Data & Analytics Engineer

Data & Analytics Engineer mit Fokus auf Datenpipelines, KPI-Logiken und Prozessanalyse. Ich entwickle strukturierte Datenmodelle und verwandle Rohdaten in belastbare Entscheidungsgrundlagen – von ETL bis Reporting.

• Data Engineering
• Data Warehousing
• Datenmodellierung (Data Vault / Star Schema)
• Datenqualität & Validierung
• ETL / ELT Pipelines
• KPI & Reporting-Logiken
• Prozessanalyse & Prozessoptimierung
• Python (Datenverarbeitung & Automatisierung)
• Snowflake / Databricks
• SQL & Datenanalyse

Ich unterstütze Unternehmen dabei, aus Daten verlässliche Entscheidungsgrundlagen zu schaffen – von der strukturierten Datenintegration bis hin zu klaren KPI- und Reporting-Strukturen.

Mein Fokus liegt auf dem Aufbau und der Weiterentwicklung von Datenpipelines (ETL/ELT), der Modellierung analytischer Datenstrukturen sowie der Sicherstellung von Datenqualität und Nachvollziehbarkeit. Dabei arbeite ich mit SQL, Python sowie modernen Datenplattformen wie Snowflake und Databricks.

Ich verbinde technisches Data Engineering mit einem starken Verständnis für Prozesse und Kennzahlen. Durch meine Erfahrung in der E-Commerce-Logistik weiß ich, wie wichtig saubere Daten für operative Entscheidungen sind – und wie schnell schlechte Daten zu falschen Ergebnissen führen.

Typische Themen, bei denen ich unterstütze:

* Aufbau und Optimierung von Datenpipelines
* Datenmodellierung (z. B. Data Vault, Star Schema, Data Marts)
* Entwicklung von KPI-Logiken und Reporting-Strukturen
* Datenanalyse und Validierung (SQL-basiert)
* Automatisierung manueller Auswertungen
* Sicherstellung von Datenqualität und Monitoring

In meinen Projekten arbeite ich strukturiert, nachvollziehbar und mit einem klaren End-to-End-Verständnis – vom Ingestion-Layer bis zur analytischen Auswertung. Ziel ist immer, Daten so aufzubereiten, dass sie im Unternehmen tatsächlich genutzt werden können.

Ich arbeite mich schnell in neue fachliche Kontexte ein und lege Wert auf saubere, wartbare Lösungen, die langfristig funktionieren.

Datenanalyse & Verarbeitung

* SQL (komplexe Abfragen, Aggregationen, Window Functions)
* Python für Datenverarbeitung, Automatisierung und Analyse (Pandas)
* Datenbereinigung, Transformation und Validierung
* Entwicklung von KPI-Logiken und analytischen Auswertungen

Datenmodellierung & Data Warehousing

* Data Vault 2.0 (Hubs, Links, Satelliten, Historisierung)
* Star Schema und analytische Data Marts
* SCD2 (historisierte Datenhaltung)
* Aufbau strukturierter Schichtenarchitekturen (RAW → CORE → MART)

Datenintegration & Pipelines

* Konzeption und Umsetzung von ETL/ELT-Pipelines
* Verarbeitung von Datenströmen und CDC-Logiken
* Orchestrierung von Datenprozessen (Tasks, Abhängigkeiten)
* Monitoring, Logging und Data Quality Checks

Plattformen & Technologien

* Snowflake (Streams, Tasks, Monitoring)
* Databricks (Delta Lake, Unity Catalog, SQL, PySpark Grundlagen)
* PostgreSQL
* Docker (Containerisierung und Deployment)

Software Engineering & Arbeitsweise

* Git (Versionierung, strukturierte Repositories)
* Aufbau reproduzierbarer Datenprozesse
* Idempotente Verarbeitung und saubere Datenpipelines
* Dokumentation und nachvollziehbare Architektur (z. B. mit Diagrammen)

Fachliches Verständnis & Prozessbezug

* Erfahrung in datengetriebener Prozessanalyse (E-Commerce / Logistik)
* Arbeit mit Kennzahlen, Qualitätsmetriken und operativen Daten
* Übersetzung fachlicher Anforderungen in technische Datenmodelle
* Fokus auf praxisnahe, nutzbare Lösungen statt rein technischer Konzepte