|
Fachgebiet: Logistik: Sales, Finance, Handling Aufgabe: Managementberatung, Business Analyse, Architektur der Datenlandschaft mit Data Lake, DWH, Reporting, Datenvirtualisierung, Machine Learning, Change-Management, Durchführung von PoCs, Toolauswahl, Erstellung eines Rollenmodells in BI/Analytics, Vorgaben für agiles Projektmanagement und DevOps Tools: MS Azure Services, Denodo, MicroStrategy, RapidMiner, Talend, Apache Kafka, Apache Spark, Informatica ICS, Tibco ESB, Power BI, Tableau, Cognos, Azure DW, Data Lake, Blob Store.
|
Fachgebiet: Bank
Aufgabe: Business Analyse, Data Science, Koordination des Projekts
Methoden: Einsatz von NN-basiertem (SOM) Clustering der Kunden in Kombination mit Logistic Regression für binäre Klassifizierung. Binning der Prädiktoren auf Basis von WoE/IV. Einsatz eines eigenen Frameworks für die Pipelineerstellung. Datenbasis: Kundenstammdaten, Zahlungsverkehrsdaten. Ableitung mehrerer Prädiktoren aus den Zahlungsverkehrsdaten mit statistischen Methoden und Zeitreihenoperationen.