Andre S.

• Arkitekturerede og implementerede en produktionsklar Lakehouse på Databricks for ESNA (European Startup Nations Alliance), ved hjælp af Medallion-arkitekturen til at centralisere startupøkosystemdata på tværs af Europa
• Etablerede CI/CD-pipelines med Databricks Asset Bundles, hvilket muliggjorde automatiserede, pålidelige og versionskontrollerede datainfrastruktur-deployments
• Definerede og implementerede en datastyringsramme, der håndhævede datakvalitet, lineage-sporing og dokumentationsstandarder for reviderbare operationer
• Centraliserede fragmenteret datakilder til højperformance analytiske dashboards, hvilket muliggjorde rapportering på tværs af lande og økosystemsynlighed
• Designede skalerbare data-indsamlings- og transformationspipelines, hvilket forbedrede datapålidelighed og understøttede langsigtet platformvækst

• Arkitekturerede skalerbare datapipelines og datamodeller ved hjælp af Databricks, Delta Lake og Apache Spark, hvilket gav FP&A-teamet realtidssynlighed for SG&A-omkostninger og eliminerede manuel rapportering
• Definerede og implementerede datastyrningsstandarder, etablerede modelleringsbeste praksis og datakvalitetskontroller for at sikre pålidelig analyser
• Udviklet lead scoring og agent-segmenteringsmodeller, som forbedrede konverteringsrater og muliggjorde personaliserede finansielle tjenesteydelser i stor skala
• Automatiseret rapporteringsworkflows ved hjælp af Python og SQL Server, hvilket reducerede manuel indsats og leverede executive Power BI-dashboards
• Integreret komplekse finansielle data ved hjælp af Azure Data Factory (ADF), hvilket skabte en enkelt kilde til sandheden for kritiske business KPI'er

• Bidrog til udviklingen af en XGBoost-regressionsmodel i Python til at optimere prisfastsættelse af køretøjsannoncer, hvilket øgede brugerengagementet på platformen
• Udviklede datapipelines til dataforberedelse, validerede og rensede data fra SQL- og NoSQL-kilder for at sikre input af høj kvalitet til maskinlæringsmodeller
• Implementerede datavalideringsrutiner, der forbedrede datakonsistens, integritet og pålideligheden af maskinlæringspipelines
• Samarbejdede med erfarne data scientists om at omdanne bank- og markedspladsdata til brugbar indsigt for forretningsenheden inden for automotive

• Stod for makroøkonomisk rapportering med sporing af nøgleindikatorer på tværs af brancher, råvarer, finansielle markeder, landbrug og servicesektoren for at understøtte kundernes beslutningstagning
• Vedligeholdt en økonomisk database af høj kvalitet og sikrede nøjagtigheden af daglige opdateringer af nøgleindikatorer, herunder inflation (IPCA/IGP-M) og renter (SELIC)
• Analyserede markedstendenser og sektorpræstationer og leverede datadrevne indsigter til strategiske rapporter og økonomiske prognoser
• Effektiviserede dataindsamlingsprocesserne og forbedrede effektiviteten af daglige opdateringer på tværs af komplekse økonomiske datasæt

Danone is a world-leading food and beverage company, dedicated to bringing health through food to as many people as possible through its market-leading brands and data-driven commercial strategies.

• Produced strategic sales reports to track regional manager performance, providing the commercial team with actionable insights to hit monthly and annual targets.

• Streamlined customer and supplier management, overseeing registration and control processes to ensure operational efficiency within the supply chain.

• Analyzed commercial KPIs, identifying trends in sales performance and supporting the business unit with data-backed recommendations for market growth.

• Maintained high-integrity sales databases, ensuring that the information used for executive decision-making was accurate and up to date.