Jak zamienić rozproszone dane dotyczące zrównoważonego rozwoju w hotelarstwie w dashboard, który pomaga podejmować decyzje? To był praktyczny temat mojego 90-minutowego webinaru dla studentów studiów magisterskich Data Science na Modul University Vienna, w ramach cyklu "Practical AI & Data".
Nazywam się Kasia Sadowska i jestem założycielką FutureHabits.Tech. Podczas sesji pokazałam, jak narzędzia do vibe codingu, takie jak Lovable i Claude Code, wspierają tworzenie interaktywnych aplikacji. Główny proces opierał się na przygotowaniu briefu w Claude, a następnie budowaniu i dopracowywaniu dashboardu w Lovable. Celem nie był kolejny statyczny wykres, lecz czytelniejszy sposób analizowania danych o zrównoważonym rozwoju w hotelarstwie.
Wyzwanie: dane potrzebują użytecznego interfejsu
Analiza danych nie przekłada się automatycznie na decyzje operacyjne. Zespół hotelu może mieć informacje w kilku plikach lub systemach, a mimo to nie umieć szybko odpowiedzieć: co się zmieniło, gdzie i co należy sprawdzić?
Interaktywny dashboard może stać się centralnym miejscem dostępu do tych informacji. Przykładowe obszary to zużycie energii i wody oraz ilość odpadów w różnych obiektach i okresach. To propozycje zastosowań, nie twierdzenie, że podczas webinaru podłączyliśmy systemy hoteli lub zmierzyliśmy poprawę wyników środowiskowych.
Zaczęliśmy od pytania biznesowego, a nie wyboru narzędzia. Studenci pytali, jak dobrać model do konkretnego celu, czy zawsze musi to być LLM i od czego zacząć, gdy zespoły oraz dane są rozproszone.
Co wydarzyło się podczas 90-minutowego webinaru
Pokazałam drogę od pomysłu na dashboard do opublikowanego interaktywnego interfejsu: uporządkowanie problemu, przygotowanie promptu, budowanie w Lovable, przegląd interfejsu i publikacja. To ta sama zasada, którą stosuję podczas warsztatów dla founderów: najpierw dobry brief, potem budowanie.
1. Zacznij od Claude i szablonu promptu
Punktem wyjścia był Claude, a nie pusta rozmowa w Lovable. Szablony promptów pomagają uporządkować wymagania: kto będzie korzystał z dashboardu, jaką decyzję ma on wspierać, jakie dane są dostępne i co powinna robić pierwsza wersja.
W przypadku dashboardu dla hotelarstwa brief powinien określać wskaźniki, jednostki, okres raportowania oraz porównania. Powinien też opisywać interakcje, na przykład filtrowanie według obiektu lub daty. Claude pomaga zamienić te wymagania w prompt do Lovable, ale nie weryfikuje danych źródłowych ani naukowej poprawności wskaźnika.
Praktyczna wskazówka: poproś Claude o wskazanie brakujących informacji przed przygotowaniem promptu. Jeśli brief mówi tylko o "wynikach zrównoważonego rozwoju", doprecyzuj sposób ich definiowania. Uporządkowany prompt jest bardziej przydatny niż długa lista funkcji bez celu.
2. Przekaż Lovable jasny prompt do pierwszej wersji
Kolejnym krokiem było użycie przygotowanego briefu w Lovable. Zamiast prosić o "ładny dashboard", opisz użytkownika, główny widok, potrzebne filtry i sposób prezentacji informacji.
Pierwsza wersja powinna mieć zakres, który da się sprawdzić. Widok podsumowania, kilka wykresów i jeden użyteczny filtr to dobry początek. Jeśli rzeczywiste dane nie są gotowe, użyj wyraźnie oznaczonych danych przykładowych.
Praktyczna wskazówka: określ zachowanie przy brakujących danych. Brak wartości nie powinien automatycznie oznaczać zera, a przykładowy zestaw danych nie może udawać raportu operacyjnego.
3. Dopracuj interfejs pod konkretną decyzję
Wygenerowanie pierwszego interfejsu to dopiero początek. Pokazałam, jak kolejnymi promptami poprawiać hierarchię informacji, układ, etykiety oraz sposób nawigowania i filtrowania.
W raportowaniu zrównoważonego rozwoju czytelność jest ważniejsza niż dekoracje. Wykres potrzebuje zrozumiałego tytułu, jednostki i sensownego porównania. Całkowite zużycie i zużycie na jeden osobonocleg to różne miary, których nie należy traktować zamiennie.
Praktyczna wskazówka: zmieniaj jedną rzecz naraz i sprawdzaj rezultat. Przetestuj, czy filtry aktualizują właściwe wykresy, czy etykiety są czytelne i czy układ działa na mniejszym ekranie. Dopracowany wygląd nie dowodzi poprawności obliczeń.
4. Sprawdź i opublikuj
Omówiliśmy też publikację: przejście od prywatnego projektu do aplikacji, którą inni mogą otworzyć i ocenić. Opublikowany prototyp daje interesariuszom konkretny punkt odniesienia zamiast samego opisu.
Publikacja nie oznacza gotowości produkcyjnej. Zanim udostępnisz rzeczywiste dane hotelu, sprawdź dostęp, uprawnienia, informacje wrażliwe i poprawność obliczeń. Publiczna demonstracja powinna korzystać z danych, które wolno udostępniać.
Praktyczna wskazówka: otwórz opublikowany link jako odwiedzający i wykonaj główne zadanie od początku do końca. Sprawdź, czy potrzebne informacje są widoczne i czy prywatne dane nie stały się publiczne.
Praktyczne wnioski dla dashboardu zrównoważonego hotelarstwa
- Najpierw określ decyzję. Zacznij od jednego pytania, na przykład który obiekt wymaga sprawdzenia, zamiast pokazywać wszystkie wskaźniki.
- Porównuj uczciwie. Pokaż okresy, jednostki i właściwe mianowniki. Same sumy nie wystarczą do porównania obiektów o różnej wielkości.
- Zadbaj o pochodzenie danych. Wyjaśnij źródło i datę aktualizacji. Rozróżniaj braki, szacunki i wartości zmierzone.
- Sprawdź obliczenia poza interfejsem. Zweryfikuj agregacje i przeliczenia na podstawie wiarygodnych danych źródłowych.
- Buduj dla użytkowników. Zapytaj osobę z zespołu operacyjnego, czy dashboard pomaga odpowiedzieć na rzeczywiste pytanie.
- Dodawaj złożoność tylko wtedy, gdy jest potrzebna. Zacznij od użytecznego prototypu, zanim wdrożysz kolejne integracje i funkcje AI.
Wniosek: dashboard dopasowany do potrzeb jest w zasięgu
Nie każdy projekt dashboardu musi zaczynać się od rozbudowanych prac programistycznych i zestawu dodatkowych narzędzi. Vibe coding ułatwia stworzenie interfejsu dopasowanego do danych i decyzji. Taki dashboard może być centralnym miejscem dostępu do informacji o zrównoważonym rozwoju, zamiast kolejną oderwaną prezentacją.
Nie oznacza to, że arkusze kalkulacyjne, inżynieria danych czy ocena specjalistów przestały być potrzebne. Nadal liczą się wiarygodne dane, poprawne obliczenia i jasna odpowiedzialność. AI przyspiesza tworzenie interfejsu, ale za interpretację odpowiadają ludzie.
Dla studentów Data Science ważne było połączenie analizy z aplikacją, z której ktoś faktycznie może korzystać. Nie każdy problem wymaga LLM. Dobry brief, skupione budowanie i uważny przegląd pomagają przybliżyć dane do praktycznej decyzji.
Dziękuję Bahareh Heidarnezhad za zaproszenie. Mój główny wniosek pozostaje ten sam: nie zaczynaj od narzędzi, zacznij od ludzi.
Zacznij kolejny dashboard od lepszego briefu
Uporządkuj pomysł z pomocą PRD Buildera, sprawdź poradniki i materiały lub zobacz praktyczny warsztat AI w INiTS. Jeśli potrzebujesz sesji dopasowanej do zespołu, skontaktuj się ze mną.

