passionate about data
Damit Sie mehr Informationen aus Ihren Daten holen, bessere Geschäftsentscheidungen treffen und insgesamt Ihren Unternehmenserfolg steigern.
Business Analytics
it’s all about data
Als freiberuflicher Data- und Business Requirement Engineer schaffe ich Prognose- und Analysemöglichkeiten, damit Unternehmen mehr Wert aus ihren Daten ziehen. Anhand Ihrer Kerngeschäftskonzepte kategorisiere und modelliere ich ihre Daten. Die für Geschäftsentscheidungen notwendigen Daten erhebe ich und definiere Streaming- und Batchprozesse um Daten zu sammeln. Ich beschreibe und setze Regeln um, um Informationen in einem Enterprise Data Warehouse abzuspeichern. Anforderung verschiedener Usecases kläre ich und erfülle deren Informationsbedürfnisse. Schließlich sichere ich die Qualität von Liefergegenstände ab.
Services
Was ich anbiete
Business Requirement Engineering
Bei der Entwicklung von Informationssystemen sind Anforderungen, Rahmenbedingungen und Quelldaten zu ermitteln und verstehen. Trotz der oft notwendigen Herausforderungen bei der Lösungsfindung sind dabei stabile und wartbare Verfahren zu beschreiben. Hilfreich für einen effizienten Entwicklungsprozess ist neben anderem eine gute Auffassungsgabe, die die Anforderungen des Kunden korrekt erfasst. Erfahrung hilft nicht nur mögliche Unschärfen und Widersprüche frühzeitig zu erkennen, sondern auch die Fachlichkeit korrekt in technische Prozesse abzubilden. So entsteht früh eine belastbare Qualität an Beschreibung der Anforderung die den Reegineeringbedarf minimieren.
Data Engineering
Die Aufgabenbereich des Data Engineerings sind vielfältig und zielen darauf Data Lakes und Data Warehouses zu betreiben. Dabei werden Data Pipelines gestaltet, entwickeln und gewarten. Auch die Systemarchitektur und die Datenbank stehen im Fokus der Tätigkeiten. Große Datenmengen sind performant zu verarbeiten. Unterschiedlichste Daten werden zusammengetragen, bereinigt und möglicherweise auch vereinheitlicht. Es ist eine Kunst Prozesse zu entwickeln, die mit den perspektivischen Anforderungen und Datenmengen skalieren.
Data modelling
Eine gute Datenmodellierung unterstützt auf unterschiedlicheste Art die Nutzung von Informationen für den Unternehmenserfolg. Daten lassen sich mit verschiedenen Ansätzen modellieren. Allen Modellierungsansätzen liegt zu Grunde, dass der Datenmodellierer neben der eigentichen Fähigkeit der Datenmodellierung auch kommunikative Skills benötigt werden, um die Bedeutung und Abhängigkeiten der Daten und der dahinterliegenden Kerngeschäftskonzepte zu erfassen. Der Nutzen von guten Datenmodellen wird oft unterschätzt. Sie ermöglichen die Gestaltung von wartbaren und performanten Verarbeitungsprozessen, die für konsistente und widerspruchsfreie Informationen sorgen. Gute Datenmodelle sind dabei weniger von der Quelle der Daten abhängig, sondern von der zugrundelegenden Bedeutung der Information, die sich für ein Unternehmen in der Regel kaum ändert.
Validating
Schließlich und endlich ist das, was umgesetzt wurde, zu validieren. Dabei braucht die Qualitätssicherung nicht nur am Ende eines Entwicklungsprozesses zu stehen. Mit erworbenen Wissen und Erfahrung kann man früh merken, dass gewisse Umsetzungen auf die angedachte Art nicht funktionieren. Es ist ein kreativer Prozess sich Fälle zu ersinnen, wann ein gewisses Verfahren oder Algorithmus fehlschlägt. Dies muss nicht erst bei einem abschließenden Test auffallen. Ein erfahrener Blick braucht manchmal keinen fehlgeschlagenen Testfall um aufzuzeigen, dass etwas in gewissen Konstellationen fehlerhaft ist. Am Ende zählt trotz der gewissen Destruktivität, die dem Testen inne liegt, der gemeinsame Erfolg und die Teamleistung.