19.08.2024 aktualisiert
Premiumkunde
100 % verfügbarExperte für Data Science, Big Data, Business Intelligence
Frankfurt am Main, Deutschland
Deutschland
Dipl.-Inform.Skills
Business IntelligenceBig Datadata scienceProjektmanagementBusiness AnalyseApache SparkPythonneuronale Netzemachine learningSQLSAP Business ObjectsInformatica PowercenterSAP PowerDesignerManagementberatungNeuausrichtung Business Intelligence Big DataDatenvirtualisierungDenodoData WarehouseArchitektur Business IntelligenceArchitektur Data WarehouseArchitektur Big DataAnalyticsOracleDatenbanken
- Big Data, Data Warehousing, BI, Data Science Expertise
- Breiter sowie tiefer Blick auf alle Aspekte der Business Intelligence und BIg Data, durch langjährige Erfahrung in mehreren Rollen auf verschiedenen Ebenen von Projekten
- Projektmanagement, Teamleitung
- Management Beratung, Change Management, BI Governance
- Business-Analyse (Fachkonzeption, Anforderungsaufnahme, technische Konzeption)
- Architektur von Business Intelligence, Data Warehouse, Big Data
- Data Science, Machine Learning, Deep Learning
- Fachgebiete: Finance, Industrie, Logistik, Pharma
- Tools: Informatica PowerCenter, SAP Business Objects, SQL, Python, Apache Spark, Hadoop, Talend, Denodo, RapidMiner, MS Azure
- SCRUM, PRINCE2, Lean Startup
Sprachen
DeutschverhandlungssicherEnglischgutRussischverhandlungssicher
Projekthistorie
Analyse vorhandener Architekturen, Prozesse, Organisation im Bereichen BI und Analytics einer internationalen Fluggesellschaft. Strategie, Konzeption, DWH- und Data Lake- Architektur, Toolauswahl und Begleitung von PoCs.
|
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.
|
Entwicklung eines Prototyps für die Vorhersage der Kundenabwanderung einer Bank basierend auf Data Science Methoden. Vorhersagezeithorizont: 3-5 Monate. Accuracy: AUROC=0,87. Konzeption der Abwanderungssimulation bei Preiserhöhungen.
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.