Carlos N.
Analytics Engineer
Er ist auf SQL, Python und dbt für die Datenmodellierung und -transformation spezialisiert und nutzt Tools wie GitHub, Snowflake, SQL Server, AWS S3 und Power BI, um effiziente, aufschlussreiche Lösungen zu liefern.
Eine seiner bemerkenswertesten Leistungen war die Entwicklung einer End-to-End-Datenpipeline, die ein dynamisches Segmentierungssystem unterstützt. Diese Lösung bestimmt, welche Schuldner wann und über welchen Kanal - E-Mail, SMS, TTS oder Telefon - kontaktiert werden sollen, indem analytische Intelligenz mit Geschäftslogik integriert wird, um die Schuldeneintreibung zu maximieren und den operativen Aufwand zu minimieren.
Carlos ist bekannt für seine Fähigkeit, komplexe Datenprozesse in praktische Geschäftslösungen zu übersetzen und sicherzustellen, dass jedes von ihm entwickelte System Klarheit, Effizienz und messbare Auswirkungen bietet.
Hauptkompetenz
Microsoft Power BI5 Jahre
SQL6 Jahre
T-SQL3 Jahre
Git4 JahreErfahrung4
Data-Entwickler
- Aufbau einer kompletten Datenpipeline von Grund auf, Definition der Speicherarchitektur, Auswahl der Transformationswerkzeuge und Einrichtung der Data-Warehouse-Plattform.
- Entwicklung und Bereitstellung von Power BI-Berichten, die Echtzeit-Dashboards und historische Analysen für Leistungs- und Kundenberichte liefern.
- Er entwarf und implementierte Segmentierungsstrategien für das Call Center, die eine effektive Erstellung von Schuldnerprofilen und die Festlegung von Prioritäten bei der Kontaktaufnahme ermöglichten.
- Erstellung automatisierter Follow-up-Systeme für Kunden, einschließlich E-Mail-, SMS- und TTS-Erinnerungen.
- Zentralisierte unternehmensweite Daten zur Gewährleistung eines konsistenten und einheitlichen Zugriffs.
- Erstellung und Optimierung von Datenumwandlungs-Workflows mit dbt und Airflow.
- Entwicklung und Pflege von Datenmodellen und Schemata für analytische und betriebliche Anforderungen.
- Anwendung von Data-Governance-Standards zur Gewährleistung der Datenqualität und -integrität.
- Optimierte SQL-Abfragen, gespeicherte Prozeduren und Indizierung zur Verbesserung der Systemleistung und Skalierbarkeit.
- Einsatz eines modernen Tech-Stacks mit Docker, dbt, Snowflake, PL/SQL, Airflow, Python und Power BI.
Docker
PythonSQL
AWS S3Microsoft Power BI
Analytics Engineer
- Er überwachte die Datenbereitstellungsprozesse für den Data Lake und sorgte für Genauigkeit, Konsistenz und die Einhaltung von Governance-Standards.
- Optimierte SQL Stored Procedures und Views zur Verbesserung der Leistung und Verkürzung der Abfragezeiten.
- Aufrechterhaltung der Zuverlässigkeit der analytischen Schicht durch regelmäßige Qualitätskontrollen und proaktive Problemlösung.
- Entwicklung von Analyseinstrumenten zur Segmentierung von Produkten nach Verkaufsleistung, Kundenpräferenzen und saisonalen Trends zur Unterstützung gezielter Bestandsverwaltungsstrategien.
- Er analysierte die Verkaufsleistung, um die leistungsstärksten und leistungsschwächsten Produkte zu ermitteln und strategische Geschäfts- und Marketingentscheidungen zu treffen.
- Nutzung von Power BI, Python und SQL zur Extraktion, Analyse und Visualisierung von Daten für ein effektives Bestandsmanagement und eine effektive Handelsplanung.
- Zusammenarbeit mit der Lieferkette und den Vertriebsteams, um die Bestandsstrategien mit den Geschäftszielen abzustimmen.
- Entwicklung automatisierter Berichtslösungen zur Überwachung von Lagerbeständen, Verkaufstrends und Nachschubbedarf zur Verbesserung der betrieblichen Transparenz und Entscheidungsfindung.
T-SQLPythonSQLMicrosoft Power BI
Pandas
Business Data Analyst
- Nutzte Excel, Power BI, Python und SQL, um Daten zu analysieren und umsetzbare Geschäftseinblicke zu generieren.
- Vermittlung von Analyseergebnissen an Stakeholder durch Ad-hoc-Datenextraktionen, Präsentationen und individuell erstellte Power BI-Dashboards.
- Entwicklung und Pflege von SQL-Stored Procedures zur Umwandlung, Aktualisierung und zum Laden von Daten in analytische Tabellen.
- Automatisierte wöchentliche und monatliche Geschäftsberichte, die die rechtzeitige Bereitstellung wichtiger Leistungsinformationen gewährleisten.
- Er leitete ein Projekt zur Datenumwandlung, bei dem Daten vor Ort in die Cloud migriert wurden, um die Skalierbarkeit und Zugänglichkeit zu verbessern.
- Refactoring und Optimierung von SQL Stored Procedures zur Rationalisierung des Datenflusses und Verbesserung der Systemeffizienz.
- Entwicklung und Erstellung von Power BI-Dashboards von Grund auf, die Self-Service-Analysen und datengesteuerte Entscheidungsfindung ermöglichen.
- Nutzung von Tools wie Power BI, DAX, SQL, Excel und Python zur Unterstützung von zuverlässigen Berichten und fortgeschrittenen Analysen.
PythonSQLMicrosoft Power BI
HTML / CSS
DAX
Microsoft ExcelContinuous Improvement Specialist
- Wiederherstellung und Pflege von Stammdaten aus dem ERP-System, Gewährleistung der Datengenauigkeit und -integrität.
- Er analysierte die Unternehmensprozesse und schlug Verbesserungen vor, um die Effizienz zu steigern und die Einhaltung von Vorschriften zu gewährleisten.
- Präsentation von Instrumenten und Prozessempfehlungen direkt an den Vorstand zur Unterstützung der strategischen Entscheidungsfindung.
- Sicherstellung der Einhaltung interner Kontrollen, Richtlinien und Verfahren in mehreren Abteilungen.
- Beitrag zur Entwicklung bewährter organisatorischer Verfahren, Förderung einer Kultur der kontinuierlichen Verbesserung.
- Unterstützung bei der Aktualisierung und Optimierung der Finanz-Workflow-Verfahren zur Rationalisierung der Abläufe.
- Nutzung von Tools wie Confluence, SAP, Excel und VBA zur Dokumentation, Automatisierung und Verbesserung von Geschäftsprozessen.
VBAHTML / CSS
SAPMicrosoft ExcelExcellence en ingénierie
Alle Analytics Engineers, die sich bei Proxify beworben haben, werden auf einer Skala von 0 bis 300 in technischer Exzellenz bewertet, einem der fünf von uns bewerteten Parameter. Diese Bewertung spiegelt ausschließlich die technische Exzellenz wider, basierend auf Interviews, Heimaufgaben, Live-Coding-Sitzungen und/oder Leistungsbewertungen am Arbeitsplatz. Die Kurve zeigt, wie alle bewerteten Analytics Engineers in diesem Bereich verteilt sind, wo unsere Akzeptanzschwelle für diesen Parameter liegt und wo sich Carlos befindet.
Score 188 · Top 11% of engineers
Ausbildung
Hör auf zu stöbern.
Lass dich schneller matchen.
Sprechen Sie mit einem Experten und erhalten Sie innerhalb von nur 2 Tagen maßgeschneiderte Matches aus unserem Netzwerk.
Zugriff auf über 6.000+ Experten
Werden Sie im Durchschnitt in 2 Tagen mit einem Entwickler zusammengebracht
Schnell und einfach einstellen mit 94% Übereinstimmungserfolg