• Update der Google Analytics UA-API zur neuen GA4-API
• Major Upgrade der bestehenden EC2-Instanz und Datenbank-Architektur
• Update der Google Adwords-API zur neuen Google Ads-API (v10)
• Implementierung und Integration von ETL-Workflows mit AWS Step Functions und Lambda via Cloudformation
• ETL-Workflow Monitoring
• Dokumentation und Projektmanagement

Ziel:

Ziel des Projekts liegt auf der Analyse der verfügbaren eSIM-Daten und der Entwicklung eines Datenkonzepts, um wertvolle Daten zu extrahieren und mögliche Serviceverbesserungen zu bewerten.

Aufgaben:

• Analyse der verfügbaren Datenlandschaft (Loggingdaten, SMDP+ Reporting Daten)
• Definition von relevanten KPIs für den eSIM-Service
• Bewertung der Datenqualität:
  • Datenanalyse, Ermittlung systematischer Fehler
  • Definition von Verbesserungsansätzen
  • Kommunikation mit Datenbesitzern (eSIM-Kartenhersteller) und Entwickler-Team
• Harmonisierung der unterschiedlichen Datenquellen (Konzeption, Architektur & Auftragserstellung)
• Konzeption und Implementierung von KPI- & Monitoring-Dashboards für interne und externe Stakeholder
• Dokumentation

Ziel:

Ziel des Projekts ist die Detektion und Analyse von potenziellen Fraud Accounts (z.B. Spammern, Bots) mit Hilfe von Machine Learning Verfahren.

Aufgaben:

• Ermittlung von statistisch relevanten KPI?s
• Konzeption eines PoCs zur Fraud-Detektion
• Implementierung und Analyse von Machine Learning-Verfahren zur Fraud-Detektion:
  • Clustering-Verfahren (Hierarchical Clustering, DBSCAN)
  • Supervised Verfahren (Random Forest)
• Detektion und Analyse von Fraud Accounts

Optimierung von Fehlerdiagnosemodellen

Ziel:

Die Analysten vom Engine Condition Monitoring überwachen Kurz- und Langzeittrends von Triebwerksdaten und leiten bei kritischem Befund Wartungsprozesse ein. Aufgrund der Vielzahl an Triebwerken und der Masse an Daten ist eine tägliche Untersuchung aller Zustandsdaten nicht praktikabel. Aus diesem Grund werden Alarmregeln definiert, die bei Überschreitung definierter Schwellwerte oder bei Detektion von Anomalien einen Alarm generieren. Diese Alarmregeln werden wiederum individuell für alle verfügbaren Zustandsdaten definiert. Dabei ist die präzise Definition der Alarmregeln entscheidend für die optimale Balance zwischen einer engmaschigen Überwachung des Triebwerkszustandes und dem zusätzlichen Aufwand der Analysten.
Ziel ist es am Beispiel der Vibrationsdaten die Eignung von Data Mining Verfahren zu untersuchen und mit den bisher genutzten Alarmregeln zu vergleichen.

Aufgaben:

• Entwicklung eines Fehlerdiagnosemodells
• Prozessdiagramm
• Datenakquise
• Implementierung des Modells in Matlab (Preprocessing, Train-Test-Split, Training, Test)
• Entwicklung von Metriken und Vergleich mit den bisher eingesetzten Regeln
• Visualisierung der Ergebnisse (Kennzahlen-Diagramme und Trendverläufe)
• Präsentation und Diskussion von Zwischenergebnissen mit Analysten, Ingenieuren und Data Scientists

ETL-Prozess für Full Flight Daten

Ziel:

Aufgrund der beschränkten Übertragungsmöglichkeit von Daten im Flugverkehr durchlaufen Flugdaten einen Vorverarbeitungsprozess. Durch diesen Vorverarbeitungsprozess geht eine Vielzahl an wichtigen Informationen verloren. Aus diesem Grund ist ein Zukunftsprojekt hochfrequente Daten (Full Flight Daten) zu nutzen.
Ziel des Projekts war die Entwicklung eines ETL-Prozesses.

Aufgaben:

• Extraktion der relevanten Daten aus verschiedenen csv-Dateien
• Transformation der Daten
• Laden der formatierten Daten auf dem SQL-Server