用途：该技能用于生成虚拟办公课程（第 7.3 节 数据清洗与分析）的练习素材。目标不是干净数据，而是还原现实中常见的脏乱关系型数据集；因种子固定，讲师与所有学员可用完全一致的数据练习。
生成方式：仅依赖标准库，无需额外安装。执行 python3 scripts/generate_mart.py --out ./magma-mart。
输出文件：customers.csv（客户 1,030 行，含 30 条重复注册）、products.csv（商品 200 行）、promotions.csv（促销 30 行）、orders.csv（订单 20,060 行）、order_items.csv（订单明细 33,370 行）、schema.sql（暂存表 DDL，以文本列承接脏数据）、DIRT_REPORT.md（注入的脏数据类型与数量汇总，相当于答案）。
使用流程：先向用户展示生成结果（行数与脏数据摘要），确认是否入库；未确认不得入库。批准入库后，用 schema.sql 建暂存表并导入 5 个 CSV。若使用 Supabase，可通过仪表盘 Table Editor 的 CSV 导入或 SQL Editor 完成。入库后查询各表行数，与 CSV 行数比对并报告。
规则与限制：不要随意修改 --seed（默认 42），否则与课程画面和学员数据不一致。DIRT_REPORT.md 是清洗练习的答案，练习前不要先给学员看。不要在生成阶段预先修复脏数据——修复本身就是练习内容。生成数据全部为虚构，与真实人物、商号无关，不属于个人信息。
脏数据模式（教学要点）：重复客户（写法变体）、电话缺失、地区写法不规范（서울/SEOUL/서울특별시）、邮箱污染、负价格、价格异常值（单位错误）、分类缺失、4 种日期格式混用、未来日期、渠道写法不规范（online/ONLINE/온라인）、重复订单行、孤儿商品外键、负数数量、4 种金额写法混用（₩、逗号、'원'、小数点）。
其他产品细节、收费与价格信息暂未提供。