Andre S.

• Suunnitteli ja toteutti tuotantotason Lakehouse:n Databricksissa ESNA:lle (European Startup Nations Alliance), käyttäen Medallion-arkkitehtuuria startup-ekosysteemin datan keskittämiseksi Euroopan laajuisesti
• Perusti CI/CD-pipeline:t Databricks Asset Bundles:in avulla, mikä mahdollisti automatisoituja, luotettavia ja versiokontrollattuja datainfrastruktuuri-käyttöönottoja
• Määritteli ja toteutti tiedon hallintokehyksen, joka valvoi datan laatua, jäljitettävyyttä ja dokumentaatiostandardeja tarkastettavaa toimintaa varten
• Keskitti fragmentoituja tietolähteitä korkean suorituskyvyn analyyttisiin koontinäyttöihin, mikä mahdollisti maittain ulottuvan raportoinnin ja ekosysteemin näkyvyyden
• Suunnitteli skaalautuvia tiedon keräämis- ja muuntamispipeline:t, jotka paransivat tiedon luotettavuutta ja tukivat alustan pitkäaikaista kasvua

• Suunnitteli skaalautuvia datapipeline:ja ja datamallia käyttäen Databricksia, Delta Lake:a ja Apache Sparkia, mikä antoi FP&A-tiimille reaaliaikaista näkyvyyttä SG&A-kustannuksiin ja eliminoi manuaalisen raportoinnin
• Määritteli ja toteutti tiedon hallintostandardit, perusti mallinnuksen parhaita käytäntöjä ja tiedon laadunvalvontaa luotettavan analyysin varmistamiseksi
• Kehitti johtolankapelit ja agenttisegmentointimallit, jotka paransivat muuntonopeudet ja mahdollistivat personoituja finanssipalveluita suuressa mittakaavassa
• Automatisoi raportointi-workflow:t käyttäen Pythonia ja SQL Serveria, mikä vähensi manuaalista työtä ja toimitti Power BI-koontinäyttöjä johdolle
• Integraoi monimutkaiset taloudelliset tiedot käyttäen Azure Data Factory:ta (ADF), mikä loi yksittäisen totuuden lähteen kriittisille liiketoiminnan KPI:ille

• Osallistuin XGBoost-regressiomallin kehittämiseen Pythonilla ajoneuvoilmoitusten hinnoittelun optimoimiseksi, mikä lisäsi käyttäjien sitoutumista alustalla
• Kehitin datan esikäsittelyputkia, validoiden ja puhdistaen dataa SQL- ja NoSQL-lähteistä varmistaakseni koneoppimismalleille korkealaatuisen syötedatan
• Toteutin datan validointirutiineja, jotka paransivat koneoppimisputkien datan yhdenmukaisuutta, eheyttä ja luotettavuutta
• Tein yhteistyötä kokeneiden data scientistien kanssa muuttaakseni pankki- ja markkinapaikkadataa hyödynnettäviksi oivalluksiksi autoalan liiketoimintayksikölle

• Vastasin makrotaloudellisesta raportoinnista, seuraten keskeisiä indikaattoreita eri toimialoilla, raaka-ainemarkkinoilla, rahoitusmarkkinoilla, maataloudessa ja palvelusektorilla tukeakseni asiakkaiden päätöksentekoa
• Ylläpidin korkealaatuista taloustietokantaa varmistaen keskeisten indikaattoreiden, kuten inflaation (IPCA/IGP-M) ja korkojen (SELIC), päivittäisten päivitysten tarkkuuden
• Analysoin markkinatrendejä ja toimialojen kehitystä tarjoten datalähtöisiä näkemyksiä strategisiin raportteihin ja talousennusteisiin
• Tehostin tiedonkeruuprosesseja ja paransin monimutkaisten taloudellisten aineistojen päivittäisten päivitysten tehokkuutta

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.