Ivan P.
Data Engineer
Eine seiner wichtigsten Errungenschaften war die Entwicklung und Implementierung einer vollständig serverlosen Datenpipeline für Webanalysen und Kundenverfolgung - ein Projekt, das er als ausschlaggebend für seine Karriere als Data Engineer bezeichnet. Durch dieses Engagement hat Ivan umfangreiche Erfahrungen mit Python, AWS-Datendiensten, Daten-Streaming, Data Lakes und der Bereitstellung von Infrastruktur unter Verwendung von vorlagenbasiertem Code gesammelt.
Ivan ist bekannt für seine Anpassungsfähigkeit, sein Engagement für kontinuierliches Lernen und seine Fähigkeit, skalierbare, effiziente und leistungsstarke Datenlösungen zu liefern, die einen echten Einfluss auf das Geschäft haben.
Hauptkompetenz
Snowflake3 Jahre
Apache Airflow5 Jahre
Python5 Jahre
Java5 JahreErfahrung6
Data Engineer
- Mitarbeit im Data-Engineering-Team bei JW Player, Entwicklung von Datenpipelines und eingebetteten Analysen für den Bereich Zahlungen und Abonnements.
- Implementierung von CDC-Pipelines mit AWS DMS, Integration von Daten aus PostgreSQL, MariaDB, Kinesis und Kafka in S3.
- Verarbeitet und orchestriert Daten in Snowflake mit Airflow und Snowflake Tasks und verwaltet Schemaentwicklung mit Sqitch.
- Datenvisualisierung durch ThoughtSpot und Looker, um die Zugänglichkeit der Daten und die Bereitstellung von Erkenntnissen zu verbessern.
- Überwachen der Systemleistung mit DataDog und Optimieren der Infrastrukturverwaltung mit GitLab, GitHub, CloudFormation und Docker.
PostgreSQL
AWS
Apache Kafka
SQL
AWS Kinesis
Data Engineer
- Mitarbeit im Data-Engineering-Team von Slice, einer schnell wachsenden B2B2C-Plattform, die über 20.000 US-amerikanische Kunden unterstützt. Pizzerien.
- Entwurf und Pflege von Live-Datenpipelines, Integration von CDC-Daten für Benutzer und Bestellungen in Databricks Delta Lake, DynamoDB (über OData) und S3.
- Nutzung der Confluent Kafka-Plattform mit Schema Registry für Stream Schema Evolution (AVRO).
- Angewandte KsqlDB und Kafka Streams (Scala) für Echtzeit Stream Processing.
- Implementierung von Kafka Connect für Systemintegrationen und Änderungsdatenerfassung.
- Nutzung von Databricks Notebooks für Spark-Batch-Verarbeitung in SQL, Scala und Python.
- Orchestrierte Databricks-Aufträge mit Airflow zur Workflow-Automatisierung.
- Einsatz von GitLab CI/CD, Docker und Terraform für die Bereitstellung und Verwaltung der Infrastruktur.
AWS
Databricks
Apache SparkJavaPythonData Engineer
- War als leitender Architekt und Entwickler im Webanalyse- und Tracking-Team bei der Global Saving Group tätig, einer Plattform, die Online-Shopper mit Einzelhändlern verbindet und mehr als 100 digitale Kunden weltweit bedient.
- Konzeption, Entwicklung und Pflege interner Produkte für Kundenverfolgung, Webanalyse und domänenübergreifende Konversions- und Transaktionsverfolgung.
- Wir haben vollständig serverlose IaC-Implementierungen auf AWS entwickelt, die eine skalierbare und kosteneffiziente Infrastruktur ermöglichen.
- Entwicklung und Orchestrierung von Datenpipelines für die ereignisbasierte und Batch-Dateneingabe unter Verwendung eines Data-Lake-Ansatzes.
- Verarbeitet große Mengen an unstrukturierten Rohdaten, führt Transformationen, Aggregationen und Data Warehousing durch.
- Bereitstellung von Echtzeit-Analysen zu aktiven Nutzern, Sitzungen und Kanälen zur Unterstützung von Geschäftseinblicken.
MySQLAWSJavaPythonSQL
Mulesoft-Entwickler
- Er leitete die Java-Entwicklung für mehrere Datenintegrationsprojekte unter Verwendung der Anypoint Mulesoft ESB-Plattform und entwickelte zertifizierte kundenspezifische Konnektoren, die auf dem Mulesoft Marketplace veröffentlicht wurden und Unternehmenssysteme wie Salesforce, Anaplan, Coupa und CallidusCloud unterstützen.
- Definierte und sammelte geschäftliche Anforderungen direkt mit den Produktverantwortlichen, Architekten und Managern des Kunden.
- Vorbereitung von Architekturdesign-Dokumentation und Lösungsvorschlägen als Leitfaden für die Projektumsetzung.
- Implementierung von End-to-End-Integrationslösungen, die Skalierbarkeit und Wartungsfreundlichkeit gewährleisten.
- Entwicklung und Durchführung von Funktions- und Integrationstests zur Überprüfung der Systemleistung und -zuverlässigkeit.
Java
MuleSoft
Java BI Developer
-
Developed a BI platform involving data integration, ETL, and warehousing for a top 10 mobile game publisher with over 1 billion downloads and 45 million monthly active users;
-
Developed the automated BI system;
-
Collected daily reports from more than 15 ad provider sources;
-
Transformed, enriched, and loaded data into the data warehouse;
-
Ensured data consistency and integrity;
-
Injected missing data and corrected invalid data;
-
Developed and maintained data pipelines;
-
Built an orchestration system for workflow management.
PostgreSQLAWSJava
Spring BootSQL
Java Back-End Developer
-
Developed a BI platform involving data integration, ETL, and warehousing for a top 10 mobile game publisher with over 1 billion downloads and 45 million monthly active users;
-
Developed the automated BI system;
-
Collected daily reports from more than 15 ad provider sources;
-
Transformed, enriched, and loaded data into the data warehouse;
-
Ensured data consistency and integrity;
-
Injected missing data and corrected invalid data;
-
Developed and edited data pipelines;
-
Built an orchestration system for workflow management.
NGINX
CassandraJava
TomcatExcellence en ingénierie
Alle Data 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 Data Engineers in diesem Bereich verteilt sind, wo unsere Akzeptanzschwelle für diesen Parameter liegt und wo sich Ivan befindet.
Score 234 · Top 2% of engineers
Zertifikate 1
Issued Jan 2022 - Expires Jan 2025
Issued Jan 2022 - Expires Jan 2025
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