Erfahrungen
Data Analyst / Data Engineer (Freelance)
Genius Sports
- ETL-Pipelines auf Basis von Python und SQL für Daten aus mehreren Quellen entworfen und gepflegt
- Prozesse zur Datenvalidierung und zum Monitoring aufgebaut, um Genauigkeit und Zuverlässigkeit sicherzustellen
- Strukturierte Datensätze geliefert, um Reporting und Geschäftsentscheidungen zu unterstützen
- Mit Stakeholdern zusammengearbeitet, um Anforderungen in Datenlösungen zu übersetzen
Freelance Data Analyst
Upwork
- Analyselösungen mit SQL und Python entwickelt
- Datenverarbeitung und Reporting-Workflows automatisiert
Data Engineer / System Optimization
Lion International Bank S.C.
- ETL-Pipelines über mehrere Geschäftssysteme hinweg aufgebaut und optimiert
- Die Datenqualität verbessert und Unstimmigkeiten an der Quelle behoben
- SQL-basierte Reporting-Systeme für operative und finanzielle Daten entwickelt
Knowledge Distillation (Deep Learning)
- Techniken implementiert, um die Modelleffizienz zu verbessern
Multi-Agent System for Data Processing
- Modulare Workflows für komplexe Datenverarbeitungsaufgaben entworfen
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Informationstechnologie (IT), Bank- und Finanzwesen und Sport und Freizeit.
Erfahrung nach Fachbereich
Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.
Erfahren in Business Intelligence, Informationstechnologie (IT) und Qualitätssicherung.
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Brhanu ist in Berlin, Deutschland ansässig.
Brhanu spricht folgende Sprachen: Englisch (Verhandlungssicher), Deutsch (Fortgeschritten).
Brhanu hat mindestens 8 Jahre Erfahrung. In dieser Zeit hat Brhanu in mindestens 3 verschiedenen Rollen und für 3 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 3 Jahre und 7 Monate. Beachten Sie, dass Brhanu möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.
Basierend auf der jüngsten Erfahrung wäre Brhanu gut geeignet für Rollen wie: Data Analyst / Data Engineer (Freelance), Freelance Data Analyst, Data Engineer / System Optimization.
Die neueste Position von Brhanu ist Data Analyst / Data Engineer (Freelance) bei Genius Sports.
In den letzten Jahren hat Brhanu für Genius Sports, Upwork und Lion International Bank S.C. gearbeitet.
Brhanu hat die meiste Erfahrung in Industrien wie Bank- und Finanzwesen, Informationstechnologie (IT) und Sport und Freizeit.
Brhanu hat die meiste Erfahrung in Bereichen wie Business Intelligence, Informationstechnologie (IT) und Qualitätssicherung.
Brhanu hat kürzlich in Industrien wie Bank- und Finanzwesen, Informationstechnologie (IT) und Sport und Freizeit gearbeitet.
Brhanu hat kürzlich in Bereichen wie Business Intelligence, Informationstechnologie (IT) und Qualitätssicherung gearbeitet.
Brhanu hat einen Master in Data Analytics von University of Hildesheim und einen Bachelor in Computer Engineering von Mekelle University.
Brhanu hat 4 Zertifikate. Darunter sind: Gen AI: Beyond the Chatbot, Google Data Analytics Professional Certificate und Python for Data Science.
Die Verfügbarkeit von Brhanu muss bestätigt werden.
Tagessatzverteilung
Die angegebenen Tagessätze entsprechen der typischen Marktspanne für Freelancer in dieser Position, basierend auf aktuellen Projekten auf unserer Plattform.
Durchschnittlicher Tagessatz für ähnliche Positionen
Die Tagessätze basieren auf aktuellen Projekten und enthalten keine FRATCH-Marge.
Der durchschnittliche Tagessatz ist der Mittelwert aller Tagessätze aus aktuellen Verträgen vergleichbarer Freelancer auf unserer Plattform.
Der Median-Tagessatz ist der mittlere Wert aller Tagessätze – die Hälfte der vergleichbaren Freelancer verlangt weniger, die andere Hälfte mehr. Anders als der Durchschnitt wird er von Ausreißern kaum beeinflusst.
Berechnet auf Basis der Tagessätze unserer Freelancer, Stand 18 Nov 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Ähnliche Freelancer
Entdecke andere Experten mit ähnlichen Qualifikationen und Erfahrungen
William N.
Letzte Position:
Power-BI-Lösungsarchitekt/-Ingenieur & KI-Berater bei AVERDUNG GmbH
- Neugestaltung der BI-Infrastruktur des Unternehmens: Ablösung einer fragmentierten Landschaft aus manuell gepflegten Excel-Lösungen und CSV-Importen durch eine zentralisierte Power-BI-Umgebung mit einem einheitlichen Datenmodell als unternehmensweiter Single Source of Truth
- Konsolidierung zuvor isolierter Reporting-Logiken in einem zentralen semantischen Modell – Eliminierung redundanter Dateien, manueller Datenübergaben und widersprüchlicher Kennzahlen zwischen den Fachbereichen
- Forecasting & Planung: Konzeption und Umsetzung einer unternehmensweiten Liquiditätsplanung in Power BI – von der fachlichen Logik bis zum vollautomatisierten, datenquellengetriebenen Planungsmodell als Ersatz für den bisherigen manuellen Excel-Prozess; ermöglicht rollierende Forecasts und laufend aktuelle Cashflow-Transparenz für die Geschäftsführung
- Optimierung bestehender Power-BI-Dashboards hinsichtlich Performance, Struktur und analytischem Mehrwert mittels AI-nativem Ansatz
- Analyse und Verbesserung des Datenmodells inkl. Datenqualitätsanalysen, Datenbereinigung und konsistenter Modellierung über Star Schema, DAX und Power Query
- Incident- & Anomalieanalyse: Identifikation, Untersuchung und Erklärung von Datenanomalien inkl. Root-Cause-Analyse und konkreten Handlungsempfehlungen
- KI-Lösungsarchitektur: Anbindung von Business Central und Power BI an LangDock via MCP (Model Context Protocol) für KI-gestützte Datennutzung
- Aufbau eines historischen Datenlayers als Basis für Trend- und Zeitreihenanalysen
- KI-gestützte Automatisierung: Konzeption und Entwicklung von KI-Skills, -Agenten, -Loops und -Prozessen zur automatisierten Analyse und Interpretation von Reports
- Automatisierter Reporting-Workflow: Einrichtung eines geplanten, automatisierten E-Mail-Versands KI-generierter Analysen und Empfehlungen an Stakeholder
- Erhebung und Dokumentation fachlicher Anforderungen sowie Abstimmung mit Fachbereichen und IT im Rahmen von Requirements Engineering / Product-Owner-Tätigkeiten
- Herunterbrechen der Gesamtanforderungen in klar definierte Arbeitspakete und Tasks
- Definition, Priorisierung und Steuerung von Meilensteinen über den gesamten Projektlebenszyklus
Tools: POWER BI, M365, Copilot Studio, MIRO, Microsoft Business Central, Microsoft Fabric, Claude AI, ChatGPT, LangDock, MS VS Code
Fadi S.
Letzte Position:
Data Scientist bei E-Commerce
- Konzeption und Entwicklung einer produktionsreifen Data Platform auf Basis von Microsoft Fabric für ein E Commerce Unternehmen
- Aufbau einer skalierbaren Medallion Architektur (Bronze, Silver, Gold) mit Lakehouse und Delta Lake als Grundlage für Analytics und AI Anwendungen
- Entwicklung einer metadata driven ETL Plattform mit PySpark sowie eines generischen Incremental Loading Frameworks (SQL Server → Bronze → Silver → Gold)
- Entwicklung wiederverwendbarer Komponenten für Microsoft Fabric Notebooks zur Standardisierung von Datenintegration, Transformation und Validierung
- Implementierung automatisierter Data Pipelines inklusive Monitoring, Logging, Fehlerbehandlung und Delta MERGE Strategien für einen stabilen produktiven Betrieb
- Aufbau einer Business Layer Architektur für Reporting, Data Warehouse und wiederverwendbare Datenprodukte
- Integration heterogener Datenquellen über SQL Server, REST APIs, Amazon SP API und Google Analytics 4
- Enge Zusammenarbeit mit Fachbereichen zur Analyse fachlicher Anforderungen und Übersetzung in skalierbare Datenarchitekturen
Technologien: Microsoft Fabric, PySpark, Python, SQL Server, Delta Lake, Lakehouse, OneLake, Data Factory, Data Warehouse, REST APIs, Amazon SP-API, Google Analytics 4
Stefan O.
Letzte Position:
Gründer bei ProtocolEngine.io
Auf Evidenz basierende Health-Intelligence-Plattform, die veröffentlichte Forschung in persönliche Gesundheitsprotokolle übersetzt. Sie bewertet 430 Gewohnheiten, Lebensmittel und Supplements anhand der Studien dahinter und passt den Score an, wenn sich die Evidenz ändert. Allein aufgebaut.
- Die tägliche Ingest-Pipeline über PubMed, bioRxiv und medRxiv aufgebaut: 43.000+ Papers aus 3.400+ Journals verarbeitet zu 230.000+ typisierten Evidenz-Claims, jeder einzelne zurückverfolgbar bis zur Studie, aus der er stammt.
- Das sechs Faktoren umfassende Evidenz-Scoring-Modell und das öffentliche Changelog dahinter entworfen, damit keine Empfehlung ohne die zugrunde liegenden Papers erscheint. Bis heute 23.000+ Score-Änderungen erfasst und erklärt.
- Das Entity-Informationsmodell aufgebaut, das jede Intervention mit ihren Mechanismen, Biomarkern und Outcomes verbindet: 118 Biomarker mit regionsspezifischen Referenzbereichen, 77 Mechanismen, 32 bewertete Outcomes.
- Die Personalisierungsschicht gebaut: Ingestion von Blutwerten, die Labor-PDFs mit einem Vision-Modell ausliest und Ergebnisse anhand der Aufwachzeit des Nutzers korrigiert, plus Integration von Oura, WHOOP und Withings für den täglichen Readiness-Kontext.
- Elf spezialisierte Review-Agents über Korpus und Codebase betrieben, für Paper-Kuration, Retrieval-Qualität, Health-Claim-Compliance über EU- und US-Regime hinweg sowie Security.
- Den Evidence Assistant ausgeliefert, einen RAG-Assistenten, der aus der Claim-Datenbank antwortet und die zugrunde liegenden Papers zitiert, plus eine B2B-Practitioner-Stufe, eine Expo React Native App und Lokalisierung in 3 Sprachen und 7 Märkten.
Stack: Next.js 16, TypeScript, Supabase, pgvector, Anthropic Claude, Vercel, DeepInfra.
Pappu P.
Letzte Position:
Senior Cloud Consultant (AWS Services und Consulting) bei devoteam GmbH
- Entwickelte automatisierte ETL-Pipelines mit AWS Glue und Athena, um eine gleichbleibende Datenqualität und die Einhaltung von Governance-Anforderungen sicherzustellen
- Implementierte Maßnahmen zur Validierung, Anonymisierung und Verschlüsselung von Daten gemäß GDPR
- Optimierte Cloud-Kosten durch die Einführung von FinOps-Verfahren und erhöhte die Transparenz für Fachbereiche
- Überwachte die Performance, führte Ursachenanalysen durch und stellte die Einhaltung von SLAs sicher
- Unterstützte Daten- und Lösungsarchitekten beim Aufbau tragfähiger Datenmodelle für ML- und Analytics-Szenarien
Faizan A.
Letzte Position:
Berater (BIA) bei Decision Foundry Pvt Ltd
Aufbau automatisierter Datenimport-Workflows mit Python, Fivetran und Funnel sowie Integration von Git zur Versionskontrolle und für gemeinsame Code-Reviews.
Entwicklung von Überwachungslösungen mit SQL, wodurch der manuelle Aufwand um 30% reduziert wurde.
Entwicklung von KI-Agenten zur Automatisierung manueller Aufgaben, wodurch menschliche Fehler und Zeitaufwand deutlich reduziert wurden.
Durchführung von Datenvalidierung, Fehlerbehebung und Ursachenanalysen mit AWS Glue, S3 und Athena.
Entwicklung Python-basierter Crawler und Importskripte zur Skalierung der Datensammlung aus mehreren Quellen.
Optimierung von Workflows durch Erstellung von Checklisten und Dokumentation von Prozessen mit Jira und Confluence.
Steuerung der Kundenkommunikation in einem schnelllebigen Umfeld ohne Fehlertoleranz, mit Fokus auf Klarheit und Effizienz.
Sicherer Umgang mit ETL- und Orchestrierungstools, einschließlich AWS (Glue, S3, Athena), sowie Kenntnisse in DAG-basierter Orchestrierung und strukturierten Datenmodellen.
Entwicklung und Implementierung von Datenmodellen und ELT-Workflows mit SQL und dbt zur Unterstützung von Dashboards.
Dokumentation von End-to-End-Prozessen und Anwendung von QA-Praktiken zur Sicherstellung von Daten准确igkeit und Konsistenz.
Vorschlag neuer Kennzahlen und Segmentierungslogiken zur Verbesserung der Berichtsmöglichkeiten für Kunden.
Validierung von Daten aus mehreren Plattformen (Shopify, Google Ads, Meta, Microsoft Ads, Snapchat, Klaviyo) mit 99% Genauigkeit.
Optimierung von Tableau-Dashboards und Datenmodellen, wodurch Ladezeiten um bis zu 40% reduziert wurden.
Bereitstellung datengestützter KPI-Empfehlungen, die zu einer Verbesserung der Kundenkennzahlen um 10–15% führten.
Vili D.
Letzte Position:
Technischer Leiter, Data Engineer bei Mercedes-Benz Consulting
Optimierung der Datenarchitektur (Medallion) für eine bessere Entkopplung der Verarbeitungsschritte und bessere Transparenz und Reproduzierbarkeit
Technische Qualitätssicherung der Datenverarbeitung in Databricks durch Einführung von Schema Enforcement, Datenqualitätschecks und strukturierter Datenarchitektur
Pipeline-Orchestrierung mit Azure Data Factory
Professionalisierung und Automatisierung des Entwicklungs- und Deploymentprozesses durch Integration von Git und GitHub Actions
Fachliche Führung des Data Engineering Teams (3 Mitarbeitende)
Leitung von Workshops zur Optimierung und Stabilisierung der Datenplattform und des Entwicklungsprozesses
Aufnahme und Priorisierung neuer Anfragen, Pflege des Produktbacklogs
Technologien: Microsoft Azure (Data Lake, Data Factory), Databricks, Apache Spark (PySpark), Python, SQL, Git, Confluence, Power BI, Power Apps, Dataverse, MS Sharepoint, Mural
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als Data Analyst / Data Engineer (Freelance)
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Berlin, Deutschland arbeiten
