Yassine RadiData Engineer Kontakt

Data EngineerDatenintegrationBusiness Intelligence

Heterogene Systeme.
Verlässliche Daten.

Ich verbinde Daten aus unterschiedlichen Quellsystemen zu konsistenten, geprüften Datenbeständen – als Grundlage für Reporting, Analytics und fundierte Entscheidungen. Dafür bringe ich über vier Jahre Praxis mit SQL Server, PostgreSQL und MySQL/MariaDB mit.

4+ JahreSQL-basierte Datenintegration
3Datenbanksysteme im Einsatz
250+Reports für mehrere Fachbereiche
4Arbeitssprachen

Kompetenzprofil

Was Data-Engineering-Stellen verlangen, und was ich nachweise

Die typischen Anforderungen an Data Engineers, abgeglichen mit meiner Praxis. Ein Klick öffnet den Nachweis. Was ich noch aufbaue, ist ebenso gekennzeichnet.

    Von der Quelle zur Entscheidung

    Wo ich in einer Datenplattform ansetze

    Der typische Weg von den Quellsystemen bis zur Auswertung, in fünf Stufen. Wählen Sie eine Stufe, um zu sehen, was dort passiert und was ich mitbringe.

    Seitlich wischen, um alle Stufen zu sehen.

    Praxisbeispiele

    Drei Schwerpunkte aus meiner aktuellen Arbeit

    Bewusst ohne interne Details meines Arbeitgebers beschrieben. Gerne erläutere ich Vorgehen und Entscheidungen im Gespräch genauer.

    Integration

    Systemübergreifende Datenintegration

    Ausgangslage
    Geschäftsdaten liegen in mehreren Systemen mit unterschiedlichen Strukturen und Regeln.
    Vorgehen
    Integration und Transformation mit SQL, datenbankübergreifenden Abfragen und komplexer Berechnungslogik.
    Ergebnis
    Harmonisierte Vertrags-, Zahlungs-, Leistungs- und Prozessdaten als gemeinsame Grundlage für Auswertungen.
    T-SQLPostgreSQLMySQL/MariaDB

    Qualität

    Datenqualität & Historisierung

    Ausgangslage
    Kennzahlen müssen über mehrere Quellsysteme hinweg übereinstimmen und historisch nachvollziehbar sein.
    Vorgehen
    Validierungs-, Mapping- und Historienlogiken, Datenabgleiche sowie Plausibilitäts- und Dublettenprüfungen.
    Ergebnis
    Konsistente Kennzahlen und belastbare Datenbestände; Abweichungen zwischen Quellsystemen werden erkennbar.
    ValidierungData ReconciliationHistorisierung

    Modernisierung

    Reporting-Landschaft: Entwicklung & Modernisierung

    250+Reports
    KPIAuswertungen & Analysen
    n8nAutomatisierung
    Ausgangslage
    Mehrere Fachbereiche arbeiten mit einer gewachsenen Landschaft aus über 250 Reports.
    Vorgehen
    Entwicklung neuer Reports, Anpassung und Optimierung bestehender Auswertungen nach den Anforderungen der Fachbereiche; Überführung in eine neue Umgebung mit Python-gestützter Analyse von Metadaten und Abonnements.
    Ergebnis
    Aktuelle, verlässliche Reports für die Fachbereiche und eine modernisierte Reporting-Umgebung.
    SSRSPythonSSIS-Analysen8n

    Eigenständige Weiterbildung · seit Oktober 2026

    Selbststudium: Data Engineering auf Azure

    Neben dem Beruf bilde ich mich in meiner Freizeit gezielt weiter, unabhängig von meinem Arbeitgeber. Ich folge einem eigenen Plan und übe an Laborprojekten mit synthetischen Daten.

    24 Wochenrund 20 Stunden pro WocheOktober 2026 bis April 2027

      Geplantes Laborprojekt

      SQL Server & SSIS → Azure Data Platform

      Ein Übungsprojekt mit synthetischen Daten, das die Inhalte der Weiterbildung zusammenführt.

      1. Bestands­aufnahmeDatenbanken, Pakete, Abhängigkeiten
      2. Bronze · Silver · GoldDelta Lake, inkrementell
      3. DatenabgleichCounts, Summen, Kennzahlen
      4. ParallelbetriebDifferenzen klären
      5. Cutover & Rollbackproben und dokumentieren

      Ein Laborprojekt im Selbststudium, keine Praxiserfahrung aus einem Unternehmen.

      Zertifizierungsziel

      Databricks Certified Data Engineer AssociateGeplant für das Frühjahr 2027, sobald ich in den Probeprüfungen sicher bin

      Die Konzepte lassen sich auf andere Plattformen übertragen, etwa Microsoft Fabric oder andere Lakehouse-Umgebungen.

      Arbeitsweise

      Wie ich arbeite und in ein neues Team starte

      Drei Grundsätze aus meiner bisherigen Arbeit und ein Vorschlag für die ersten Wochen.

      Nachvollziehbar statt Blackbox

      Fachbereiche sollen Ergebnissen vertrauen können. Dafür dokumentiere ich Regeln und mache Abweichungen zwischen Systemen sichtbar.

      Erst prüfen, dann ändern

      Änderungen an produktiven Daten teste ich vorher kontrolliert und gleiche die Ergebnisse mit der Quelle ab.

      Zwischen Technik und Fachbereich

      Ich erkläre technische Zusammenhänge verständlich und übersetze fachliche Anforderungen in prüfbare Regeln.

      Meine ersten 90 Tage: ein Vorschlag

      Zur Diskussion, angepasst an Ihre Systemlandschaft
      1. TAG 1–30 Verstehen

        Systemlandschaft, Datenflüsse und Ansprechpartner kennenlernen; bestehende Berichte und Kennzahlen aufnehmen.

      2. TAG 31–60 Absichern

        Gemeinsam mit einem Fachbereich Qualitätsregeln und Abgleiche für einen ersten Datenbereich festlegen.

      3. TAG 61–90 Liefern

        Ein erstes geprüftes Datenprodukt oder einen Bericht bereitstellen und Vorgehen sowie Regeln dokumentieren.

      Werdegang & Kompetenzen

      Von der Technik zur Datenarbeit

      Eine technische Ausbildung, ein Studium der Wirtschaftsinformatik und über vier Jahre Data Engineering in der Praxis.

      1. 10/2022 – heute
        Data Engineer / Business Intelligence Schülerhilfe / ZGS Bildungs-GmbH
        Aufgaben anzeigen
        • Entwicklung komplexer SQL-basierter Integrations- und Transformationslogiken für operative Daten aus Microsoft SQL Server, PostgreSQL und MySQL/MariaDB.
        • Zusammenführung und Harmonisierung von Vertrags-, Zahlungs-, Leistungs- und Prozessdaten; Abbildung anspruchsvoller fachlicher Regeln und systemübergreifender Zuordnungen.
        • Entwicklung, Wartung und Optimierung datenbankgestützter SSRS-Reports, KPI-Auswertungen und historischer Analysen für mehrere Unternehmensbereiche.
        • Sicherstellung konsistenter Ergebnisse durch Datenabgleiche, Plausibilitäts- und Dublettenprüfungen sowie Analyse von Abweichungen zwischen Quellsystemen.
        • Analyse bestehender SSIS-Pakete und Reporting-Landschaften; Python-gestützte Auswertung von Reports und Subscriptions.
        • Konzeption und Erprobung automatisierter Datei- und Datenbankprozesse mit SQL und n8n, einschließlich Tests vor produktiven Datenänderungen.
      2. seit 10/2026
        Selbststudium: Data Engineering auf AzureNeben dem Beruf · Details
      3. 04/2022 – 08/2022
        Bachelorarbeit: Master Data GovernancePERI SE
      4. Studium
        Bachelor of Science (B.Sc.) – WirtschaftsinformatikHochschule Wismar
      5. 06/2021 – 08/2021
        Praktikum Analyse & ReportingPVS Holding · QlikView, Python, Forecasting
      6. 07/2020 – 10/2020
        WerkstudentEnviTec Wismar GmbH · SQL, SAP
      7. Weitere Stationen
        Daimler Trucks & Buses, EGGER, OCPDetails auf Anfrage
      8. 2011 – 2013
        Diplom/Ausbildung Kälte- und KlimatechnikFachinstitut für Angewandte Technologie

      Technische Kompetenzen

      SQL & Datenbanksysteme
      Microsoft SQL Server (T-SQL)PostgreSQLMySQL/MariaDBCTEskomplexe Joinstemporäre Tabellensystemübergreifende Abfragen
      Data Engineering & ETL
      DatenintegrationSQL-TransformationenETL-LogikSSIS-PaketanalyseCSV-/Dateiverarbeitungn8n-Automatisierung
      BI & Reporting
      SSRSReportentwicklungKPI-LogikSubscriptionsQlikViewPower BI (Kenntnisse)
      Data Management
      DatenqualitätDatenharmonisierungValidierungData ReconciliationMappingHistorisierungData-Governance-Grundlagen
      Programmierung & Tools
      Python-SkriptingVisual StudioSQL Server ToolsHeidiSQL
      Sprachen
      Deutschfließend
      Englischverhandlungssicher
      Französischfließend
      ArabischMuttersprache

      Kontakt

      Lassen Sie uns sprechen.

      Ich freue mich auf ein persönliches Gespräch. Meine Kontaktdaten und die vollständigen Unterlagen finden Sie in meiner Bewerbung.

      Anschreiben Lebenslauf mit Kontaktdaten