Skip to content
createwithlogic

US-B2B-Sales-Intelligence-Unternehmen

Kontaktdaten-Engine

live · täglich im Einsatz beim Team des Kunden

Ein Sales-Intelligence-Unternehmen saß auf Hunderttausenden Kontakten, verteilt über 20 Exportdateien in zwei inkompatiblen Formaten. Niemand konnte eine simple Frage beantworten wie: „Wie viele Marketing-VPs haben wir in Texas?" Heute kann das jeder im Team, formuliert in ganz normaler Sprache.

Sie wollen wissen, was das bei Ihnen kostet?

Ich rechne Ihnen die drei groessten Zeitfresser durch, in Stunden und Euro. Kostenlos, schriftlich, in 72 Stunden.

Kein Newsletter, keine Sequenz. Sie behalten die Analyse in jedem Fall.

Tim Muenzel

Tim Muenzel

baut und betreibt die Systeme selbst

863.484
Kontakte in der finalen Datenbank
0
Duplikate nach dem Dedup
1,2 Mio.+
leere Felder angereichert
8/8
QA-Checks bestanden vor der Übergabe

Die Ausgangslage

  • Zwanzig große CSVs, rund 777.000 Rohzeilen, zwei verschiedene Schemata, überlappende und widersprüchliche Datensätze.
  • Suchen, Segmentieren oder Exportieren ging nur, wenn jemand mit Datenkenntnissen manuelle Tabellen-Chirurgie betrieb.
  • Datenqualität unbekannt: Duplikate, veraltete E-Mail-Adressen, uneinheitliche Branchen-Labels.
architecture
Sources
  • 20 CSV exports
    ~777k raw rows, 2 schemas
  • Enrichment feeds
    ZIP geodata · email validation
Pipeline
  • Normalize
    24 canonical fields
  • Deduplicate
    email PK + fuzzy name/company
  • QA gates
    8/8 checks before load
Serve
  • Postgres · 863,484 rows
    RPC search + count
  • Custom GPT
    plain-English queries via OpenAPI
  • Exports & bulk updates
    edge functions, 10k-row CSV
Twenty inconsistent exports on the left, one clean asset on the right, with natural language as the query interface.

Was gebaut wurde

01

Normalisierungs- und Dedup-Pipeline

Jede Quelle normalisiert auf 24 kanonische Felder, dedupliziert über die E-Mail-Adresse als Primärschlüssel mit Fuzzy-Fallback auf Name und Firma, Branchen zusammengeführt in eine normalisierte Taxonomie mit 35 Branchen. Endstand: 863.484 Kontakte, null Duplikate, über 1,2 Mio. zuvor leere Felder angereichert, 8/8 QA-Checks bestanden.

02

Suche in natürlicher Sprache

Supabase-RPC-Funktionen, per OpenAPI an einen Custom GPT angebunden: Suchen und Zählen nach Titel, Branche, Standort (inklusive Umkreissuche per ZIP-Code), Unternehmensgröße und Umsatz, mit Pagination, CSV-Export bis 10.000 Zeilen und Bulk-Updates über Edge Functions.

Stack

  • Supabase (Postgres + RPCs + Edge Functions)
  • Custom GPT über OpenAPI Actions
  • Python-Datenpipeline
  • Umkreissuche per ZIP-Code

Wartet so ein System auch in Ihrem Unternehmen?

Starten Sie mit dem Gratis-Teardown: Ich kartiere Ihre drei größten Automatisierungs-Lecks und was sie Sie monatlich kosten. In 72 Stunden in Ihrem Postfach.

Gratis-Teardown anfordern