Syed Akbar Naqvi

RMS连接器作为零售销售系统(RMS)和Oracle零售数据仓库(ORDM)之间的接口。.

它可以轻松地将RMS数据馈电集成到ORDM中，用于所有级别的销售和库存报告，并被美国和中美洲的顶级零售商使用.

完成工作:
•使用Oracle Warehouse Builder构建从平面文件到Oracle数据库的所有ETL和数据流.
开发从RMS到ORDM的所有新文件的PLSQL包和程序.
•提出建议，并参与生产数据库架构的规划和设置.
•调优数据库和报表性能.
•使用Oracle调度链设置ETL自动化.

这个项目是一个运行在AWS上的SaaS应用程序.

该体系结构包括:
•红移:用于存储和报告数据
•Python:用于基于用户输入的数据处理
•SOS Belin Scheduler:一个基于用户输入异步执行Python脚本的调度程序
•UI:用于用户输入
•Tableau:用于报告已创建的细分
•环境:EC2，红移

我的工作是设计和开发端到端的数据流以及数据处理所需的api.

Flow:
1)用户通过选择与客户相关的不同kpi创建细分模型，然后提交作业.
2)然后通过调用SOS REST和Python库提交客户细分.
3)检查REST调用中提供的输入，并在此基础上做出下一个决策.
4)然后对数据进行处理并准备由Tableau拾取.

客户事务和KPI准备需要初始数据负载.

这是一个基于手机的应用程序，用于近乎实时的视图，以存储销售方面的转换, traffic, 转换, 员工的贡献对任何门店经理来说都至关重要.

Work done:
•开发分层的数据模型，包括维度、事实和聚合.
•使用Talend, PLINK, Python, SOS和Berlin Scheduler构建ETL程序.
•编写shell脚本来管理数据提要, 他们使用Python脚本处理从Amazon S3到Redshift数据库的文件.

劳动调度程序帮助商店经理将预测的客流量需求与员工生产力和Availability联系起来，以优化转换.

Work done:
•创建端到端数据模型.
•根据REST api开发数据操作的程序和api.
•在DB行中实现版本控制.
•建立AWS RDS PostgreSQL，将成本控制在参数之内，并获得高吞吐量.
•设置多个数据库之间的数据交互，使用PostgreSQL数据库链接到Redshift数据库以提取分析数据.
•严格使用PL/pgSQL, Python, PostgreSQL, Redshift来管理数据.

IX营销模块帮助零售商了解并在正确的时间做出正确的决定，以增加与在线和实体店客户的销售.

Work done:
•创建数据模型并使用Redshift数据库设置环境.
•从多个来源提取和加载数据，如SFTP, Amazon S3, 谷歌分析API, 和IBM Silverpop.
•创建Python脚本来自动加载数据.

MOD是荷兰最大的雇主，在全球拥有近9万名员工.

Work done:
实施POC期间推荐的新设计.
•在Oracle 10g和Oracle 9i数据库之间安装Oracle流，用于实时提取.
开发ETL流程的新逻辑，用于ODM中的近实时转换.
•设置批处理作业，定期将转换后的数据从ODM加载到CDM，用于Cognos报告.
•为Streams配置PeopleSoft HRMS表.
•调整当前系统的性能.

Eneco能源公司是荷兰最大的能源公司之一.

Work done:
•在支持soa的架构中成功设计并实现了MVS系统.
•调整物理模型以提高ETL流程的性能.
•成功地将属于一个功能区域的所有对象分离到单独的数据库中，总计为2TB中的300GB.
•数据建模、物理设计和数据库管理.
•对最大的表进行性能调优，最多有150个分区，仅400GB.
•开发一种自动设置测试环境的机制.

政策管理系统主要与税务和行政部门接口，并且是重新整合工作流程和员工税务/收入信息处理的组成部分.

角色:数据库团队成员| DBA
完成工作:
•负责Oracle DBA和开发人员的所有工作, 从逻辑和物理设计, 政府, PL/SQL, 编写脚本，与前台沟通cr和用例.
•创建和修改DSS和OLTP物理数据模型.
•执行数据库管理—调整规模、备份恢复策略规划和实施.
•数据库设计和管理.
•数据库维护和发布活动.
•性能调整.

FieldID是一个集中式数据库，用于处理数百万个边界，并为给定的边界及其关联字段分配唯一ID. FieldID的主要目标是提供田间农学数据，供不同的农民和食品生产商在做出明智的农业决策和控制碳排放合规时使用.

我设计了数据模型、架构流和构建数据管道. 使用的工具和技术, Python, SQL, PGSQL, PostgreSQL, Redshift, 汇合的卡夫卡, Apache气流, PostGIS, etc.

场的故事为最终用户提供了大量经过处理的农学数据集，这些数据集可以由农民或食品生产商购买. 这些工具提供了一个图形用户界面，其中包含关于选定区域土壤的不同生物数据的地图和边界.

使用这些数据, 农民可以在使用化学品和化肥方面做出明智的决定，以实现最佳种植和增加收成. 我分析了数据，并为来自不同来源的数据建立了模型和管道.

我还负责转换数据并将其与不同的Global Boundary id进行映射，以便从GUI方便地访问.

商店圆是一家专注于增强Shopify市场应用程序的初创公司. 他们通过从Shopify获取和挖掘事件数据来提升应用程序的功能，从而购买和增强已经运行的应用程序.

我致力于一个内部但非常重要的仪表板，业务所有者使用它来识别应用程序性能，然后向客户提出业务改进建议.

我为kpi构建了数据模型，用于使用Tableau Online创建仪表板和图表. 我使用SQL、DBT、Snowflake和Python构建了转换. 我开发了多个kpi图表，如MRR、ARR、流失率、APR、群组等.，仅举几例.

完美的商店项目是一个高风险的项目，其目的是根据百事公司产品在任何特定商店中的摆放方式以及所有商店的整体销售业绩等参数来确定表现最佳的商店.

POC应该确定表现最好的商店，然后确定货架和产品位置, 竞品销售, rows, 以及架子的位置, etc. 然后，所有这些数据被用来建立和调整其他商店，以便实现类似的销售. 我使用Azure Stack构建数据管道, Azure砖, Azure数据湖, 和Azure数据工厂.