Ahmad F.

Ansvarsområden:

• Deltog i att sätta upp datapipelines från lokal SQL Server till Snowflake, och samarbetade i Agile-metoder som backlogförfining och sprintplanering.
• Bidrog till utvecklingen av en Python Flask-webbapplikation för uppladdning och skrapning av data från CSV-filer och kalkylblad.
• Utvecklat och optimerat storskaliga datapipelines med hjälp av Databricks och PySpark, hanterat komplexa ETL-processer och big data-arbetsflöden.

Resultat:

• Migrerade kritisk data med hjälp av S3-hinkar och dbt, vilket förbättrade datatillgängligheten och systemets prestanda.
• Levererade högpresterande, skalbara ETL-lösningar med avancerade transformationer och prestandainställningar.
• Anpassade tekniska implementeringar med affärsmål genom proaktiva kravdiskussioner och effektivt teamsamarbete.

Ansvarsområden:

• Byggde en omfattande dataplattform på Azure genom att genomföra kravinsamlingssessioner med olika affärsintressenter för att stödja rapportering och operativa behov.
• Hanterade många DataOps-uppgifter, inklusive utveckling av CI / CD-pipelines, tillhandahållande av resurser, konfigurering av Kubernetes-kluster, ingång av data och skapande av skalbara ETL-arbetsflöden.
• Använde orkestreringsverktyg för system-till-system-dataöverföringar, upprätthöll datamodeller, utvecklade Power BI-dashboards och handledde juniora teammedlemmar.

Resultat:

• Implementerade robusta molnbaserade lösningar som förbättrade rapporteringsmöjligheterna och effektiviserade de operativa processerna.
• Uppnådde sömlös dataintegration och effektiva överföringar genom optimerade pipelines och effektiva orkestreringsstrategier.
• Levererade handlingsbara insikter via Power BI-dashboards och finansiella benchmarks, vilket ledde till bättre beslutsfattande för investerare och teamtillväxt.

Ansvarsområden:

• Samarbetade med ett team på 10 personer för att bygga ett robust datalager för en global detaljhandelskund, med hjälp av Infrastructure as Code (IaC) med Terraform för att etablera grundläggande data- och analysfunktioner.
• Tillämpade DevOps-metoder för att automatisera och versionskontrollera skapandet av molnresurser, utvecklade Python-skript med enhetstester för datautvinning och -laddning och använde Azure Databricks med PySpark för komplex databehandling.
• Hjälpte till att konstruera dbt-frågor för Snowflake-transformationer, byggde migreringsrörledningar från Salesforce till Azure med hjälp av olika Azure-tjänster och tillhandahöll strategisk rådgivning om verktygs- och plattformshantering.

Resultat:

• Levererade en skalbar datalagerlösning som förbättrade dataintegrationen och analysmöjligheterna för ett globalt detaljhandelsföretag.
• Effektiviserade utvecklingsarbetsflöden genom automatiserade DevOps-pipelines, vilket minskar driftsättningstiden och förbättrar systemets tillförlitlighet.
• Rådgivning om molnstrategi och verktygsoptimering, vilket säkerställer hög prestanda, skalbarhet och effektivt resursutnyttjande i kundprojekt.

Ansvarsområden:

• Underhålla omfattande datapipelines för ett datalager med hjälp av Azure Data Factory och SQL-lagrade procedurer, vilket säkerställer sömlöst dataflöde och korrekta transformationer.
• Bidrog till utvecklingen av en maskininlärningsmodell genom att använda Azure Machine Learning Service och Python-skript för att bygga och automatisera ML-pipelines.

Resultat:

• Uppnådde tillförlitliga och effektiva processer för dataintegration och -transformation, vilket stärkte den övergripande datainfrastrukturen.
• Automatiserade ML-pipeline-arbetsflöden, påskyndar modellutveckling och distribution och förbättrar prediktiva analysfunktioner för sjukvårdsinsikter.

Ansvarsområden:

• Utvecklade både enkla och avancerade dataintegrationer för storskaliga byggprojekt och företagsinterna program med hjälp av olika molntjänster och programmeringsspråk på Azure-plattformen.
• Skapade datalager, orkestrerade arbetsflöden med Azure Data Factory, Logic Apps och Function Apps och använde Python-paket som Pandas för ETL-processer.
• Byggde Power BI-rapporter med hjälp av avancerade DAX-funktioner och anpassade bilder för att leverera insiktsfull projektanalys.

Resultat:

• Effektiviserade komplexa dataprocesser och integrationer, vilket förbättrade datalagring, rapporteringseffektivitet och operativ prestanda.
• Förbättrad datanoggrannhet och tillgänglighet, vilket möjliggör datadrivet beslutsfattande genom omfattande Power BI-dashboards.
• Levererade skalbara och kostnadseffektiva molnlösningar på Microsoft Azure och säkerställde konsekvent prestanda i flera företagsprojekt.