Ibrahim Salami beschreibt im zweiten Teil seiner Data-Engineering-Journey-Serie, wie er seine erste ETL-Pipeline von Grund auf gebaut hat – ohne Tutorials durchzuarbeiten, sondern direkt mit eigenem Code in Google Colab. Als Datenquelle nutzte er die öffentliche GitHub API, um die 30 am meisten gestarnten Python-Repositories der letzten 30 Tage abzurufen. Im Extract-Schritt verwendet er die Python-Bibliothek requests, um die Such-Endpoint von GitHub abzufragen und die JSON-Antwort in ein Python-Dictionary umzuwandeln. Das erste zurückgegebene Ergebnis war ein Anthropic-Repository mit 139.000 Stars. Im Transform-Schritt filterte er aus den verschachtelten Dictionaries relevante Felder heraus (Name, Owner, Stars, Sprache, URL) und lud sie in einen Pandas-DataFrame – inklusive einer neu berechneten Spalte. Als letzten Schritt (Load) speicherte er das Ergebnis als CSV-Datei. Der Artikel richtet sich explizit an Einsteiger und verzichtet bewusst auf Orchestrierungs-Tools wie Airflow, Spark oder Databricks, die Salami als Weiterentwicklung desselben Grundprinzips einordnet.