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.

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