? Durchführung von detaillierten Analysen der Quellsysteme im
Fondmanagementbereich, um relevante Datenstrukturen, -prozesse und
-anforderungen zu identifizieren und eine solide Grundlage für die
Datenintegration und -aufbereitung zu schaffen.
? Konzeption einer umfassenden Data-Warehouse-Landschaft auf Basis der
Analyseergebnisse aus den Quellsystemen im Fondmanagementbereich, um eine
skalierbare, effiziente und nachhaltige Datenarchitektur für die zukünftige
BI-Landschaft zu entwickeln.
? Entwicklung und Implementierung von Python-Skripten (Packages: pyodbc,
pandas, numpy) und SQL Server Stored Procedures zur effizienten
Zusammenführung und Homogenisierung von Datenquellen (API's) im BI-Kontext.
(ELT- und ETL-Batch-Prozesse)
? Planung und Gestaltung einer maßgeschneiderten Reportinglandschaft in
PowerBI, basierend auf den Erkenntnissen aus Quellsystemanalyse und
Data-Warehouse-Konzeption, um benutzerfreundliche und aussagekräftige
Berichte und Dashboards für den Fondmanagementbereich bereitzustellen.
? Konzeption und Implementierung von Entity-Attribute-Value (EAV)-Tabellen auf
SQL Server, um eine flexible und erweiterbare Datenstruktur zur Speicherung und
Verwaltung variabler Attribute und Werte im Kontext der BI-Landschaft
(Quellsysteme, Data Warehouse, PowerApps und PowerBI) basierend auf den
zuvor gewonnenen Informationen bereitzustellen.
? Entwicklung und Implementierung eines PowerApps-basierten Stammdaten- und
Mappingdaten-Managementsystems, das eine zentrale, konsistente und einfach
zu verwaltende Lösung für die Pflege und Synchronisierung von Stammdaten und
Mappings in der gesamten BI-Landschaft bietet.
? Implementierung einer Queue auf SQL Server, um asynchrone Datenverarbeitung
und -übertragung zwischen den verschiedenen Komponenten der BI-Landschaft
(Quellsysteme, Data Warehouse, PowerApps und PowerBI) effizient und
zuverlässig zu gewährleisten, basierend auf den Anforderungen aus der
vorherigen Analyse und Konzeption.
? Einrichtung und Konfiguration von Azure DevOps für das BI-Projekt, einschließlich
der Implementierung von CI/CD-Pipelines, zentraler Dokumentation, effektiver
Projektplanung, Quellcodeverwaltung (Repos) und automatisierten Tests, um eine
optimierte, kollaborative und nachhaltige Arbeitsumgebung für die erfolgreiche
Entwicklung und Wartung der gesamten BI-Landschaft (Quellsysteme, Data
Warehouse, PowerApps und PowerBI) zu gewährleisten.
? Entwicklung und Implementierung von maßgeschneiderten
Machine-Learning-Algorithmen in Python für den Finanzbereich des
Fondmanagements, basierend auf den vorherigen Informationen und der
aufgebauten BI-Landschaft, um Prognosen, Risikoanalysen und automatisierte
Entscheidungsfindung zur Optimierung der Anlagestrategien und -prozesse zu
ermöglichen