Spring til indhold
EngineerData
Menu
Design
Dansk

Engineer / Data / Kategorier

SQL

  1. 30 dages eldata på 180 ms

    Har udviklet varianter til timeaggregering af elforbrug i Python, SQL og Bash + Jq; i benchmarken behandlede Python ét JSONL‑datasæt for 30 dage på 180 ms.

    Byggede og benchmarkede aggregering af elforbrug i Python, SQL og Bash + Jq; Python behandlede et JSONL-datasæt for 30 dage på 180 ms.

  2. Har gjort en geodatapipeline 50 gange hurtigere

    Har registreret en forbedring på 50 gange i en geografisk datapipeline i stifterens arbejde hos Utiligize gennem SQL- og datamodelændringer i PostgreSQL, MS SQL og Google Cloud BigQuery.

    Stifteren registrerer en forbedring på 50 gange i en geodatapipeline hos Utiligize gennem SQL- og datamodelarbejde i PostgreSQL, MS SQL og BigQuery.

  3. Har forbedret GIS‑kortydeevne 10x med PostgreSQL

    Har gjort en geografisk kortapplikation 10 gange hurtigere gennem en strategisk databaseovergang fra MSSQL til PostgreSQL, herunder selve omlægningen af data, og optimeret behandlingen og datasikkerheden.

    Gjorde en GIS-kortapplikation 10 gange hurtigere ved at migrere fra MSSQL til PostgreSQL — spatiale forespørgsler fra 2,5 s til under 250 ms.

  4. Har løst 1.000 problemer i geografiske data

    Har løst 1.000 problemer i geografiske data og tidsseriedata ved hjælp af GDAL, ArcGIS, PostGIS, Mapbox, QGIS, SQL (PL/pgSQL, Transact‑SQL) og Bash, hvilket har sikret behandling af big data i høj kvalitet.

    Løste 1.000+ problemer i store mængder geografiske data og tidsseriedata med GDAL, PostGIS, ArcGIS, Mapbox, QGIS og SQL — 35 % hurtigere forespørgsler.

  5. Har designet og drevet 6 ETL/ELT‑pipelines

    Har designet, implementeret og administreret 6 ETL/ELT‑pipelines med Google BigQuery, MSSQL, PostgreSQL, shell‑scripting, PL/pgSQL og Transact‑SQL og integreret data, så et Python‑API kan behandle dem effektivt.

    Designede og driftede 6 ETL/ELT-pipelines (BigQuery, MSSQL, PostgreSQL) — et manuelt job på 3 timer blev til under 20 minutter med daglige synkroniseringer.

  6. Har udgivet 500 el- og GIS‑datarapporter

    Har udgivet 500 analyserapporter om el- og GIS‑data med grundig research og fejlfinding for at sikre præcis indsigt i store mængder geodata og tidsseriedata.

    Udgav 500 rapporter om el- og GIS-dataanalyse — en tværgående reference for load balancing, energieffektivitet og anomalidetektion.

  7. Har drevet 100 data warehouse‑databaser

    Har stået for arkitektur, oprettelse og drift af 100 data warehouse‑databaser i PostgreSQL, MS SQL og Google BigQuery, primært med GIS- og tidsseriedata, og optimeret ydeevne og skalerbarhed.

    Stod for arkitektur og drift af 100 data warehouse-databaser (PostgreSQL, MS SQL, BigQuery) til GIS- og tidsseriedata — 40–60 % kortere forespørgselstid.

  8. Har gjort PostgreSQL 10 gange hurtigere

    Har gjort PostgreSQL 10 gange hurtigere med strategisk indeksering, partitionering og forespørgselsoptimering og effektiviseret databasen til brugerdata, tenantdata, geodata og tidsserier af eldata.

    Gjorde PostgreSQL 10 gange hurtigere med indeksering, partitionering og forespørgselstuning af bruger-, tenant-, geo- og tidsseriedata — 40 % færre ressourcer.

  9. Har automatiseret GIS‑SaaS‑udrulning med CI/CD

    Har automatiseret udrulningen af en GIS SaaS‑applikation, databehandlingen og rapporteringssystemet med GitHub Actions CI/CD, Python, Bash og SQL.

    Automatiserede udrulning af GIS-SaaS, databehandling og rapportering med GitHub Actions CI/CD, Python, Bash og SQL — kortere, pålidelige releases.

  10. Har ledet over 30 GIS‑projekter

    Har ledet udvikling, idriftsættelse og support af over 30 GIS‑projekter og udvist ekspertise i PostgreSQL, Bash, Python, JavaScript, GDAL, ArcGIS, PostGIS og Mapbox.

    Ledede udvikling, udrulning og support af 30+ GIS-projekter med PostgreSQL, Python, GDAL, ArcGIS, PostGIS og Mapbox gennem hele livscyklussen.

  11. Har automatiseret databehandling i Python og SQL

    Har automatiseret databehandlingsopgaver med shell‑scripting, PL/pgSQL, Python og Transact‑SQL og øget produktiviteten og effektiviteten.

    Automatiserede databehandling med Shell, PL/pgSQL, Python og Transact-SQL — højere produktivitet og slut med små, tilbagevendende fejl.

  12. Har udviklet 600 PL/pgSQL‑ETL/ELT‑pipelines

    Har udviklet 600 PL/pgSQL‑baserede ETL/ELT‑pipelines for at strømline komplekse arbejdsgange i databehandlingen i flere udviklings- og produktionsmiljøer med PostgreSQL.

    Udviklede 600 registrerede PL/pgSQL-ETL/ELT-pipelines i PostgreSQL til udvikling og produktion, med inkrementel indlæsning og logning.

  13. Har designet en JSON‑passthrough‑arkitektur

    Har designet en JSON passthrough‑arkitektur, hvor PostgreSQL‑funktioner returnerer komplet JSON, som Go‑API'et videresender uændret, så der ikke er nogen mellemliggende unmarshalling, og frontenden er afkoblet fra skemaændringer.

    Designede en JSON-passthrough, hvor PostgreSQL-funktioner returnerer færdig JSON, som Go-API'et videresender uændret — frontenden afkoblet fra skemaet.

  14. Har designet et funktionsbaseret Postgres‑datalag

    Har designet et funktionsbaseret datalag i PostgreSQL — 1.275 lagrede funktioner fordelt på 34 skemaer — så al læsning og skrivning går gennem en funktion, databasen kan tildele rettigheder til, og ikke direkte gennem en tabel.

    Designede et funktionsbaseret datalag i PostgreSQL — 1.275 lagrede funktioner i 34 skemaer — med adgangsgrænsen håndhævet af databasen selv.

  15. Har modelleret 348 tabeller i 34 Postgres‑skemaer

    Har modelleret det maritime domæne i 348 normaliserede tabeller fordelt på 34 PostgreSQL‑skemaer — fagfolk, virksomheder, skibe, jobs, anmeldelser og resten — med SMALLINT‑opslagstabeller og UUID v7‑nøgler.

    Modellerede det maritime domæne i 348 normaliserede tabeller fordelt på 34 PostgreSQL-skemaer — SMALLINT-opslag, UUID v7-nøgler og én navnekonvention.

  16. Har bygget egen analytics i PostgreSQL

    Har bygget egen produktanalyse i PostgreSQL — 47 funktioner over partitionerede event‑tabeller, der selv rydder op — pseudonymiseret bag et roterende salt og betinget af den besøgendes samtykke.

    Byggede egen produktanalyse i PostgreSQL — 47 funktioner over partitionerede tabeller, der selv rydder op — pseudonymiseret og betinget af samtykke.

  17. Har bygget loyalitetspoint, ligaer og badges

    Har bygget loyalitets- og omdømmesystemet — 67 funktioner over en hovedbog på 31 tabeller, med ligaer, badges og en indløsningsshop — og med en rækkelås på saldoen til at lukke vinduet for dobbeltforbrug.

    Byggede loyalitets- og omdømmesystemet — 67 funktioner over en hovedbog på 31 tabeller, ligaer, badges og en shop — med rækkelåsning på saldoen.

  18. Har genereret 495 sider fra en SQLite‑eksport

    Har genereret 495 resultatsider på tre sprog fra en skrivebeskyttet SQLite‑eksport med sidens adresse skrevet som data, så en rettelse i en sætning ikke længere flyttede siden og ødelagde linket.

    Fire hundrede og femoghalvfems sider genereres fra én kilde, det koster intet at rette et udsagn, og de adresser, dette site nogensinde har udgivet, svarer…

  19. Har bygget en databasedrevet CV‑generator

    Har bygget en databasedrevet generator til CV, referencer, portefølje og ansøgninger i Python — 41 moduler, 10.580 linjer — der genererer seks outputformater fra én SQLite‑kilde med 23 tabeller, som en idempotent pipeline i 19 trin bygger op.

    Seks formater, tre sprog og fem temaer kommer ud af én database, og en rettet sætning rettes én gang.

Kontakt

Er I stadig ved at finde ud af, hvad I har brug for?

Fortæl os, hvad der går galt, eller hvad I prøver at bygge. Så siger vi, hvad det vil kræve, cirka hvad det vil koste, og om vi er de rigtige til det.

Fra 1.400 DKK i timen, ekskl. moms — og mindre pr. time ved en længere booking.

welcome@engineer.company +45 50 10 61 84 København, Danmark