Anforderungsingenieur, Python-Entwickler

Konsolidierung und Harmonisierung von Stammdatenadressen. Ziel: Projektleitung im Bereich Konsolidierung und Harmonisierung von Stammdatenadressen.

• Logische Datenmodelle entworfen und validiert, um Stammdatenmanagement zu konsolidieren und zu straffen.
• SQL angewendet für umfassende Analyse und zur Sicherstellung der Datenkonsistenz während der Konsolidierung.
• Workshops mit Stakeholdern geleitet, um die Ist-Analyse abzustimmen und Geschäftsanforderungen voranzutreiben.
• Detaillierte Dokumentation erstellt, um bereichsübergreifende Kommunikation und Entscheidungsfindung zu unterstützen.
• Risikoanalysen und Entscheidungsvorlagen entwickelt, um Geschäftskontinuität sicherzustellen und potenzielle Dateninkonsistenzen zu reduzieren.

Technologien: Requirements Engineering, Eraser.io, Notion.so, UML, Miro.

Requirements- und Data Engineering für BI-Pipeline. Ziel: Automatisierung der Cashflow-Analyse, um eine tägliche automatisierte Übersicht anstelle eines monatlichen manuellen Einblicks zu erhalten.

• Umfassende Stakeholder-Anforderungen für visualisierte Qualitätssicherung durch detaillierte Interviews und Workshops erfasst.
• Anforderungen auf Konsistenz, Konflikte und Machbarkeit geprüft und auf Projektziele abgestimmt.
• Standard-Geschäftsprozesse entworfen und getestet, Prozess­abfolgen dokumentiert und robuste Testprotokolle implementiert.
• User Stories erstellt und priorisiert mit klaren Akzeptanzkriterien, um einen gepflegten Product Backlog zu gewährleisten.
• Funktionen für Gerätemanagement geplant und umgesetzt, in Zusammenarbeit mit Entwicklungsteams termingerecht geliefert.
• Detaillierte System- und Prozessdokumentation inklusive Schulungsunterlagen und Anwenderhandbüchern erstellt.
• Umfassende Teststrategien gemanagt, automatisierte Tools für Planung, Durchführung und Dokumentation von Tests eingesetzt.
• Systematische Bewertung von Funktionen gegenüber Akzeptanzkriterien durchgeführt, um Compliance und optimale Performance zu sichern.
• Features und User Stories auf Konsistenz, Überschneidungen und Synergien geprüft, um Ressourcen optimal zu verteilen und Projekt­effizienz zu steigern.

Technologien: Requirements Engineering, Eraser.io, Notion.so, UML, Miro, MS Power BI, duckdb, PostgreSQL, DBeaver.

Requirements Engineering für Workflow-Integration in Salesforce. Ziel: Anforderungen sammeln, um manuelle Excel-Workflows vollständig in Salesforce zu automatisieren.

• Anforderungen für Zielerreichung erfasst: Herr Gaertner leitete das Sammeln und Definieren von technischen und fachlichen Anforderungen für die Salesforce-Transformation.
• Workshops geplant und geleitet: Mit Abteilungsleitern und Key-Usern UML eingesetzt, um Ist- und Soll-Workflows für die Salesforce-Integration zu visualisieren.
• Workflow-Abschnitte für agile Transformation definiert und in Gruppen segmentiert.
• Stakeholder-Management: Regelmäßiger Austausch mit Geschäftsleitung, IT-Teams und Anwendern, um deren Bedürfnisse zu berücksichtigen.
• Entwicklung und Implementierung überwacht: Abstimmung mit dem Salesforce-Entwicklungsteam zur Umsetzung der definierten Anforderungen.
• Anwenderschulung und Feedback integriert: Trainings durchgeführt und Rückmeldungen zur kontinuierlichen Systemverbesserung genutzt.
• Performance-Monitoring und Optimierung eingeführt: Kennzahlen definiert, um Workflows in Salesforce zu überwachen und weiter zu verbessern.

Technologien: Salesforce, Requirements Engineering, Eraser, Excel, UML.

Automatisierung der Cashflow-Analyse. Ziel: Automatisierte tägliche Übersicht der Cashflow-Analyse statt monatlicher manueller Auswertung.

• Anforderungen definiert: Herr Gaertner verantwortete die technischen und funktionalen Anforderungen für die Automatisierung der Cashflow-Analyse.
• Arbeitspakete vergeben und überwacht: Aufgaben im Projektteam verteilt und Fortschritt sichergestellt.
• Tests durchgeführt und Ergebnisse validiert: System umfassend geprüft und Ergebnisse mit Erwartungen abgeglichen.
• Stakeholder-Kommunikation: Regelmäßiger Austausch mit Finanz­verantwortlichen und IT, um Feedback einfließen zu lassen.
• Koordination mit ERP-Spezialisten: Zusammenarbeit mit BMD-ERP-Team für nahtlose Integration.
• Schulung und Dokumentation: Trainingsmaterial und Dokumentation für reibungslose Umstellung erstellt.

Technologien: BMD (ERP), Requirements Engineering, Eraser, Monday.com, UML.

Restrukturierung eines Data Warehouse. Ziel: Ladezeiten eines dreistufigen Data Warehouse um über 80% reduziert.

• Neue Layer-Architektur entworfen: Staging-, Warehouse- und Präsentations­schichten definiert, mit Fokus auf Performance und Skalierbarkeit.
• ETL-Pipelines für jede Schicht erstellt: Automatisierte Prozesse für Extraktion, Transformation und Laden implementiert.
• Struktur und Tabellen umfassend dokumentiert: Schemata, Datenmodelle und Flussdiagramme für jede Ebene festgehalten.
• Data Governance und Compliance sichergestellt: Qualitätssicherungen und Sicherheitsprotokolle in ETL-Pipelines integriert.
• Integritätstests durchgeführt: Datenvalidierung und Testläufe zur Sicherstellung korrekter Prozesse.
• Zusammenarbeit mit Stakeholdern: Workshops und Meetings zur Abstimmung mit Fachbereichen und IT.
• Schulung und Knowledge Transfer: Trainingsprogramme und Unterlagen für fortlaufende Wartung erstellt.
• Performance-Monitoring und Optimierung: Monitoring-Tools eingerichtet und kontinuierliche System­optimierungen vorgenommen.

Technologien: SQL, Microsoft SQL Server, SSIS, UML.

Entwicklung einer Middleware (SQL × GraphQL). Ziel: Verbindung des SQL-DWH mit dem Workflow-Management-Tool (Monday.com GraphQL API) für Datenaustausch, Anreicherung und Rückführung.

• Effiziente SQL-Pipelines entwickelt: Daten von verschiedenen Quellen zusammengeführt, strukturiert und für Analyse vorbereitet.
• Datenfluss­struktur entworfen: Single Source of Truth definiert, mit Nachverfolgbarkeit und Compliance-Maßnahmen.
• Kernstruktur zur Zwei-Wege-Synchronisation: Automatisiertes Laden, Anreichern und Rückschreiben von Daten zwischen DWH und SAAS-Plattform aufgebaut.
• Dokumentation und Schulung: Ausführliche Unterlagen und Trainingsmaterial für Anwender erstellt.

Technologien: Python, SQL, Pandas, GraphQL, Microsoft SQL Server, SSIS.

Web Scraper für Google und Instagram. Ziel: Instagram-Namen von über 1.500 Promis sammeln und Zeitstempel ihrer Posts erfassen, um Kausalität zwischen Bekanntheit und Posting-Frequenz zu analysieren.

• Algorithmus entwickelt, um automatisch Instagram-Benutzernamen von >1.500 Promis zu ermitteln.
• Scraper programmiert, der über die Instagram-API Zeitstempel aller Posts sammelte.
• Daten in geeignetem Format für die weitere Analyse exportiert.

Technologien: Python, Selenium, Beautiful Soup, Proxy-Server.

AWS-Migration des Excel-Report-Konsolidierungssystems. Ziel: Migration des Excel-Report-Prozesses in die AWS-Cloud, robust, skalierbar und sicher, bei gleichbleibender oder verbesserter Funktionalität.

• Stakeholder-Kommunikation: Schlüssel­personen identifiziert, Meetings zur Bedarfsermittlung durchgeführt und regelmäßige Updates bereitgestellt.
• Anforderungs­erhebung: Sammlung und Analyse der Anforderungen für AWS-Migration, inklusive aktueller System­einschränkungen und Verbesserungsmöglichkeiten.
• AWS-Service-Auswahl: Geeignete Services wie Lambda, RDS und S3 identifiziert.
• Sicherheits- und Compliance-Anforderungen geprüft und eingehalten.
• Skalierbarkeitsanforderungen definiert: Auto-Scaling und Performance-Benchmarks festgelegt.
• Anforderungen für Migration und Daten­integrität priorisiert.
• Herausforderungen bei Daten­konvertierung und Kompatibilität adressiert.
• Nutzer­schnittstelle nach der Migration spezifiziert, mit Fokus auf Anwender­freundlichkeit.
• Kriterien für Monitoring und Wartung in AWS festgelegt.
• Tools und Technologien wie CloudFormation und CloudWatch definiert.

Technologien: Excel, AWS, UML.

Visual-Basic-Makro zur Konsolidierung von Excel-Berichten. Ziel: Automatisierung der wöchentlichen manuellen Konsolidierung von zwei Excel-Berichten.

• Anforderungen der Lösung analysiert.
• Makro entwickelt und getestet.
• Makro produktiv implementiert.

Technologien: Eraser, Excel, Visual Basic, UML.