Hoppa till innehållet
EngineerData
Meny
Design
Svenska

Engineer / Data / Kategorier

Data engineering

  1. En infrastrukturplan för 14 avdelningar

    Utformade ett heltäckande infrastrukturramverk för ett forskningsinstitut som berörde 14 avdelningar, med flexibla moduler, enhetliga datapipelines och strukturerade supportstrategier för ett långsiktigt införande.

    Utformade ett heltäckande infrastrukturramverk för ett forskningsinstitut med 14 avdelningar — modulärt, med enhetliga datapipelines och supportstrategier.

  2. 30 dagars eldata på 180 ms

    Utvecklade varianter för timvis aggregering av elförbrukning i Python, SQL och Bash + Jq; Python‑varianten behandlade en JSONL‑datamängd för 30 dagar på 180 ms i prestandatestet.

    Byggde och prestandatestade aggregering av elförbrukning i Python, SQL och Bash + Jq; Python behandlade en JSONL-datamängd för 30 dagar på 180 ms.

  3. Gjorde pipelinen för geodata 50 gånger snabbare

    Dokumenterade en förbättring på 50 gånger i en geografisk datapipeline i grundarens arbete hos Utiligize genom SQL- och datamodelländringar i PostgreSQL, MS SQL och Google Cloud BigQuery.

    Grundaren dokumenterar en förbättring på 50 gånger i en geodatapipeline hos Utiligize genom SQL- och datamodellarbete i PostgreSQL, MS SQL och BigQuery.

  4. Gjorde GIS‑kartan 10 gånger snabbare i PostgreSQL

    Förbättrade prestandan i en kartapplikation för geodata 10 gånger genom en strategisk databasövergång från MSSQL till PostgreSQL, inklusive själva omställningen av data, och optimerade bearbetningen och datasäkerheten.

    Gjorde en GIS-kartapplikation 10 gånger snabbare genom migrering från MSSQL till PostgreSQL — spatiala frågor sjönk från 2,5 s till under 250 ms.

  5. Löste 1 000 problem i geodata och tidsseriedata

    Löste 1 000 problem i geodata och tidsseriedata med GDAL, ArcGIS, PostGIS, Mapbox, QGIS, SQL (PL/pgSQL, Transact‑SQL) och Bash, vilket säkrade en högkvalitativ bearbetning av stora datamängder.

    Löste 1 000+ problem i geografisk big data och tidsserier med GDAL, PostGIS, ArcGIS, Mapbox, QGIS och SQL — 35 % snabbare frågor.

  6. Utformade och drev 6 ETL/ELT‑pipelines

    Utformade, implementerade och administrerade 6 ETL/ELT‑pipelines med Google BigQuery, MSSQL, PostgreSQL, Shell‑skript, PL/pgSQL och Transact‑SQL och integrerade data för effektiv bearbetning i ett Python‑API.

    Utformade och drev 6 ETL/ELT-pipelines (BigQuery, MSSQL, PostgreSQL) och kortade ett manuellt jobb på 3 timmar till under 20 minuter med daglig synk.

  7. Levererade 8 Power BI‑projekt med handböcker

    Levererade 8 Power BI‑projekt med utförliga handböcker och integrerade Microsoft Power BI‑verktygen med ett NodeJS‑API och Python FastAPI för effektiv dataanalys och visualisering.

    Levererade 8 analysprojekt i Power BI (Node.js-API, Python FastAPI) med fullständiga manualer och gjorde rapportgenereringen 60 % effektivare.

  8. Drev 100 datalager i PostgreSQL, MS SQL, BigQuery

    Utformade, byggde upp och förvaltade 100 datalagerdatabaser i PostgreSQL, MS SQL och Google BigQuery, främst med GIS- och tidsseriedata, och optimerade prestanda och skalbarhet.

    Utformade och drev 100 datalagerdatabaser i PostgreSQL, MS SQL och BigQuery för GIS- och tidsseriedata — frågetiderna sjönk 40–60 %.

  9. Gjorde PostgreSQL 10 gånger snabbare

    Gjorde PostgreSQL 10 gånger snabbare med strategisk indexering, partitionering och optimering av databasfrågor och effektiviserade databasen för användar- och tenantdata, geospatiala data och tidsseriedata om el.

    Gjorde PostgreSQL 10 gånger snabbare med indexering, partitionering och frågeoptimering för användar-, tenant-, geo- och tidsseriedata — 40 % lägre resursbruk.

  10. Automatiserade GIS‑driftsättning i GitHub Actions

    Automatiserade driftsättningen av en GIS‑applikation som SaaS, databearbetningen och rapporteringssystemet med GitHub Actions CI/CD, Python, Bash och SQL.

    Automatiserade driftsättning, databehandling och rapportering för en GIS-SaaS med GitHub Actions CI/CD, Python, Bash och SQL — kortare, tillförlitliga releaser.

  11. Automatiserade leveransen av 20 GIS‑datapipelines

    Automatiserade leveransen av 20 GIS‑datapipelines och ETL‑processer för applikationsdata, vilket effektiviserade infrastrukturautomatiseringen och rapporteringen.

    Automatiserade 20 GIS-datapipelines och ETL-processer för appdata, effektiviserade infrastrukturautomatiseringen och levererade tillförlitlig, aktuell data.

  12. Optimerade prognos- och investeringsstrategier

    Optimerade prognos- och investeringsstrategier för 11 elnätsföretag och drev på driftseffektiviteten med datadrivna GIS‑lösningar.

    Optimerade prognoser och investeringsstrategi för 11 elnätsbolag med datadriven GIS — pålitlig, målinriktad planering.

  13. Ledde över 30 GIS‑projekt från bygge till support

    Ledde utveckling, driftsättning och support av över 30 GIS‑projekt och visade expertis inom PostgreSQL, Bash, Python, JavaScript, GDAL, ArcGIS, PostGIS och Mapbox.

    Ledde utveckling, driftsättning och support av 30+ GIS-projekt med PostgreSQL, Python, GDAL, ArcGIS, PostGIS och Mapbox genom hela livscykeln.

  14. Sparade 4 000 timmar med GitHub och GitLab CI/CD

    Effektiviserade processerna för dataanalys och mjukvaruutveckling och sparade 4 000 timmar genom att införa CI/CD‑arbetssätt med GitHub, GitLab, Bash och Python.

    Sparade ~4 000 timmar genom att införa CI/CD med GitHub, GitLab, Bash och Python, vilket snabbade upp dataanalys och utveckling och gav ökad enhetlighet.

  15. Utvecklade ett rapportsystem för dataanalys

    Utvecklade ett rapportsystem för dataanalys som ökade de kvartalsvisa mjukvaruintäkterna med 400 % genom Python‑baserade PDF‑rapporter.

    Byggde ett rapporteringssystem för dataanalys i Python som ökade de kvartalsvisa mjukvaruintäkterna med 400 % genom tydliga PDF-rapporter i rätt tid.

  16. Automatiserade databearbetning i Python, PL/pgSQL

    Automatiserade uppgifter inom databearbetning med Shell‑skript, PL/pgSQL, Python och Transact‑SQL och ökade produktiviteten och effektiviteten.

    Automatiserade databehandling med Shell, PL/pgSQL, Python och Transact-SQL, höjde produktiviteten och fick bort små återkommande fel.

  17. Byggde 600 ETL/ELT‑pipelines i PL/pgSQL

    Byggde 600 PL/pgSQL‑baserade ETL/ELT‑pipelines för att effektivisera komplexa arbetsflöden för databearbetning i flera utvecklings- och produktionsmiljöer för PostgreSQL.

    Byggde 600 registrerade ETL/ELT-pipelines i PL/pgSQL för PostgreSQL i utveckling och produktion, med inkrementell laddning och loggning.

  18. En kartprodukt, buren hela vägen

    Utformade, utvecklade och stödde infrastruktur, databearbetning och en kartapplikation under 2 år, med både programvaruleveranser och driftunderhåll.

    Arkitektur, utveckling och stöd för infrastruktur, databehandling och en kartapp under två år, med leveranser och driftunderhåll.

  19. Tidsordnade nycklar för en växande datamodell

    Införde tidsordnade UUID v7‑identifierare (PostgreSQL 18) som entitetsnycklar för att minska fragmenteringen i B‑trädindex och snabba upp databasfrågor.

    Införde tidsordnade UUID v7-nycklar i PostgreSQL 18 för att minska B-trädsfragmentering och förbättra infogningar och intervallfrågor i entitetstabeller.

  20. Modellerade 348 tabeller i 34 Postgres‑scheman

    Modellerade sjöfartsdomänen i 348 normaliserade tabeller i 34 PostgreSQL‑scheman — yrkesverksamma, företag, fartyg, jobb, recensioner och resten — med SMALLINT‑uppslag och UUID v7‑nycklar.

    Modellerade sjöfartsdomänen i 348 normaliserade tabeller i 34 PostgreSQL-scheman, med SMALLINT-uppslag, UUID v7-nycklar och en enda namnkonvention.

  21. Byggde egen analys inuti PostgreSQL

    Byggde egen produktanalys i PostgreSQL — 47 funktioner över partitionerade händelsetabeller som rensar sig själva — pseudonymiserad bakom ett roterande salt och villkorad av besökarens samtycke.

    Byggde egen produktanalys i PostgreSQL — 47 funktioner över självrensande partitionerade tabeller — pseudonymiserad och villkorad av samtycke.

Kontakt

Håller ni fortfarande på att reda ut vad ni behöver?

Berätta vad som inte fungerar eller vad ni försöker bygga. Vi säger vad det skulle kräva, ungefär vad det skulle kosta och om vi är rätt personer för uppgiften.

Från 1 400 DKK i timmen, exklusive moms — och mindre per timme vid en längre bokning.

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