Architektur in drei Layern
- Capture – API-Sync (Oura, Levels), Labor-Uploads, Supplement-Logs.
- Model – Normalisierung in einer einheitlichen Zeitachse, Mapping pro Biomarker/Supplement.
- View – Widgets für Zielerreichung, Trends und Alerts.
Welche Charts funktionieren
- Sparkline + Zielbereich für Biomarker (Ferritin, hsCRP).
- Stacked Bars für Supplement-Compliance.
- Correlation Cards (z. B. Schlaf vs. Nüchternblutzucker).
Alert-Logik
| Trigger | Regel | Action |
|---|---|---|
| Biomarker außerhalb Zielkorridor | value > targetHigh oder < targetLow | Reminder + Arztinfo |
| Supplement ausgelassen | 3x in Folge | Push aufs Handy |
| Insight ready | Trend stabil > 21 Tage | Insight Card an Nutzer:in |
Umsetzung
- Nutze dbt oder einfache Transform-Skripte, um Einheiten zu harmonisieren.
- Speichere jedes Insight mit Link zum zugrundeliegenden Datenset, damit Entscheidungen nachvollziehbar sind.
Fazit
Ein klarer Analytics-Blueprint verwandelt lose CSVs in ein Decision Center. Du erkennst Engpässe schneller, priorisierst Interventionen und kannst Health Journeys besser dokumentieren.
Diskussion
Community-Kommentare kommen bald. Bis dahin freuen wir uns über Feedback und Fragen via E-Mail.
E-Mail anzeigen
