Angela B.

• Ontwierp en implementeerde geautomatiseerde datapipelines met behulp van Apache Airflow en AWS Glue om bedrijfsdata uit SAP en Salesforce te integreren
• Bouwde ETL/ELT-workflows om brondata te transformeren en te standaardiseren, en leverde productieklare datasets aan Amazon Redshift voor wereldwijde analyses
• Maakte enterprise-rapportage mogelijk door Power BI-dashboards te ondersteunen die worden gebruikt door wereldwijde finance-, sales- en operationsteams
• Ontwierp en implementeerde serverloze datapipelines met behulp van op Python gebaseerde AWS Lambda-functies, geprovisioneerd met Terraform
• Implementeerde schaalbare, fouttolerante dataverwerkingspipelines om groeiende datavolumes te ondersteunen met minimale operationele overhead

• Leidde een grootschalige migratie van Microsoft SQL Server naar PostgreSQL, waarbij datamodellen, schema's en indexeringsstrategieën werden herontworpen om prestaties, schaalbaarheid en onderhoudbaarheid te verbeteren
• Ontwierp en implementeerde het dataplatform met behulp van Azure Data Factory, Azure Synapse en vroege versies van Microsoft Fabric
• Zette bedrijfsbrede datagovernance en metadatabeheer op met behulp van Microsoft Purview, Data Vault-principes en Unity Catalog, wat zorgde voor veilige toegangscontrole, datalineage en schemaconsistentie
• Implementeerde Apache Airflow op Astronomer voor workfloworkestratie en integreerde CI/CD-pipelines met behulp van GitLab Cloud
• Implementeerde geautomatiseerde validatie van schema, datakwaliteit en infrastructuur via Azure DevOps pipeline-gates, wat gecontroleerde promotie mogelijk maakte tussen ontwikkelings-, test- en productieomgevingen
• Ontwikkelde krachtige Python-gebaseerde Airflow DAG's, optimaliseerde databaseprestaties en leidde taakdelegatie binnen het data-engineeringteam
• Verminderde data-laadtijden en pipeline-codecomplexiteit met ongeveer 70%, wat de gegevenslevering versnelde en de operationele overhead verlaagde

• Ontwierp en implementeerde een genormaliseerd enterprise datawarehouse ter ondersteuning van schaalbare, hoogwaardige analyses binnen verschillende bedrijfsdomeinen
• Bouwde end-to-end datapipelines met behulp van Azure Data Factory, Azure Storage, Databricks Autoloader en Azure Data Lake
• Implementeerde streaming- en incrementele ingestiepipelines in Databricks om betrouwbare data te leveren voor analyses en rapportage
• Herbouwde en optimaliseerde ingestiepipelines tijdens de migratie naar Azure Synapse Analytics, waardoor de queryprestaties werden verbeterd en geautomatiseerde datakwaliteitscontroles via Azure DevOps-pipelines werden geïntroduceerd
• Implementeerde datagovernance, toegangscontrole en lineage met behulp van Unity Catalog
• Leidde de migratie naar Microsoft Fabric, waarbij het dataplatform werd gemoderniseerd en het operationele beheer werd vereenvoudigd

• Ontwierp en implementeerde end-to-end ETL/ELT-pipelines die data van meer dan 15 heterogene bronnen consolideerden, waaronder SAP, Salesforce, MongoDB, Hadoop, Oracle, Snowflake, API's en data lakes, in een gecentraliseerd PostgreSQL-datawarehouse
• Bouwde geautomatiseerde ingestie- en transformatieworkflows met behulp van AWS Glue, Azure Data Factory, Apache Airflow, dbt en Dataiku, wat betrouwbare dagelijkse data-updates mogelijk maakte voor analyses, KPI-rapportage en machine learning-workloads
• Ontwierp en implementeerde serverloze datapipelines met behulp van AWS Lambda en Azure-diensten, geprovisioneerd met Terraform, waardoor de handmatige operationele inspanning met ongeveer 70% werd verminderd
• Leidde voorspellende machine learning-initiatieven in Dataiku, met modellen die tot 99% voorspellende nauwkeurigheid leverden en meetbare bedrijfsimpact hadden
• Fungeerde als technisch leider voor het data-engineeringteam, en coördineerde taakplanning, code reviews en samenwerking met analytics-, machine learning- en business-stakeholders
• Stelde standaarden op voor datakwaliteit, governance en lineage ter ondersteuning van enterprise-rapportage en regelgevingscompliance

NLB Bank is a leading financial institution operating across multiple European markets, providing retail and corporate banking services.

• Built secure and scalable data pipelines using Azure infrastructure, MSSQL, SSIS, and Python to process high-volume transactional and customer data.

• Integrated diverse data sources, including APIs, flat files, and cloud-based systems, ensuring consistency and reliability across financial datasets.

• Implemented regulatory-compliant data workflows aligned with GDPR and PCI-DSS requirements for sensitive financial and customer information.

• Enabled continent-wide real-time fraud alerting systems, significantly improving detection speed and operational response.

• Improved overall data processing performance and stability by optimizing failing jobs and refining ETL logic.

• Delivered enterprise reporting solutions using Power BI and SQL Server Reporting Services (SSRS), supporting global financial reporting needs.

Confidential digital marketing project focused on building scalable, cloud-native data platforms on AWS to support business-critical applications.

• Architected a fully automated ETL pipeline on AWS using S3, DynamoDB, Glue, DMS, and Step Functions to support a scalable data warehouse on Amazon Aurora.

• Led the migration of legacy on-premise data to AWS by automating schema conversion and data transfer with AWS DMS.

• Designed secure, high-performance data ingestion and transformation workflows to support application backends and analytics use cases.

• Improved system reliability and scalability by leveraging managed AWS services and event-driven orchestration patterns.

• Ensured data security, access control, and performance optimization across the cloud environment.

Deutsche Telekom is one of Europe’s largest telecommunications providers, serving millions of customers across mobile, broadband, and enterprise services.

• Supported senior data engineers in developing and maintaining enterprise data warehouse pipelines.

• Monitored existing production data workflows, identifying and debugging pipeline failures and performance issues.

• Assisted in maintaining Azure-based data platforms, ensuring data freshness and operational stability.

• Gained hands-on experience with enterprise-scale data engineering practices in a regulated telecom environment.