцию. Аналитика живёт в SQL-views (funnel, cohort, MRR, DAU, channel conversion), а результат A/B считается прямо в базе (v_results) — χ²-тест запускается поверх.

Результат

Один репозиторий демонстрирует весь путь: instrument → ingest → isolate → analyze → experiment. Завершённый A/B даёт control 32.1% vs treatment 37.2% (p = 0.0034), а модель безопасности означает, что дашборд безопасно показывать реальным пользователям, а не только запускать локально.

+5.1pp A/B lift
0.0034 p-value
все таблицы RLS-изоляция
Edge Function Ingest

Смотрите также