Data Warehouse Experten in Zürich
, die aus über 15.000 Lebensläufen in wenigen Minuten vermittelt werdenBeauftragen Sie Experten, die dimensionale Modelle entwerfen, zuverlässige ELT-Pipelines erstellen und Tools wie Snowflake, BigQuery, Amazon Redshift und dbt verbinden. FRATCH findet schnell eine präzise Übereinstimmung mit geprüften, verfügbaren Freelancern.
Lerne FRATCH Experten in Zürich kennen, die kürzlich Data Warehouse eingesetzt haben
Marco S.
Letzte Position:
Business-Analyst, Data-Warehouse-Entwickler bei NRW.Bank
Business Analyse für das Risikocontrolling.
Entwicklung eines Data Warehouse auf Basis von MS SQL Server mit Daten aus der FIS Cross-Asset Trading and Risk Platform (ehemals Front Arena).
Implementierung von ETL- und Transformationslogik mit T-SQL und Python (Template Engine Jinja2).
Modellierung und Automatisierung der Datenstrukturen mit Data Vault.
Aufbau von Reporting- und Analyseberichten mit Microsoft Power BI inkl. Schulung und Einführung der Anwender.
Markus F.
Letzte Position:
Logistik Experte/Coach bei RAPID Technic AG
- Coaching, Grundlagen erarbeitung und Fachführung in der Logistiktransformation
- Erweiterung der SAP WM Funktionalitäten
- Effizienzmaßnahmen in der Shuttle-Lagertechnik
- Aufbau eines Logistikwirtschaft-Reportings
- Umfassende Inventurplanung und Durchführung
- Erstellung der technisch-kommerziellen Grundlagen für die Kooperation mit externen Logistikdienstleistern
- Empfehlungen an die künftige Ablauf- und Aufbauorganisation
Claus N.
Letzte Position:
Oracle-Datenbankingenieur bei BBV.ch
- Migration von Datenbanken von ODA zu Exadata
- Migration von Datenbanken von Exadata zu ExaCC/OCI
- Reduzierung der UCC-Nutzung um 10%
- Entwicklung von Automatisierungsskripten mit Python
- Performance-Tuning
- Verkleinerung der Entwicklungsdatenbanken von 6 TB auf 3 TB mittels Exadata-Spaltenkompression
- Optimierung der Anwendungsleistung um 30 % mithilfe der In-Memory-Option
- Optimierung der Nicht-Produktions-Exadata um 20 %, um CPU-Ressourcen vor der ExaCC-Migration freizugeben
- Datenbank-Patching von Oracle 19c
- Grundlegendes Ansible-Scripting für Deployments und Datenbankklone
- Entwicklung eines Abrechnungsmodells für eine gemeinsame Oracle-Plattform
- Migration von Single-Instance-Datenbanken zu Oracle RAC
- Analyse von RAC-Problemen
- Beratung von Entwicklerteams zur Migration auf RAC
Stefan H.
Letzte Position:
Senior Projekt Leiter bei Bechtle Schweiz AG
- Leitung von mehreren Kundenprojekten nach PRINCE2 Standard im Bereich Gesundheitswesen mit Fokus auf Migration von bestehenden Infrastrukturen und Applikationen in die Bechtle Clouds
- Eingesetzte Technologien: MS Azure, Azure AVD, Exchange Online, SharePoint Online, Intune, Autopilot, Meraki vMX Firewall sowie Bechtle Smart Workplace
- Projektrelevante Prozesse verbessern und dokumentieren
Matthias I.
Letzte Position:
Teilzeit-CTO (Leitender Ingenieur / Technischer Architekt)
- Groß angelegte Systeme und APIs konzipiert, die Tausende gleichzeitige Nutzer bedienen.
- Einen 650.000-Zeilen-Monolith refaktoriert und die vollständige AWS-Migration für stabile Performance geleitet.
- SLO-basierte Observability eingeführt, was Zuverlässigkeit und Wiederherstellungsprozesse verbesserte.
- Cloud- und Datenbank-Optimierungen durchgeführt und so erhebliche Kosteneinsparungen und Latenzreduzierungen erreicht.
- LLM-, RAG- und Dokumentautomatisierungspipelines bereitgestellt, die in der Produktion eingesetzt werden.
Deschances T.
Letzte Position:
Senior Data Architekt bei Odd Parrot
- Unterstützung des Wealth Managements von UBS als Senior Data Architekt im Rahmen einer mehrjährigen unternehmensweiten Data Mesh-Transformation.
- Steuerung eines strategischen Projektstrangs zur Konzeption und Implementierung eines auf das unternehmensweite Data Mesh-Framework von UBS abgestimmten Datenprodukts.
- Leitung der Architekturdefinition, Abstimmung der Governance und bereichsübergreifende Integration, um skalierbare, konforme und wiederverwendbare Datenprodukte für globale Stakeholder sicherzustellen.
- UBS – Global Wealth Management Data Product Architecture: Entwurf eines unternehmensweit abgestimmten Datenprodukts in 26 Ländern, Definition von Datenverträgen, Metadatenstandards und föderierten Architekturmustern zur bereichsübergreifenden Wiederverwendung in der Bank.
- Festlegung bereichsübergreifender Datenrichtlinien und Zugriffskontrollen, um die Einhaltung regulatorischer Vorgaben in mehreren Regionen (EU, APAC, LATAM, CH) sicherzustellen.
Ala L.
Letzte Position:
VR/AR/ML Vor-Ort-Projektleiter (Vertrag über Experis) bei Meta
- Fungierte als Projektleiter in verschiedenen internen Projekten, einschließlich der Entwicklung und Implementierung innovativer Lösungen auf Basis von Machine Learning, Virtual und Augmented Reality mit dem Ziel, eine hervorragende Nutzererfahrung zu bieten
- Steuerte die Projektplanung, -durchführung und -berichterstattung und entwarf Pläne zur Risikominderung und für Zeitplananpassungen, um die Projekte wieder auf Erfolgskurs zu bringen
- Leitete die Prozessoptimierung und führte Projektreviews durch, indem ich als Bindeglied zwischen den Engineering-Teams und den Führungskräften fungierte
- Agierte als Agile Coach und leitete Scrum-Zeremonien wie Daily Stand-ups, Sprint Planning, Sprint Review und Sprint Retrospective
Oscar M.
Letzte Position:
IT-Spezialist / DBA bei Rothschild Private Swiss Bank
- Fungiere als DBA-Fachexperte für MS SQL Server und bin Hauptansprechpartner für die MSSQL-Infrastruktur und die langfristige Technologie-Roadmap in einer kritischen 24/7-Banking-Umgebung
- Pflege und Weiterentwicklung der SQL-Infrastruktur und des Monitoring-Systems in Entwicklungs-, Test-, UAT- und Produktionsumgebungen (10 Server, 4 Always-On-Windows-Cluster, MSSQL 2014–2022 auf von Inventix gehosteten VMs)
- Automatisiere SQL-Operationen mithilfe von Brent-Ozar-Skripten, PowerShell und Inventix Cloud-Skript-Integration
- Entwickle und optimiere ETL-Prozesse und BI-Anwendungen (Power BI); plane Ressourcen und betreue das BI-Team als Mentor
- Beteilige mich an der Prüfung, Bereitstellung und Implementierung von Datenbankverbesserungen im gesamten Softwareentwicklungszyklus
- Migriere SQL Server-Instanzen von 2017 auf 2019 und 2022
- Integriere neue Anwendungen, die MSSQL-Datenbanken benötigen
- Verwalte und unterstütze lokale und Azure SQL Server-Lösungen; berate zu Industriestandards, Best Practices und kreativen Datenbanklösungen
- Entwickle Automatisierungsskripte für interne Systeme mit PowerShell und Git
- Überwache Systeme mit Splunk und Grafana; verwalte Alerts, Filter, Datenaufnahme und Dashboard-Konfiguration
- Arbeite mit Betriebs-, Entwicklungs- und Fachabteilungen zusammen, um proaktiv betriebliche und Performance-Probleme zu identifizieren und zu lösen
- Implementiere neue SQL Server-Technologien wie Query Store, Extended Events, Tuning Advisor und Systemtraces
- Biete Rufbereitschaft und regelmäßige Wartung abends und an Wochenenden
- Definiere und setze Systemrichtlinien und -standards durch; arbeite eng mit Applikationsmanagern, HR und IT-Plattformen in der Schweiz und im Vereinigten Königreich zusammen
- Bearbeite 2nd/3rd-Level-Supportanfragen; dokumentiere Lösungen und arbeite mit Anbietern zusammen
- Nutze interne und externe Monitoring-Tools, um Performance-Trends zu erkennen und Alerts sowie Prozesse zu implementieren, um Datenbankprobleme zu verhindern
- Dokumentiere und teile Wissen, um das technische Verständnis in Betriebs- und Entwicklerteams zu verbessern; administriere Confluence (Installation, Konfiguration, Dokumentenverwaltung, Performance, Upgrades)
- Arbeite professionell in funktionsübergreifenden Teams, um Entwicklungs- und Betriebsteams in Datenbankfragen zu beraten, zu beeinflussen und zu coachen
Karl E.
Letzte Position:
inkl. CI/CD, Automatisierung bei AALS Software AG
- Konzeption und Durchführung eines praxisnahen Echtzeit-Kurses zu Flink und Hadoop mit MapReduce, HDFS, Spark, Flink, Hive, HBase, MongoDB, Cassandra und Kafka
- Erwerb umfangreicher DevOps- und CI/CD-Erfahrung
- Erstellung von ETL/ELT-Pipelines mit Apache-Tools und Pentaho
- Leitung von Projekten in kommunaler Software, Finanzdienstleistungen und Big Data mit Kafka
- Entwicklung von KI-/NLP-Modellen und Chatbots mit RASA, Chatter und Dialogflow
- Aufbau und Verwaltung einer TypeDB-Wissensdatenbank
- Arbeit mit OpenStack, Kubernetes und Podman
Revealed U.
Letzte Position:
Executive-Berater für Unternehmensdaten und Analytik bei Eine mittelgroße Privatbank
- Verantwortlich für die Definition und Umsetzung eines unternehmensweiten Data-Governance-Rahmens mit anfänglichem Fokus auf BCBS-239, einschließlich Data Catalog-Tools und formalisierter Datenverantwortung.
- Leitung der Neuausrichtung und Implementierung eines Enterprise Data Warehouse zur Unterstützung des regulatorischen und Management-Reportings auf einer robusten, integrierten Datenplattform mit Schwerpunkt Finanzen.
- Wesentlicher Beitrag zur Data-, Analyse- und KI-Strategie der Bank, die anschließend vom Vorstand genehmigt wurde.
Nenad T.
Letzte Position:
Freelancer bei Swisscom
- SAP Data Designer ETL, SQL Server und Docker für die Data-Warehouse-Anwendung von PharmaSuisse (Anwendungsmanager und Entwickler)
- SAP Business Objects und ABAP auf SAP HANA für die Polizei des Kantons Bern (Anwendungsmanager und Entwickler)
- Avaloq-Connectoren zu SAP BW für die Banque Cantonale de Fribourg
Tom D.
Letzte Position:
Leiter von Start-up-Programmen
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die Data Warehouse einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
28 Jahre
Positionsdauer
2,4 Jahre
Positionen pro Freelancer
15
Häufigste Fachbereiche
Informationstechnologie (IT), Projektmanagement, Business Intelligence
Häufigste Branchen
Bank- und Finanzwesen, Informationstechnologie (IT), Professionelle Dienstleistungen
Fokus der Zertifizierungen
Informationstechnologie (IT), Projektmanagement, Business Intelligence
Bachelor-Abschluss oder höher
100%
Master-Abschluss oder höher
75%
Zertifizierungen pro Freelancer
5
Häufigste Sprachen
Englisch, Deutsch, Französisch
Sprechen zwei oder mehr Sprachen
100%
Basierend auf unserem Profilpool, Stand 19 Sep 2026.
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Freelancer in dieser Technologie in Zürich verteilen, basierend auf aktuellen Verträgen auf unserer Plattform. Jeder Balken deckt eine Tagessatzspanne ab – seine Höhe zeigt, wie viele Freelancer innerhalb dieser Spanne abrechnen.
Durchschnittssätze von Experten in Zürich, die Data Warehouse einsetzen
Die Tagessätze basieren auf aktuellen Verträgen und enthalten keinen FRATCH-Aufschlag.
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 19 Sep 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Branchenfokus der Data Warehouse Experten
Sieh, in welchen Branchen unsere gematchten Freelancer am häufigsten tätig sind — jede Zahl wird live aus den Freelancern auf FRATCH berechnet.
- Bank- und Finanzwesen (92%)
- Informationstechnologie (IT) (83%)
- Professionelle Dienstleistungen (67%)
- Versicherung (50%)
- Bildung (42%)
- Gesundheitswesen (42%)
- Regierung und öffentliche Verwaltung (42%)
- Fertigung (33%)
Bitte beachte, dass Freelancer in mehreren Branchen tätig sein können, daher überschneiden sich die Prozentwerte.
Über die Technologie
Was ein Data Warehouse leistet
Ein Data Warehouse zentralisiert strukturierte Geschäftsdaten für Berichte, Analysen und Entscheidungsfindung. Es führt Informationen aus Anwendungen, Finanzsystemen, Kundenplattformen und operativen Datenbanken zusammen und speichert sie anschließend in einer Form, die zuverlässige Abfragen ermöglicht. Im Gegensatz zu einer Transaktionsdatenbank ist es für analytische Workloads, historische Zusammenhänge und einheitliche Definitionen optimiert.
Zentrale Architektur
Ein starkes Design trennt Aufnahme, Transformation, Speicherung und Nutzung. Experten wählen je nach Datenvolumen, Aktualität, Governance und bestehenden Systemen zwischen Cloud-Warehouses, Lakehouse-Architekturen und hybriden Umgebungen. Sie definieren Fakt- und Dimensionstabellen, Granularität, Schlüssel, sich langsam ändernde Dimensionen und semantische Ebenen, damit Metriken teamübergreifend konsistent bleiben.
Ökosystem und Tools
Die Arbeit umfasst oft SQL, Python, Orchestrierung, Datenqualität und Infrastruktur. Häufige Komponenten sind Snowflake, Google BigQuery, Amazon Redshift, Microsoft Fabric, Databricks, dbt, Airflow, Fivetran und Cloud-Speicher. Spezialisten verbinden außerdem BI-Tools wie Tableau, Power BI oder Looker und verwalten Zugriffsrechte über die jeweilige Cloud-Plattform.
Typische Aufgaben bei der Umsetzung
- Ein Warehouse-Modell für Finanz-, Vertriebs-, Betriebs- oder Kundendaten entwerfen
- Batch- oder Streaming-Pipelines aus APIs, SaaS-Tools und Datenbanken erstellen
- Veraltete Reporting-Datenbanken in ein Cloud-Warehouse migrieren
- dbt-Transformationen, Tests, Dokumentation und Deployment-Workflows erstellen
- Abfrageleistung, Datenaktualität und Kostenkontrolle des Warehouses verbessern
Wann externe Expertise hilft
Unternehmen holen sich freiberufliche Spezialisten ins Team, wenn Reporting-Definitionen widersprüchlich sind, eine Migration ins Stocken geraten ist oder interne Teams eine zuverlässige Analytics-Grundlage benötigen. Sie können auch einen neuen BI-Rollout, die Datenintegration nach einer Fusion oder den Wechsel von einer lokalen Infrastruktur in die Cloud unterstützen. In Zürich ist Remote-Arbeit üblich, während Workshops von gelegentlicher Zusammenarbeit vor Ort und klarer Kommunikation auf Englisch oder Deutsch profitieren können.
Was starke Experten auszeichnet
Die besten Fachleute verbinden technisches Design mit der Bedeutung für das Geschäft. Sie klären, wie Umsatz, Kunden, Produkte und operative Ereignisse definiert werden sollen, bevor sie Transformationen schreiben. Achten Sie auf Erfahrung mit Datenherkunft, Tests, Monitoring, Zugriffskontrollen, inkrementellem Laden und Wiederherstellungsplänen sowie auf die Fähigkeit, Abwägungen für Analysten und Stakeholder verständlich zu erklären. Zu einer glaubwürdigen Umsetzung gehören dokumentierte Modelle, reproduzierbare Pipelines und klare Verantwortlichkeiten nach der Übergabe.
Häufig gestellte Fragen
Die Fakten, nach denen Hiring-Teams bei Data Warehouse am häufigsten fragen.
Ein Data Warehouse speichert integrierte, historische Geschäftsdaten für Analysen, Dashboards und regelmäßige Berichte. Es bietet Teams einen einheitlichen Ort, um die Entwicklung von Finanzen, Vertrieb, Betrieb und Kundenaktivitäten zu vergleichen, ohne analytische Workloads auf Transaktionssysteme zu verlagern.
Ein Data Warehouse speichert in der Regel kuratierte, strukturierte Daten mit definierten Modellen und verlässlichen Metriken. Ein Data Lake kann rohe strukturierte, halbstrukturierte oder unstrukturierte Daten aufnehmen, während ein Lakehouse Teile beider Ansätze verbindet. Die richtige Wahl hängt von Governance, Workloads, Datentypen und dem Bedarf an schneller Berichterstattung ab.
Ein starker Data-Warehouse-Spezialist arbeitet häufig mit SQL, Python, Cloud-Infrastruktur, Orchestrierung und Verfahren zur Datenqualität. Erfahrung mit dbt, Airflow, Streaming, APIs, Identitätsmanagement und BI-Tools ist ebenfalls wertvoll. Er sollte sowohl dimensionale Modellierung als auch die geschäftlichen Definitionen hinter wichtigen Metriken verstehen.
Vor der Beauftragung eines Data-Warehouse-Freelancers sollten die wichtigsten Reporting-Probleme, Quellsysteme, Datenverantwortlichen, Anforderungen an die Aktualität und Sicherheitsvorgaben geklärt werden. Bestehende Schemata, Beispielberichte und bekannte Probleme mit der Datenqualität helfen dem Spezialisten, den Aufwand realistisch einzuschätzen. Eine klare Zielarchitektur ist hilfreich, kann aber auch während der Analyse entwickelt werden.
Ein Data-Warehouse-Projekt erfordert genügend Erfahrung, um Modellierungsentscheidungen, Pipeline-Fehler, veränderte Quelldaten und Meinungsverschiedenheiten mit Stakeholdern zu bewältigen. Eine gezielte Verbesserung kann für einen Spezialisten geeignet sein, während eine Migration oder unternehmensweite Grundlage mehrere ergänzende Fähigkeiten erfordern kann. Richten Sie den Bedarf nach Systemkomplexität und Risiko statt nach einem festen Zeitplan.
Ja, Data-Warehouse-Arbeit eignet sich oft gut für die Remote-Zusammenarbeit, da Design, SQL, Pipeline-Entwicklung und Dokumentation digital erfolgen. Regelmäßige Workshops mit Stakeholdern in Zürich können dennoch bei Metrikdefinitionen, Zugriffsentscheidungen und der Übergabe helfen. Legen Sie vor Beginn der Umsetzung die Kommunikationssprache, Arbeitszeiten und Verantwortlichkeiten fest.
Bitten Sie einen Data-Warehouse-Spezialisten, ein früheres Modell zu erklären, einschließlich Granularität, Änderungen an den Quellen, Tests, Datenherkunft und Wiederherstellung. Starke Antworten verbinden technische Entscheidungen mit Geschäftsergebnissen und beschreiben, wie Nutzer die Daten validieren. Prüfen Sie einen kleinen Design- oder Analysevorschlag, statt sich nur auf die Toolnamen in einem Profil zu verlassen.
Snowflake und BigQuery sind Cloud-Warehouse-Optionen, die den Infrastrukturaufwand reduzieren und elastische analytische Workloads unterstützen. Ein traditionelles Warehouse kann weiterhin zu strengen bestehenden Kontrollen, planbaren Workloads oder etablierten lokalen Betriebsabläufen passen. Die Entscheidung sollte Datenstandort, Sicherheit, Integration, Workload-Muster und die betrieblichen Fähigkeiten des Teams berücksichtigen.
Der durchschnittliche Stundensatz von Freelancern in Zurich, Schweiz, die Data Warehouse in ihren letzten Projekten eingesetzt haben, liegt bei 130 €, was einem Tagessatz von etwa 1.042 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in Zurich, Schweiz, die Data Warehouse in ihren letzten Projekten eingesetzt haben, haben 100% mindestens einen Bachelor-Abschluss und 75% mindestens einen Master-Abschluss.
Freelancer in Zurich, Schweiz, die Data Warehouse in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 28 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 2,4 Jahre.
Die häufigsten Sprachen unter Freelancern in Zurich, Schweiz, die Data Warehouse in ihren letzten Projekten eingesetzt haben, sind Englisch (100%), Deutsch (92%) und Französisch (58%).
Die häufigsten Industrien unter Freelancern in Zurich, Schweiz, die Data Warehouse in ihren letzten Projekten eingesetzt haben, sind Bank- und Finanzwesen (92%), Informationstechnologie (IT) (83%) und Professionelle Dienstleistungen (67%).
Die häufigsten Bereiche unter Freelancern in Zurich, Schweiz, die Data Warehouse in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Projektmanagement (92%) und Business Intelligence (83%).
Hauptstandorte der FRATCH Experten, die kürzlich Data Warehouse eingesetzt haben
Unsere Freelancer und Interim-Experten sind in der gesamten DACH-Region zuhause — verfügbar vor Ort in den wichtigsten Wirtschaftszentren oder komplett remote. Wähle einen Standort und entdecke passende Spezialisten, lokale Markteinblicke und aktuelle Verfügbarkeiten.
Länder:
Zürich 
Genf Basel Bern Kostenlose Demo vereinbaren
Kontaktiere uns und das FRATCH-Team meldet sich innerhalb von 4 Stunden bei dir.
Möchtest du lieber direkt mit uns in Kontakt treten?
Wir haben immer Zeit für einen Anruf oder eine E-Mail!
Philipp Thomaschewski
FRATCH CEO
