24.11.2025 aktualisiert
100 % verfügbar
Senior Consultant, Data Engineer
Frankfurt am Main, Deutschland
Weltweit
Angewandte InformatikÜber mich
Senior Consultant Data Engineer (Diplom Informatik, Abschlussnote 1,8) mit über 10 Jahren Projekterfahrung in den Branchen Pharma, Chemie, Automotive und Finanzen. Schwerpunkte: Data Engineering, Business Intelligence, Big Data, ETL/ELT, Microsoft Azure, Process Mining sowie agile Methoden (Scrum).
Skills
Big DataBusiness IntelligenceCloudDatenbankentwicklungETL EntwicklungData Warehouse (DWH)DatenmodellierungData ManagementBackendentwicklungIT BeratungData EngineeringData ArchitectureDigitale TransformationData IntegrationData MigrationData AnalyticsData PlatformDigitalisierungAgile MethodenScrumMicrosoft Azure DatabricksAzure Data Factory Azure SynapsePythonDatenanalyseAzure Data LakeApache NiFiPalantir Foundry
Berufliche Schwerpunkte:
- Business Intelligence (Datenbanken, ETL/ELT, Data Warehousing, Datenmodellierung)
- Big Data & Analytics (Data Integration & Migration)
- Data Platforms: Palantir Foundry
- Cloud Computing (Microsoft Azure, AWS)
- Datenbanksysteme:
- Relationale Datenbanken: Microsoft SQL Server, Azure Datenbank
- Graphdatenbanken: Neo4J
- Programmiersprachen: SQL, PL/SQL, Java SE, Python,
- Bibliotheken: Pandas, PySpark, numPy, Natural Language Toolkit (NLTK)
- ETL/ELT: Azure Data Factory (ADF)
- Business Intelligence: Microsoft Power BI
- Big Data: Apache Hadoop, Apache Spark, Hue, Apache Impala, Apache Hive, Azure Databricks, Synapse Analytics, Apache Nifi
- Data Science:
- Künstliche Intelligenz (KI): Natural Language Processing (NLP), Named Entity Recognition (NER)
- Cloud Compting:
- Microsoft Azure: Data Lake/Blob Storage, Azure Data Factory (ADF), Azure Databricks, Polybase, Synapse Analytics, SQL DB
- Amazon Web Services (AWS): Simple Storage Service (S3), Amazon Athena
- Process Mining: Celonis
- Entwicklungsumgebungen: IntelliJ IDEA, Pycharm IDE, Eclipse IDE, SQL Server Management Studio (SSMS), Oracle SQL Developer, Azure Data Studio, Jupyter Notebook, Visual Studio Code
- Version Control: Azure DevOps, Git, GitHub, GitLab
- Project Management: Jira, Confluence
- Methoden und Ansätze: Agile Methodology (Scrum)
Kurse und Zertifikationen
- Associate Databricks SQL Analyst Accreditation
- Microsoft Certified: AI Fundamentals
- Microsoft Certified: Azure Fundamentals
- Microsoft Certified: Azure Data Fundamentals
- AWS Certified Cloud Practitioner
- Professional Scrum Master I (PSM I)
- Cloudera Developer Training for Spark and Hadoop
- Cloudera Introduction to Machine Learning with Spark ML and MLlib
- SAP ERP Integration of Business Processes (TERP10)
- ITIL Foundation in IT Service Management
Sprachen
ArabischMutterspracheDeutschverhandlungssicherEnglischverhandlungssicherFranzösischverhandlungssicher
Projekthistorie
- Entwurf und Implementierung robuster, skalierbarer Datenarchitekturen und Pipeline
- Verantwortung für den Aufbau und die Wartung von ETL-Prozessen (Extract, Transform, Load), um Daten aus verschiedenen Quellen zu integrieren
- Sicherstellung der Zuverlässigkeit, Effizienz und Skalierbarkeit der Pipelines
- Überwachung und Optimierung der Leistung von Datenpipelines
- Fehlerbehebung und Lösung von Problemen im Zusammenhang mit Datenpipelines, um eine kontinuierliche Datenverfügbarkeit und -zuverlässigkeit zu gewährleisten
- Proaktive Automatisierung von Datenprozessen zur Reduzierung manueller Aufgaben in unserer Datenverwaltungsplattform und in Visualisierungstools
- Implementierung von Datenqualitätsprüfungen und Validierungsprozessen, um Datengenauigkeit und -konsistenz zu gewährleisten
- Sicherstellung der Einhaltung von Datenrichtlinien und -vorschriften
- Aufbau und Pflege von Daten-Dokumentations- und Metadatenverwaltungspraktiken
- Förderung bewährter Verfahren im Datenengineering und Etablierung einer Kultur der kontinuierlichen Verbesserung
- Planung, Durchführung und Lieferung von Datenengineering-Projekten überwachen
- Sicherstellen, dass Projekte termingerecht, im festgelegten Rahmen und unter Einhaltung der Qualitätsstandards abgeschlossen werden
- Projekt-Risiken und Abhängigkeiten effektiv verwalten
Methoden und Technologien: Palantir Foundry, Data Modeling, Data Integration, PySpark, ETL,
Business Intelligence, SQL, KPI's
- Anbindung neuer Datenquellen in Databricks (z. B. SharePoint, SAP)
- Implementierung performanter ETL-Prozesse in Databricks mittels PySpark
- Migration und Optimierung bestehender Datentransformationslogiken von DAX (Power BI) nach PySpark (Databricks-Backend)
- Entwurf und Umsetzung skalierbarer Datenmodelle zur effizienten Datenbereitstellung
- Enge Zusammenarbeit mit den Business-Teams zur kontinuierlichen Weiterentwicklung der Datenbereitstellungslogik und zur Sicherstellung fachlicher Anforderungen
Methoden und Technologien: Microsoft Azure, Databricks, Apache Spark, PySpark, ETL, Azure Data Factory (ADF), Datenmigration, Datenmodellierung, Python, Pandas, DAX, KPI's, Power BI, PowerQuery, Azure DevOps
- Verantwortung für den Entwurf und die Weiterentwicklung der Datenarchitektur der neuen Cloud-Plattform auf Basis der MACH-Prinzipien
- Erstellung technischer Konzepte zur effizienten und skalierbaren Umsetzung des Datenmanagements
- Aufbau, Organisation und Leitung der Community of Practice (CoP) zur Förderung des unternehmensweiten Wissensaustauschs im Bereich Datenarchitektur
- Entwicklung und Pflege von Datenmodellen für unterschiedliche Anwendungsfälle in der Cloud-Datenplattform
- Enge Zusammenarbeit mit den Business-Teams zur Anforderungsanalyse und Sicherstellung der fachlichen Kompatibilität der Datenarchitektur
Methoden und Technologien: Datenarchitektur, MACH architecture, Microsoft Azure, ETL, Data Warehousing, Datenmigration, Datenmodellierung, Datenmodellierung