Ahmad F.

Zuständigkeiten:

• Sie haben an der Einrichtung von Datenpipelines von lokalem SQL Server zu Snowflake teilgenommen und an agilen Praktiken wie Backlog-Verfeinerung und Sprint-Planung mitgearbeitet.
• Beitrag zur Entwicklung einer Python-Flask-Webanwendung zum Hochladen und Scrapen von Daten aus CSV-Dateien und Tabellenkalkulationen.
• Entwicklung und Optimierung großer Datenpipelines mit Databricks und PySpark, Verwaltung komplexer ETL-Prozesse und Big-Data-Workflows.

Ergebnisse:

• Migration kritischer Daten mit S3-Buckets und dbt, Verbesserung der Datenverfügbarkeit und der Systemleistung.
• Bereitstellung von hochleistungsfähigen, skalierbaren ETL-Lösungen mit fortgeschrittenen Transformationen und Leistungsoptimierung.
• Durch proaktive Anforderungsdiskussionen und effektive Zusammenarbeit im Team wurden technische Implementierungen auf die Unternehmensziele abgestimmt.

Zuständigkeiten:

• Aufbau einer umfassenden Datenplattform auf Azure durch die Durchführung von Anforderungserhebungen mit verschiedenen Geschäftsinteressenten zur Unterstützung der Berichterstattung und der betrieblichen Anforderungen.
• Verwaltete zahlreiche DataOps-Aufgaben, einschließlich der Entwicklung von CI/CD-Pipelines, der Bereitstellung von Ressourcen, der Konfiguration von Kubernetes-Clustern, dem Ingesting von Daten und der Erstellung skalierbarer ETL-Workflows.
• Sie haben Orchestrierungstools für Datenübertragungen von System zu System eingesetzt, Datenmodelle gepflegt, Power BI-Dashboards entwickelt und jüngere Teammitglieder angeleitet.

Ergebnisse:

• Bereitstellung von robusten cloudbasierten Lösungen, die die Berichterstattungsmöglichkeiten verbessern und die betrieblichen Abläufe rationalisieren.
• Nahtlose Datenintegration und effiziente Transfers durch optimierte Pipelines und effektive Orchestrierungsstrategien.
• Über Power BI-Dashboards und Finanzbenchmarks wurden umsetzbare Erkenntnisse gewonnen, die die Entscheidungsfindung von Investoren und das Wachstum des Teams fördern.

Zuständigkeiten:

• Arbeitete mit einem 10-köpfigen Team zusammen, um ein robustes Data Warehouse für einen globalen Einzelhandelskunden aufzubauen, wobei Infrastructure as Code (IaC) mit Terraform verwendet wurde, um grundlegende Daten- und Analysefunktionen zu schaffen.
• Anwendung von DevOps-Praktiken zur Automatisierung und Versionskontrolle bei der Erstellung von Cloud-Ressourcen, Entwicklung von Python-Skripten mit Unit-Tests für die Datenextraktion und das Laden von Daten und Nutzung von Azure Databricks mit PySpark für komplexe Datenverarbeitung.
• Unterstützung bei der Erstellung von dbt-Abfragen für Snowflake-Transformationen, Aufbau von Migrationspipelines von Salesforce zu Azure unter Verwendung verschiedener Azure-Dienste und strategische Beratung zu Tooling und Plattformmanagement.

Ergebnisse:

• Bereitstellung einer skalierbaren Data-Warehouse-Lösung, die die Datenintegration und die Analysefunktionen für ein globales Einzelhandelsunternehmen verbessert hat.
• Optimierte Entwicklungsabläufe durch automatisierte DevOps-Pipelines, die die Bereitstellungszeit verkürzen und die Systemzuverlässigkeit verbessern.
• Beratung zu Cloud-Strategie und Tooling-Optimierung, um hohe Leistung, Skalierbarkeit und effiziente Ressourcennutzung in Kundenprojekten zu gewährleisten.

Zuständigkeiten:

• Pflege umfangreicher Datenpipelines für ein Data Warehouse mit Azure Data Factory und SQL Stored Procedures, um einen nahtlosen Datenfluss und genaue Transformationen zu gewährleisten.
• Beitrag zur Entwicklung eines Modells für maschinelles Lernen durch die Verwendung von Azure Machine Learning Service und Python-Skripten zur Erstellung und Automatisierung von ML-Pipelines.

Ergebnisse:

• Erzielung zuverlässiger und effizienter Datenintegrations- und -umwandlungsprozesse, Stärkung der gesamten Dateninfrastruktur.
• Automatisierte ML-Pipeline-Workflows, Beschleunigung der Modellentwicklung und -bereitstellung und Verbesserung der prädiktiven Analysefunktionen für Erkenntnisse im Gesundheitswesen.

Zuständigkeiten:

• Entwickelte sowohl einfache als auch fortgeschrittene Datenintegrationen für groß angelegte Bauprojekte und unternehmensinterne Programme unter Verwendung verschiedener Cloud-Dienste und Programmiersprachen auf der Azure-Plattform.
• Wir haben Data Warehouses erstellt, Workflows mit Azure Data Factory, Logic Apps und Function Apps orchestriert und Python-Pakete wie Pandas für ETL-Prozesse genutzt.
• Erstellung von Power BI-Berichten mit fortgeschrittenen DAX-Funktionen und benutzerdefinierten Grafiken, um aufschlussreiche Projektanalysen zu liefern.

Ergebnisse:

• Rationalisierung komplexer Datenprozesse und Integrationen, Verbesserung der Datenspeicherung, Berichtseffizienz und Betriebsleistung.
• Verbesserte Datengenauigkeit und -zugänglichkeit, die eine datengesteuerte Entscheidungsfindung durch umfassende Power BI-Dashboards ermöglichen.
• Bereitstellung skalierbarer und kosteneffizienter Cloud-Lösungen auf Microsoft Azure, Gewährleistung einer konsistenten Leistung über mehrere Unternehmensprojekte hinweg.