02.05.2025 aktualisiert

**** ******** ****
100 % verfügbar

Data Engineer & Data Analyst

Binzen, Deutschland
Weltweit
M. Sc. Business Application Architecture
Binzen, Deutschland
Weltweit
M. Sc. Business Application Architecture

Profilanlagen

Freelance_CV_102024_DE.pdf

Skills

Künstliche IntelligenzAmazon Web ServicesAmazon S3ArchitekturAtlassian ConfluenceAtlassian JiraMicrosoft AzureBash ShellBig DataCloud ComputingContinuous IntegrationData ArchitectureInformation EngineeringETLGitHubApache HadoopHadoop Distributed File SystemJSONPythonPostgreSQLMicrosoft Sql-ServerNoSQLNumPyMicrosoft Power BITensorFlowSQLSalesforce TableauTeradata SqlJupyter NotebookData SciencePyTorchDatenstrategieGitLabpandasPySparkGitlab-CiScikit-learnPlotly
Bisherige Projektrollen:
  • Data Engineer
  • Data Architect
  • Data Strategist
Programmiersprachen:
  • Python
  • Java
  • SQL
  • PySpark
  • Bash
Regelmäßig verwendete Python-Pakete und Tools für Data Engineering:
  • pandas
  • NumPy
  • SQLAlchemy
  • PyODBC
  • Django
  • Dash
  • Plotly
  • Matplotlib
  • Seaborn
Data Engineering Fähigkeiten:
  • ETL-Pipeline-Entwicklung und Optimierung: Konzeption und Umsetzung skalierbarer ETL-Pipelines, Optimierung von Datenprodukten zur Leistungssteigerung und Anpassung an wachsende Datenanforderungen (z. B. UC4, Bash).
  • Datenintegration und Migration: Entwicklung zentraler Daten-Hubs und Automatisierung von Datenintegrationen und -migrationen (z. B. SAP BODS, IBM InfoSphere).
  • Cloud- und On-Premise-Datenverarbeitung: Erfahrung mit AWS (EC2, S3, Lambda), Azure sowie lokalen Datenbanklösungen, inklusive Sicherheits- und Datenschutzprotokollierung für hochsensible Daten.
  • Datenbankmanagement: Fundierte Kenntnisse in SQL und NoSQL-Datenbanken (Teradata, Oracle, MSSQL), mit Schwerpunkt auf der Strukturierung und Verwaltung großer Datenmengen.
  • Datenqualität und Validierung: Implementierung von Datenqualitätsprüfungen und Validierungsprozessen zur Sicherstellung zuverlässiger Datenpipelines.
  • Big Data Technologien: Erfahrung in der Verarbeitung großer Datenmengen mit Apache Spark und Hadoop sowie die Anwendung von Map-Reduce für effiziente Datenaggregation und -analyse.
Datenvisualisierung und -analyse:
  • Visualisierungstools: Erstellung von Dashboards und Visualisierungen mit Power BI, Tableau und Plotly für Echtzeit-Monitoring und Entscheidungsfindung.
  • Datenanalyse und -aufbereitung: Umfassende Explorative Datenanalyse (EDA), Feature Engineering und statistische Modellierung zur Unterstützung datengetriebener Entscheidungen.
Projektmanagement und Data Strategy:
  • Anforderungsmanagement und Stakeholder-Kommunikation: Sicherstellung der Übereinstimmung von Projektzielen und Datenstrategien, inklusive Beratung und Schulung von Fachabteilungen zu Best Practices in der Datenverarbeitung und -analyse.
Code-Versionierung und CI/CD:
  • Versionierungssysteme: GitHub, GitLab und Azure DevOps für konsistente und sichere Codeverwaltung.
  • CI/CD-Implementierung: Aufbau und Pflege von CI/CD-Pipelines für effiziente Bereitstellungsprozesse (z. B. Jenkins, GitLab CI).
Bio: Ich bin ein erfahrener Data Engineer mit tiefgreifender Expertise im Aufbau und der Optimierung skalierbarer Datenpipelines und in der Verwaltung komplexer Dateninfrastrukturen in Cloud- und On-Premise-Umgebungen. In verschiedenen Branchen wie Telekommunikation, Gesundheitswesen und Finanzdienstleistungen habe ich Projekte erfolgreich geleitet, die umfassende Datenintegration und Automatisierung von Datenabläufen erforderten. Mein fundiertes Wissen in Data Engineering wird durch meine Fähigkeiten im strategischen Datenmanagement und der Beratung für Datenstrategien abgerundet.
Formale Ausbildung:
  • Master of Science – Data Science & A.I. (voraussichtlich 2025), London
  • Master of Science – Business Application Architecture (2015), Furtwangen
  • Bachelor of Science – Wirtschaftsinformatik (2013), Würzburg
Diese Version legt den Fokus klar auf Ihre Expertise im Data Engineering und strategisches Datenmanagement.

Erfahrung

Berufserfahrung5 - 10 Jahre
Freelancer seit2020

Sprachen

DeutschMutterspracheEnglischverhandlungssicher

Projekthistorie

Data Engineer - Überarbeitung und Optimierung von ETL-Pipelines sowie Vorbereitung auf eine AWS Cloud Migration

Telekommunikation

>10.000 Mitarbeiter


Industrie: Telekommunikationsanbieter
Das Projekt zielte darauf ab, den bestehenden Data & Analytics Backlog umfassend zu bearbeiten, neue und leistungsfähigere ETL-Pipelines zu entwickeln sowie die Daten- und Prozessstrukturen für zukünftige Anforderungen zu optimieren. Ein besonderer Fokus lag auf der strategischen Vorbereitung der Systeme für eine bevorstehende Migration in die AWS- Cloud, um die Skalierbarkeit und Effizienz der Dateninfrastruktur nachhaltig zu verbessern.

Technologien:
o Teradata
o SQL
o Python
o UC4(AutomicWorkloadAutomation) o AWS

Data Scientist - Clusterbasierte Analyse und Visualisierung medizinischer Fälle zur Entscheidungsunterstützung

Medgate

Pharma und Medizintechnik

50-250 Mitarbeiter

Quantitative Bewertung medizinischer Fälle durch Clustering und Kategorisierung, um medizinische Fälle quantitativ zu bewerten. Ziel des Projekts war es, die umfangreichen Datenmengen aus einer medizinischen Datenbank strukturiert zu analysieren, um Muster und Auffälligkeiten bei ähnlichen Daten im Data Warehouse zu identifizieren. Diese systematische Einteilung ermöglichte eine tiefgreifende Analyse der medizinischen Fälle und unterstützte die Entscheidungsfindung in der medizinischen Versorgung und Produktentwicklung. Die aufbereiteten Daten und Cluster wurde und Mittels eines Power BI Dashboard bereitgestellt.

Technologien:
  • Python
  • ExternerLibraries:Pandas,Dash,Plotly
  • SQL
  • MicrosoftSQLServerManagementStudio o PowerBI

Data Privacy Engineer - Entwurf eines automatisierten Datenlöschsystems für Gesundheitsdaten mit Sicherheitsprotokollierung und Dashboard-Überwachung

Sonstiges

250-500 Mitarbeiter

Entwurf und Implementierung eines Datenlöschkonzept für hochsensible Gesundheitsdaten zur Einhaltung von Datenschutzrichtlinien und Sicherheitsanforderungen zu gewährleisten. Entwurf einer Architektur für einen automatisierten Datenlöschmechanismus. Dieser Mechanismus identifizierte automatisch die zu löschenden Daten im Data Warehouse (DWH) und führte deren Löschung sowohl im DWH als auch auf verschiedenen Netzwerklaufwerken durch. Die Implementierung erfolgte mithilfe von Python, wobei besonderer Wert auf die Sicherheit und Nachvollziehbarkeit des Prozesses gelegt wurde. Sowie Erstellung eines Löschprotokolls, das nach jeder Löschaktion automatisch im DWH hochgeladen wurde, um eine transparente Dokumentation und Überprüfbarkeit zu gewährleisten. Zur Überwachung des Fortschritts und zur Visualisierung der Löschaktivitäten wurde ein Power BI Dashboard entwickelt. Dieses Dashboard bot Echtzeit-Einblicke in den Fortschritt der Datenlöschung und unterstützte das Management bei der Sicherstellung der Datenkonformität und -sicherheit.

Technologien:
  • Python
  • Libraries:OS,JSON,Plotly,Dash,Jupyter,PyOdbc,Pandas o MicrosoftServerManagementStudio
  • SQL
  • PowerBI
  • AzureGitHub
  • Draw.io

Data Scientist - Erstellung und Bewertung von Vorhersage Basis NN-Modellen

Pharma und Medizintechnik

50-250 Mitarbeiter

Entwicklung eines neuronalen Netzwerks, um die Präsenz von bestimmten Gesundheitskonditionen vorherzusagen. Die Grundlage extrahierter Datensatz, der spezifische Beobachtungen umfasste. Das Ziel war es, durch binäre Klassifikation bestimmte Zustände auf Basis der gegebenen Daten zu ermitteln. Als Erfolgsmessung dienten die Genauigkeit und die Fläche unter der Receiver Operating Characteristic-Kurve (ROC, AUC), um die Leistung des Modells zu bewerten. Zur Evaluation wurde ein K-Fold Crossvalidation angewendet, um die Robustheit und Zuverlässigkeit der Vorhersagen zu gewährleisten. Die Implementierung erfolgte unter Einsatz moderner Technologien und Frameworks wie Python, speziellen Machine Learning-Bibliotheken und Jupyter Notebooks zur effektiven Datenanalyse und Modellentwicklung.
Technologien:
  • Python
  • Libraries:OS,JSON,Plotly,Dash,Jupyter,Pandas,Tensorflow,Keras
  • SQL

Data Scientist. - Entwicklung eines Vorhersagemodells zur Analyse von Verspätungen

Sonstiges

50-250 Mitarbeiter

Entwicklung und Analyse eines Vorhersagemodells für Verspätungen. Entwicklung eines umfassendes Vorhersagemodell für Verspätungen, um Muster und Abhängigkeiten in den Verspätungsdaten von diversen Transportdienstleistern zu identifizieren. Unter Verwendung eines großangelegten Datensatzes von Verspätungen wurde eine tiefgehende Analyse durchgeführt, um die Ursachen und Auswirkungen von Verspätungen zu verstehen und Vorhersagen über deren Auftreten zu treffen.

Technologien:
  • Python
  • HadoopCluster
  • ApacheSpark
  • Bash&SSH
  • Libraries:OS,Plotly,Dash,Jupyter,Pandas,PySpark o GitHub

Data Analyst - Entwicklung eines operativen Monitoring-Dashboards zur Effizienzsteigerung im Gesundheitswesen

Pharma und Medizintechnik

50-250 Mitarbeiter

Erstellung von Power BI Dashboards für die Überwachung des operativen Betriebs. Der Designprozess umfasste die Datenerfassung via Microsoft 365 (M365) und die Nutzung von M365 PowerApps sowie PowerAutomate, um eine effiziente Datenflusssteuerung zu gewährleisten. Es wurden 6 Datenquellen erfolgreich angebunden, deren Daten zusammengeführt, bereinigt und aufbereitet wurden. Das Hauptziel war die Entwicklung eines übersichtlichen Dashboards in Power BI, das entscheidende Einblicke in den operativen Betrieb ermöglicht, um fundierte Entscheidungsprozesse zu unterstützen und die operative Effizienz zu steigern.

Technologien:
  • MicrosoftPowerBI
  • Microsoft365(M365)
  • M365PowerApps
  • PowerAutomate
  • Microsoft Server Management Studio
  • Python

Zertifikate

Datenschutzbeauftragter

TÜV Rheinland

2024

AWS Cloud Practicioner

Amazone Web Services

2024

Kontaktanfrage

Einloggen & anfragen.

Das Kontaktformular ist nur für eingeloggte Nutzer verfügbar.

RegistrierenAnmelden