Mario Aldeán Jiménez

Entwicklung statistischer Modelle in Python, die die Cloud-Last um 230 % und die Datenverarbeitungszeit um 800 % reduzierten. Aufbau einer SQL- und MongoDB-Datenbank mit Python3-Integration, einschließlich der Verbindung zu Azure-Servern und Datenbereinigung. Entwicklung von ETL-Prozessen für Big Data mit über 16 Millionen Werten. Implementierung von DataPrep- und DataFlow-Prozessen in der Google Cloud Platform (MySQL-basierte Speicherung).

Automatisierung der Datenerfassung in einer Produktionsstätte mit SAP, VBA und Excel, wodurch die Zeit von 8 Stunden auf 40 Sekunden reduziert wurde. Planung der Nachfrage durch Zeitreihenanalysen in Python, was Ausschuss um 13 % und Lagerbestände um 16 % reduzierte sowie Einsparungen von bis zu 390.000 $ ermöglichte. Entwicklung interaktiver Dashboards in Power BI, die Daten aus ETL-Prozessen und Zeitreihenanalysen konsolidieren und lesbar machen.

Reduzierung des Zeitaufwands für die Dateisuche um 50 % durch die Erstellung einer Dokumentenstruktur von 2000 Dateien auf der NextCloud-Plattform. Erstellung von Finanzberichten, die Liquiditätslücken, Reserven und Rückstellungen beinhalteten. Vorbereitung und Präsentation von Quartals- und Jahresberichten in PowerPoint.

Erstellung eines Segmentierungsmodells für 130 Kunden, das zu einer Umsatzsteigerung von 14% führte. Bereinigung und Analyse von Datenbanken zur Erstellung von Verkaufsmodellen und Trendanalysen in R. Erstellung eines mathematischen Modells für die Auswahl von Magazinthemen auf Basis von Verkaufsdaten.