Ich bin Wirtschaftsinformatiker (B.Sc.) und fokussiere mich voll auf die datengetriebene Business-Analyse. Da Daten für mich kein Selbstzweck sind, reizt es mich besonders, verstreute Quellen so zusammenzuführen und aufzubereiten, dass operative Teams verlässliche Entscheidungen treffen können.

Durch meine mehr als einjährige Praxiserfahrung als Praktikant und Werkstudent im Bereich Datenanalyse weiß ich, wie man isolierte Datensilos aufbricht. Bei der Getiteasy GmbH lag mein Schwerpunkt darauf, CRM- und Marketingdaten zentral zu verknüpfen, um Marketing-Ausgaben direkt mit echten Vertriebs-Umsätzen abzugleichen und unprofitable Hebel zu eliminieren.

Ich bringe ein starkes logisch-analytisches Fundament aus meinem Wirtschaftsinformatik-Studium mit und nutze dieses Verständnis, um Datenstrukturen und Berichte von Grund auf performant, sauber und vor allem geschäftlich sinnvoll aufzubauen.

Fokus: Strategische HR-Analyse (Demografischer Wandel & Fluktuation) mit dem Microsoft- & Open-Source-Data-Stack. | 📊 Datensatz: IBM HR Analytics Attrition Dataset (Kaggle)

• Das Projektziel: Schaffung einer datenschutzkonformen „Single Source of Truth“, die unstrukturierte Daten bereinigt, zentralisiert und in gewohnte Excel-Pivot-Umgebungen für die Fachabteilung überführt.
• Stufe 1 (Python & Pandas): Einlesen, transformieren und anonymisieren sensibler Personaldaten (DSGVO-Hashing).
• Stufe 2 (PostgreSQL): Transformation flacher Tabellen in ein performantes Sternschema (Star Schema) inklusive Erstellung von Dimensionen, Fakten und erweiterten Metriken.
• Stufe 3 (Microsoft Fabric): Orchestrierung automatisierter Cloud-Pipelines von PostgreSQL ins Fabric Lakehouse (Delta-Format) und Bereitstellung des zentralen Semantischen Modells.
• Stufe 4 (Excel Frontend): Cloud-Direktanbindung ohne lokalen Daten-Download, Implementierung komplexer DAX-Measures für dynamische Fluktuationsquoten sowie der Aufbau interaktiver Pivot-Tabellen und Slicer-Dashboards.

💻 Zum GitHub-Repository | 📊 Datensatz: Brazilian E-Commerce Public Dataset by Olist (Kaggle)

• Stack: Snowflake | dbt | SQL | Power BI | DAX | Git
• Impact: Aufbau einer modular skalierbaren Cloud-Datenplattform für 100k Bestellungen. Strukturierung einer modernen ELT-Pipeline über einen dreistufigen dbt-Layer (Staging, Intermediate, Marts) inklusive automatisierter Schema- und Integritätstests zur Sicherung der Datenqualität. Aufdeckung einer kritischen Umsatzkonzentration (76 % Umsatztreiber in den Top 15 Kategorien) via Star-Schema-Dashboard.

💻 Zum GitHub-Repository

• Stack: Python | NumPy | Pandas | NetworkX
• Impact: Entwicklung einer vollständig vektorisierten Erweiterung des $k$-Means-Algorithmus zur fehlerfreien Verarbeitung gerichteter Graphstrukturen. Erzielung einer konstanten Laufzeit von 0,020 s pro algorithmischem Restart sowie Steigerung der Clustering-Genauigkeit (ARI) im VBB-Infrastrukturnetzwerk um 5,7 % gegenüber klassischen symmetrischen Algorithmen.

• Stack: PostgreSQL | SQL | Python | Streamlit
• Impact: Optimierung der Abbildung komplexer Hochschuldaten durch den Entwurf eines relationalen 3NF PostgreSQL-Schemas mit mehreren verknüpften Entitäten. Effizienzsteigerung bei Analyse- und Abfrageprozessen durch gezielte Indexierung sowie Entwicklung eines interaktiven Streamlit-Dashboards zur intuitiven Visualisierung von Personen-, Raum- und Prüfungsdaten.

• Microsoft Fabric & Excel: Vertiefung von Cloud-Orchestrierungen, Lakehouse-Architekturen (Delta-Format) und dem Design zentraler semantischer Modelle sowie fortgeschrittenen Analysen mittels Excel-Pivot-Tabellen für den Unternehmenseinsatz.