Data Warehouse Experten in Zurich
mit geprüften Spezialisten und präzisem AI-Matching.Holen Sie sich Experten, die Warehouse-Modelle entwerfen, ETL- und ELT-Pipelines bauen und Analysen in Snowflake, BigQuery oder Amazon Redshift zuverlässig halten. Erhalten Sie schnelles, präzises Matching mit geprüften, verfügbaren Freelancern.
Lerne FRATCH Experten in Zurich kennen, die kürzlich Data Warehouse eingesetzt haben
Marco Skulschus
Letzte Position:
Business Analyst, Data Warehouse Developer bei NRW.Bank
Business-Analyse für das Risikocontrolling.
Entwicklung eines Data Warehouses 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 Fankhauser
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 Nielsen
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
Matthias Isler
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 Tchakounang Ndjomou
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 Lutz
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 Montero
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
Revealed Upon-Contact
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.
Karl Estermann
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
Nenad Tomasic
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 Debus
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
27 Jahre
Positionsdauer
2,4 Jahre
Positionen pro Freelancer
15
Häufigste Fachbereiche
Informationstechnologie (IT), Business Intelligence, Projektmanagement
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 30 Aug 2026.
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Freelancer in dieser Technologie in Zurich 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 Zurich, 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 30 Aug 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Über die Technologie
Was es abdeckt
Ein Data Warehouse führt Geschäftsdaten an einem Ort für Reporting, Analyse und Planung zusammen. Es ist für schnelle Abfragen auf sauberen, strukturierten Daten gebaut, nicht für tägliche Transaktionen. Teams verwenden auch den Begriff DWH oder Cloud Data Warehouse, wenn sie mit Snowflake, BigQuery, Amazon Redshift oder Microsoft Fabric arbeiten.
Typische Aufgaben
- Fakten, Dimensionen und Reporting-Ebenen modellieren
- ETL- und ELT-Pipelines aus Quellsystemen bauen
- Abfragen, Partitionen und Speicheraufbau optimieren
- Kennzahlen, Datenqualitätsregeln und Lineage dokumentieren
- BI-Dashboards und Ad-hoc-Analysen unterstützen
Wann Unterstützung sinnvoll ist
Unternehmen beauftragen freiberufliche Spezialisten, wenn Reporting langsam ist, Daten inkonsistent sind oder eine Migration festhängt. Das ist oft bei ERP-Änderungen, CRM-Konsolidierungen oder beim Wechsel von On-Premises-DWH-Setups zu Cloud-Warehouses der Fall. In Zurich kommt das häufig in Banking, Versicherungen, Logistik und anderen datenintensiven Teams vor, die sorgfältige Zugriffssteuerung und klare Audit-Trails brauchen.
Was starke Spezialisten tun
Starke Profis kennen dimensionales Modellieren, SQL, Orchestrierung und die Unterschiede zwischen Warehouse-Engines. Sie können mit dbt, Airflow, Fivetran und semantischen Ebenen arbeiten, verstehen aber auch die geschäftliche Bedeutung hinter den Zahlen. Gute Arbeit bedeutet stabile Pipelines, gut lesbare Modelle und Kennzahlen, denen Menschen vertrauen.
Ökosystem und Passung
Ein Warehouse steht selten allein. Es verbindet sich mit Quellsystemen, Data Lakes, BI-Tools und Governance-Kontrollen, deshalb müssen Spezialisten Schema-Änderungen, inkrementelle Ladeprozesse und kostensensible Designs beherrschen. Remote-Zusammenarbeit funktioniert für die meisten Aufgaben gut, während Zeit vor Ort in Zurich bei Workshops, Stakeholder-Mapping und Zugriffsprüfungen helfen kann.
Ergebnisse, die Unternehmen wollen
Das Ziel ist nicht nur mehr Daten. Es ist ein Warehouse, das Entscheidungen unterstützt, Historien konsistent hält und wartbar bleibt, wenn sich Quellsysteme ändern. Das bedeutet meist klare Transformationen, getestete Pipelines und eine Struktur, die andere Experten erweitern können, ohne alles neu zu schreiben.
Häufig gestellte Fragen
Die Fakten, nach denen Hiring-Teams bei Data Warehouse am häufigsten fragen.
Ein Data Warehouse wird genutzt, um Daten aus vielen operativen Systemen an einem vertrauenswürdigen Ort für Reporting und Analyse zusammenzuführen. Es unterstützt Dashboards, den Finanzabschluss, Management-Reporting, Kundenanalysen und Planung. Es ist für strukturierte Daten und schnelle Lesezugriffe gebaut, nicht für häufige transaktionale Updates.
Ein Data Warehouse speichert bereinigte, modellierte Daten für Analysen, während ein Data Lake meist rohe oder nur leicht verarbeitete Daten in flexiblen Formaten enthält. Warehouses sind besser, wenn Teams konsistente Kennzahlen und klare Geschäftsdefinitionen brauchen. Lakes sind früher in der Pipeline nützlich, vor allem wenn Daten explorativ oder unstrukturiert sind.
Ein Data Warehouse auf Snowflake oder BigQuery passt gut, wenn Teams elastische Skalierung, verwalteten Betrieb und einfachere Zusammenarbeit zwischen Analytics-Teams wollen. On-Premises-Setups können weiterhin sinnvoll sein, wenn strenge Kontrolle, bestehende Infrastruktur oder spezielle Compliance-Anforderungen im Vordergrund stehen. Die richtige Wahl hängt vom Datenvolumen, den Sicherheitsregeln und davon ab, wie oft sich das Modell ändert.
Ein starker Data Warehouse-Spezialist sollte dimensionales Modellieren, ETL- oder ELT-Design, Orchestrierung, Tests und Datenqualitätsprüfungen beherrschen. Erfahrung mit dbt, Airflow und einem BI-Tool ist oft wertvoll, weil die Arbeit nicht beim Laden der Tabellen endet. Auch Kommunikation ist wichtig, denn die Definitionen der Kennzahlen müssen zum Business passen.
Ein Data Warehouse-Projekt läuft am besten, wenn der Spezialist früh Zugriff auf die Quellsysteme, eine Liste der wichtigsten Reports und die aktuellen Probleme bekommt. Perfekte Dokumentation ist nicht nötig, aber klare Zuständigkeiten für Datendefinitionen und Geschäftsprioritäten schon. Ohne das kann selbst gute technische Arbeit am Ziel vorbeigehen.
Ja. Die meisten data warehouse-Aufgaben können remote erledigt werden, wenn der Experte sicheren Zugriff auf Quellsysteme, eine Entwicklungsumgebung und eine Möglichkeit hat, Anforderungen mit Stakeholdern zu besprechen. Vor-Ort-Termine in Zurich sind trotzdem nützlich für Workshops, Governance-Diskussionen und sensible Zugriffsprüfungen.
Achten Sie auf einen data warehouse-Spezialisten, der Modellentscheidungen klar erklärt, unklare Kennzahlen hinterfragt und Transformationen schreibt, die andere warten können. Gute Zeichen sind getestete Pipelines, sorgfältiger Umgang mit langsam veränderlichen Dimensionen und eine saubere Trennung zwischen Raw-, Staging- und Reporting-Ebenen. Schwache Arbeit zeigt sich meist in doppelter Logik, unklaren Definitionen und anfälligen Ladeprozessen.
Ein Data Warehouse-Projekt umfasst oft dbt, Airflow, Fivetran, Snowflake, BigQuery, Redshift und eine BI-Ebene wie Power BI oder Tableau. Je nach Governance-Bedarf brauchen Sie auch Tools für Data Catalog, Lineage und Zugriffssteuerung. Die besten Spezialisten wissen, wie diese Bausteine zusammenpassen, ohne den Stack unnötig zu verkomplizieren.
Der durchschnittliche Stundensatz von Freelancern in Zurich, Schweiz, die Data Warehouse in ihren letzten Projekten eingesetzt haben, liegt bei 131 €, was einem Tagessatz von etwa 1.046 € 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 27 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 (91%) und Französisch (64%).
Die häufigsten Industrien unter Freelancern in Zurich, Schweiz, die Data Warehouse in ihren letzten Projekten eingesetzt haben, sind Bank- und Finanzwesen (91%), Informationstechnologie (IT) (82%) und Professionelle Dienstleistungen (73%).
Die häufigsten Bereiche unter Freelancern in Zurich, Schweiz, die Data Warehouse in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Business Intelligence (91%) und Projektmanagement (91%).
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
