Hopp til innhold
Engineer
Meny
Design
Norsk bokmål

Engineer / Kategorier

Data engineering

  1. Én infrastrukturplan for 14 avdelinger

    Designet et helhetlig infrastrukturrammeverk for et forskningsinstitutt som berørte 14 avdelinger, med fleksible moduler, samlede datapipelines og strukturerte støttestrategier for varig innføring.

    Designet et helhetlig infrastrukturrammeverk for et forskningsinstitutt med 14 avdelinger — modulært, med enhetlige datapipelines og støttestrategier.

  2. 30 dagers strømdata på 180 ms

    Utviklet varianter for timesaggregering av strømforbruk i Python, SQL og Bash + Jq; Python‑varianten behandlet ett JSONL‑datasett for 30 dager på 180 ms i ytelsestesten.

    Bygde og ytelsestestet aggregering av strømforbruk i Python, SQL og Bash + Jq; Python behandlet ett JSONL-datasett for 30 dager på 180 ms.

  3. Gjorde en geodatapipeline 50 ganger raskere

    Registrerte en forbedring på 50 ganger i en geografisk datapipeline i grunnleggerens arbeid hos Utiligize gjennom SQL- og datamodellendringer i PostgreSQL, MS SQL og Google Cloud BigQuery.

    Grunnleggeren registrerer en forbedring på 50 ganger i en geodatapipeline hos Utiligize gjennom SQL- og datamodellarbeid i PostgreSQL, MS SQL og BigQuery.

  4. Gjorde GIS‑kart 10 ganger raskere på PostgreSQL

    Forbedret ytelsen i en geografisk kartapplikasjon 10 ganger gjennom et strategisk databaseskifte fra MSSQL til PostgreSQL, inkludert omleggingen av dataene, og optimaliserte samtidig behandlingen og datasikkerheten.

    Forbedret en GIS-kartapplikasjon 10 ganger ved å migrere fra MSSQL til PostgreSQL — romlige spørringer falt fra 2,5 s til under 250 ms.

  5. Løste 1 000 problemer i geografiske data

    Løste 1 000 problemer i geografiske data og tidsseriedata med GDAL, ArcGIS, PostGIS, Mapbox, QGIS, SQL (PL/pgSQL, Transact‑SQL) og Bash, og sikret behandling av stordata med høy kvalitet.

    Løste over 1 000 problemer i geografiske stordata og tidsseriedata med GDAL, PostGIS, ArcGIS, Mapbox, QGIS og SQL — 35 % raskere spørringer.

  6. Designet og driftet 6 ETL/ELT‑pipelines

    Designet, implementerte og administrerte 6 ETL/ELT‑pipelines med Google BigQuery, MSSQL, PostgreSQL, Shell‑skripting, PL/pgSQL og Transact‑SQL, og integrerte data for effektiv behandling i et Python‑API.

    Designet og drev 6 ETL/ELT-pipelines (BigQuery, MSSQL, PostgreSQL) og kortet en manuell jobb på 3 timer ned til under 20 minutter med daglig synk.

  7. Leverte 8 Power BI‑prosjekter med veiledninger

    Leverte 8 Power BI‑prosjekter med grundige brukerveiledninger, og integrerte Microsoft Power BI‑verktøy med et NodeJS‑API og Python FastAPI for effektiv dataanalyse og visualisering.

    Leverte 8 analyseprosjekter i Power BI (Node.js-API, Python FastAPI) med fullstendige brukerveiledninger og gjorde rapportgenereringen 60 % mer effektiv.

  8. Drev 100 datavarehus: Postgres, MS SQL, BigQuery

    Utformet, opprettet og administrerte 100 databaser for datavarehus i PostgreSQL, MS SQL og Google BigQuery, hovedsakelig med GIS- og tidsseriedata, og optimaliserte ytelse og skalerbarhet.

    Designet og drev 100 datavarehusdatabaser i PostgreSQL, MS SQL og BigQuery for GIS- og tidsseriedata — spørretidene gikk ned 40–60 %.

  9. Økte PostgreSQL‑ytelsen 10 ganger

    Økte PostgreSQL‑ytelsen 10 ganger gjennom strategisk indeksering, partisjonering og spørringsoptimalisering, og gjorde databasen mer effektiv for bruker- og tenantdata, geodata og elektriske tidsseriedata.

    Gjorde PostgreSQL 10 ganger raskere med indeksering, partisjonering og spørringsjustering for bruker-, leietaker-, geo- og tidsseriedata — ressursbruk ned 40 %.

  10. Automatiserte GIS‑SaaS‑utrulling i GitHub Actions

    Automatiserte produksjonssettingen, databehandlingen og rapporteringssystemet for en GIS SaaS‑applikasjon med GitHub Actions CI/CD, Python, Bash og SQL.

    Automatiserte produksjonssetting, databehandling og rapportering for GIS-SaaS med CI/CD i GitHub Actions, Python, Bash og SQL — kortere, pålitelige utgivelser.

  11. Automatiserte leveransen av 20 GIS‑datapipelines

    Automatiserte leveransen av 20 GIS‑datapipelines og ETL‑prosesser for applikasjonsdata, og effektiviserte infrastrukturautomatisering og rapportering.

    Automatiserte 20 GIS-datapipelines og ETL-prosesser for appdata, forenklet infrastrukturautomatiseringen og leverte pålitelige, oppdaterte data.

  12. Optimaliserte prognose- og investeringsstrategier

    Optimaliserte prognose- og investeringsstrategier for 11 nettselskaper og økte driftseffektiviteten gjennom datadrevne GIS‑løsninger.

    Optimaliserte prognoser og investeringsstrategi for 11 nettselskaper med datadrevet GIS — pålitelig, målrettet planlegging.

  13. Ledet 30+ GIS‑prosjekter fra utvikling til støtte

    Ledet utvikling, produksjonssetting og støtte for over 30 GIS‑prosjekter, med ekspertise i teknologiene PostgreSQL, Bash, Python, JavaScript, GDAL, ArcGIS, PostGIS og Mapbox.

    Ledet utvikling, produksjonssetting og støtte for over 30 GIS-prosjekter med PostgreSQL, Python, GDAL, ArcGIS, PostGIS og Mapbox gjennom hele livsløpet.

  14. Sparte 4 000 timer med GitHub og GitLab CI/CD

    Effektiviserte prosessene for dataanalyse og programvareutvikling og sparte 4 000 timer ved å innføre CI/CD‑praksis med GitHub, GitLab, Bash og Python.

    Sparte ca. 4 000 timer ved å innføre CI/CD med GitHub, GitLab, Bash og Python, som gjorde dataanalyse og utvikling raskere og mer konsistent.

  15. Utviklet et rapporteringssystem for dataanalyse

    Utviklet et rapporteringssystem for dataanalyse og økte kvartalsinntektene fra programvaren med 400 % gjennom Python‑baserte PDF‑rapporter.

    Bygde et rapporteringssystem for dataanalyse i Python som økte den kvartalsvise programvareomsetningen med 400 % med tydelige PDF-rapporter i rett tid.

  16. Automatiserte databehandling i Python og PL/pgSQL

    Automatiserte databehandlingsoppgaver med Shell‑skripting, PL/pgSQL, Python og Transact‑SQL, og økte produktiviteten og effektiviteten.

    Automatiserte databehandlingsoppgaver med Shell, PL/pgSQL, Python og Transact-SQL, økte produktiviteten og gjorde slutt på små, gjentakende feil.

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

    Utviklet 600 PL/pgSQL‑baserte ETL/ELT‑pipelines for å effektivisere komplekse arbeidsflyter for databehandling på tvers av flere utviklings- og produksjonsmiljøer i PostgreSQL.

    Utviklet 600 registrerte ETL/ELT-pipeliner i PL/pgSQL for PostgreSQL i utvikling og produksjon, med inkrementell lasting og logging.

  18. Et kartprodukt, håndtert fra ende til annen

    Utformet, utviklet og støttet infrastruktur, databehandling og en kartapplikasjon over 2 år, med både programvareleveranser og driftsvedlikehold.

    Arkitektur, utvikling og oppfølging av infrastruktur, databehandling og en kartapp over to år, med leveranser og driftsvedlikehold.

  19. Tidsordnede nøkler for en voksende datamodell

    Tok i bruk tidsordnede UUID v7‑identifikatorer (PostgreSQL 18) som entitetsnøkler for å redusere fragmenteringen i B‑tre‑indekser og gjøre spørringene raskere.

    Tok i bruk tidsordnede UUID v7-nøkler i PostgreSQL 18 med mål om mindre B-tre-fragmentering og bedre innsetting og intervallspørringer i entitetstabeller.

  20. Modellerte 348 tabeller i 34 Postgres‑skjemaer

    Modellerte det maritime domenet i 348 normaliserte tabeller fordelt på 34 PostgreSQL‑skjemaer — fagfolk, selskaper, skip, stillinger, omtaler og resten — med SMALLINT‑oppslag og UUID v7‑nøkler.

    Modellerte det maritime domenet i 348 normaliserte tabeller fordelt på 34 PostgreSQL-skjemaer, med SMALLINT-oppslag, UUID v7-nøkler og én navnekonvensjon.

  21. Bygde egen analyse inne i PostgreSQL

    Bygde egen produktanalyse i PostgreSQL — 47 funksjoner over partisjonerte hendelsestabeller som rydder seg selv — pseudonymisert bak et roterende salt og betinget av den besøkendes samtykke.

    Bygde egen produktanalyse i PostgreSQL — 47 funksjoner over partisjonerte tabeller som rydder seg selv — pseudonymisert og betinget av samtykke.

Kontakt

Avklarer dere fortsatt hva dere trenger?

Fortell oss hva som går galt, eller hva dere prøver å bygge. Vi sier hva det vil kreve, omtrent hva det vil koste, og om vi er de rette til oppgaven.

Fra 1 400 DKK timen, eksklusive mva. — og mindre per time ved et lengre oppdrag.

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