Angela B.

• Designet og satte i drift automatiserte datapipelines ved bruk av Apache Airflow og AWS Glue for å integrere bedriftsdata fra SAP og Salesforce
• Bygde ETL/ELT-arbeidsflyter for å transformere og standardisere kildedata, og leverte produksjonsklare datasett til Amazon Redshift for global analyse
• Muliggjorde bedriftsrapportering ved å støtte Power BI-dashboard som brukes av globale finans-, salgs- og driftsteam
• Arkitekterte og satte i drift serverløse datapipelines ved bruk av Python-baserte AWS Lambda-funksjoner provisjonert med Terraform
• Implementerte skalerbare, feiltolerante databehandlingspipelines for å støtte voksende datavolumer samtidig som operasjonell overhead ble minimert

• Ledet en fullskala migrering fra Microsoft SQL Server til PostgreSQL, og redesignet datamodeller, skjemaer og indekseringsstrategier for å forbedre ytelse, skalerbarhet og vedlikeholdbarhet
• Designet og implementerte dataplattformen ved bruk av Azure Data Factory, Azure Synapse og tidlige versjoner av Microsoft Fabric
• Etablerte bedriftsomfattende datastyring og metadatahåndtering ved bruk av Microsoft Purview, Data Vault-prinsipper og Unity Catalog, som sikret sikker tilgangskontroll, datalinje (lineage) og skjemakonsistens
• Satte i drift Apache Airflow på Astronomer for arbeidsflytorkestrering og integrerte CI/CD-pipelines ved bruk av GitLab Cloud
• Implementerte automatisert validering av skjema, datakvalitet og infrastruktur gjennom Azure DevOps pipeline-porter, som muliggjorde kontrollert forfremmelse på tvers av utviklings-, test- og produksjonsmiljøer
• Utviklet høyytende Python-baserte Airflow DAG-er, optimaliserte databaseytelse og ledet oppgavedelegering på tvers av data engineering-teamet
• Reduserte datalastetider og pipeline-kodekompleksitet med omtrent 70 %, som akselererte datalevering og reduserte operasjonell overhead

• Designet og implementerte et normalisert bedriftsdatavarehus for å støtte skalerbar, høykvalitets analyse på tvers av forretningsdomener
• Bygde ende-til-ende datapipelines ved bruk av Azure Data Factory, Azure Storage, Databricks Autoloader og Azure Data Lake
• Implementerte strømme- og inkrementelle ingestion-pipelines i Databricks for å levere pålitelig data til analyse og rapportering
• Bygde om og optimaliserte ingestion-pipelines under migreringen til Azure Synapse Analytics, som forbedret spørringsytelse og introduserte automatiserte datakvalitetskontroller gjennom Azure DevOps-pipelines
• Implementerte datastyring, tilgangskontroll og datalinje (lineage) ved bruk av Unity Catalog
• Ledet migreringen til Microsoft Fabric, som moderniserte dataplattformen og forenklet den operasjonelle håndteringen

• Designet og implementerte ende-til-ende ETL/ELT-pipelines som konsoliderte data fra mer enn 15 heterogene kilder, inkludert SAP, Salesforce, MongoDB, Hadoop, Oracle, Snowflake, API-er og data lakes, i et sentralisert PostgreSQL-datavarehus
• Bygde automatiserte ingestion- og transformasjonsarbeidsflyter ved bruk av AWS Glue, Azure Data Factory, Apache Airflow, dbt og Dataiku, som muliggjorde pålitelige daglige dataoppdateringer for analyse, KPI-rapportering og maskinlæringsarbeidsbelastninger
• Arkitekterte og satte i drift serverløse datapipelines ved bruk av AWS Lambda og Azure-tjenester, provisjonert med Terraform, som reduserte den manuelle operasjonelle innsatsen med omtrent 70 %
• Ledet prediktive maskinlæringsinitiativer i Dataiku, og leverte modeller med opptil 99 % prediktiv nøyaktighet og målbar forretningspåvirkning
• Fungerte som teknisk leder for data engineering-teamet, og koordinerte oppgaveplanlegging, kodegjennomganger og samarbeid med analytics-, maskinlærings- og forretningsinteressenter
• Etablerte standarder for datakvalitet, styring og datalinje (lineage) for å støtte bedriftsrapportering og regelverksetterlevelse

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.