12.04.2025 aktualisiert


IT-Berater mit einem Fokus in Data und Analytics
Skills
Deutsch (Muttersprache)
Englisch (Verhandlungssicher)
Arabisch (Grundlagen)
Branchen
Telekommunikation (2.5 Jahre)
Versicherung (1.5 Jahre)
Öffentlicher Sektor (2 Jahre)
Medien (6 Jahre)
Fokusthemen
Data Engineering (4.5 Jahre)
Business Intelligence (4.5 Jahre)
Data Warehouse (4.5 Jahre)
ETL (4.5 Jahre)
Data Quality (4 Jahre)
Machine Learning (1 Jahr)
Process Mining (1 Jahr)
Methoden
Scrum (6 Jahre)
SAFe (6 Monate)
Waterfall (2 Jahre)
Release Management (5.5 Jahre)
CI/CD (2.5 Jahre)
Requirements Engineering (5.5 Jahre)
Solution Design (4.5 Jahre)
OLAP/ Data Cubes (2.5 Jahre)
Data Historization (4 Jahre)
Anonymization and Pseudonymization of Data (2.5 Jahre)
Reference Data Mgmt. (1.5 Jahre)
Model Driven Design (2 Jahre)
BPMN (2 Jahre)
Cloud
Microsoft Azure (1.5 Jahre)
Programming
SQL (6 Jahre)
Python (2.5 Jahre)
Tools
Azure Data Factory (1.5 Jahre)
ADF Data Flows (1.5 Jahre)
Azure KeyVault (1.5 Jahre)
Azure DevOps (0.5 Jahre)
Power BI Service (1 Jahr)
Power BI Client (0.5 Jahre)
Cognos BI (2.5 Jahre)
Automic (2.5 Jahre)
Dataiku Data Science Studio (0.5 Jahre)
Celonis Process Mining (1 Jahr)
GitHub Enterprise (2 Jahre)
GitLab (6 Monate)
Git (4.5 Jahre)
MID Innovator (2.5 Jahre)
VSCode (2.5 Jahre)
DBeaver (2.5 Jahre)
SQL Developer (2.5 Jahre)
Microsoft Storage Explorer (1 Jahr)
Azure CLI (0.5 Jahre)
JIRA (6 Jahre)
Confluence (3.5 Jahre)
Azure Purview (1 Monat)
Apache Airflow (6 Monate)
SAP Web IDE (6 Monate)
SAP HANA XSA Cockpit (6 Monate)
Microsoft Office (12 Jahre)
Frameworks
Spark (0.5 Jahre)
Pandas (1.5 Jahre)
scikit-learn (0.5 Jahre)
Modelle
Data Vault (1.5 Jahre)
Sternschema (4.5 Jahre)
Entity–Relationship (2 Jahre)
Datenbanken
Oracle (4 Jahre)
PostgreSQL (1.5 Jahre)
Azure Data Lake Storage Gen2 (1.5 Jahre)
SAP HANA (6 Monate)
MinIO (S3 Storage) (6 Monate)
Erfahrung
Sprachen
Projekthistorie
- Entwicklung verschiedener ETL Strecken als Apache Airflow DAGs, inklusive Datentransformationen basierend auf Python Skripte sowie Procedures und Calculation Views in SAP HANA
- Anbindung verschiedener Open Source Datenquellen
- Entwicklung mehrerer Datenmodelle je Datenquelltyp in der SAP HANA über mehrere Schemata hinweg
- Regelmäßige Deployments von DEV über die TEST nach PROD, in Absprache mit sämtlichen Datenkonsumenten
Fokusthemen: Data Engineering, Business Intelligence, Data Warehouse, ETL
Methoden: Scrum, CI/CD, Solution Design, Release Management
Programmiersprachen: SQL, Python
Tools: Apache Airflow, SAP Web IDE, SAP HANA XSA Cockpit, Git, VSCode, DBeaver, JIRA, Microsoft Office
Frameworks: Pandas
Modelle: Entity–relationship
Datenbanken: SAP HANA, Minio (S3 Storage)
- Fachliche Leitung sowie Koordination des zwölfköpfigen Entwicklerteams bestehend aus Architekten, Data Engineers, Data Scientists, DevOps Engineers und Test Engineers
- Operative Unterstützung des Teams durch das Design, die Entwicklung, der Dokumentation und dem Unit-Testing mehrerer Module sowie bei der Analyse und dem Beheben von Bugs
- Review der gesamten End-to-End-Implementierung in Azure Data Factory (ADF), ADF Data Flows, Azure Data Lake Storage Gen2 und PostgreSQL, um sicherzustellen, dass Kundenanforderungen korrekt umgesetzt wurden
- Entwicklung und Einsatz eines Generators zur dynamischen Erstellung von ADF Data Flows und Pipelines basierend auf Python und der pandas Library
- Übergabe des Systems an den 2nd und 3rd Level Support durch regelmäßige Wissenstransfers und Shadowing-Session über mehrere Monate hinweg
- Unterstützung des Testteams bei der Erstellung von geeigneten Test-Cases
- Support des DevOps Teams bei der Entwicklung der CI/CD-Pipeline basierend auf GitHub Enterprise und GitHub Actions
- Bestellung von Cloud-Infrastruktur bei der unternehmensinternen Cloud-Infrastruktur Einheit für die verschiedenen Umgebungen (DEV, TEST, INT, UAT, PROD)
- Abstimmungen mit den unternehmensinternen Datenarchitekten bezüglich des Datenmodells zum einheitlichen Import der Daten aus den verschiedenen Landeseinheiten
- Entwerfen der Lösungsarchitektur in Zusammenarbeit mit dem Architektenteam und weiteren Stakeholdern der IT
- Regelmäßige Präsentation und Moderation der Zwischenergebnisse gegenüber einem breitem Kundenpublikum, inklusive dem höheren Management in Form von Jour Fixes oder Sprint Reviews
- Erstellung und Priorisierung von User Storys im JIRA Backlog
- Moderation von Sprint Events wie Dailys, Sprint Reviews, Sprint Plannings und Backlog Refinement Meetings
- Design eines Rollenkonzepts inklusive Mandantentrennung für den Zugang zur PostgreSQL Datenbank und den Power BI Reports für verschiedene User-Gruppen basierend auf Azure Active Directory Sicherheitsgruppen
- Aufbau einer sicheren Verbindung zwischen dem Power BI Service und dem PostgreSQL Server via Gateway-Verbindungen und parametrisierten Datenbankverbindungen (relevant um Reports ohne großen Aufwand vom DEV- zur INT- und letztendlich zum PROD- Workspace in Power BI Service zu deployen)
- Planung der Migration der Plattform von Azure Data Flows zu PySpark-Skripten auf Databricks (Datentransformationen) und von Azure Data Factory zu Apache Air Flow (Pipeline-Orchestrierung)
- Staffing des Alexander Thamm GmbH Entwicklungsteams (Aufzeigen von Bedarfen und Suche nach geeigneten Kandidatinnen und Kandidaten)
- Erstellung von Leistungsnachweisen für die Rechnungserstellung anhand der JIRA-Buchungen inklusive der Budgetplanung
Fokusthemen: Data Engineering, Business Intelligence, Data Warehouse, ETL, Data Quality
Methoden: Scrum, CI/CD, Solution Design, Release Management, Requirements Engineering, Data Historization, Anonymization and Pseudonymization of Data, Reference Data Management
Cloud: Microsoft Azure
Programmiersprachen: SQL, Python
Tools: Azure Data Factory, ADF Data Flows, Azure KeyVault, Azure DevOps, Power BI Service, Power BI Client, VSCode, DBeaver, JIRA, Azure Purview, Microsoft Office
Frameworks: Spark, Pandas
Modelle: Data vault, Star schema
Datenbanken: PostgreSQL, Azure Data Lake Storage Gen2
Organisation und Vorbereitung von Data Science Schulungen für Kunden der Alexander Thamm GmbH. Ziel dieser Schulungen war, die eigenen Fachbereiche (Underwriter) mit den Thema Data Science vertraut zu machen, um die Zusammenarbeit mit Data Scientists zu optimieren und offen für neue Use Cases zu sein. Die Rolle des Projektmanagers umfasste dabei:
- Vorbereitung der Lehrmaterialen gemeinsam mit den Trainern
- Suche nach geeigneten Trainern im eigenen Unternehmen
- Koordination der Schulungen in Absprache mit dem Kunden
- Erstellung von Leistungsnachweisen für die Rechnungserstellung anhand der JIRA-Buchungen inklusive der Budgetplanung
Fokusthemen: Machine Learning, Business Intelligence
Tools: JIRA, Confluence, Microsoft Office
Frameworks: Pandas, scikit-learn