Jackie Tambe

جودة تقاريرك لا تتجاوز جودة البيانات التي تستند إليها. أجد التكرارات والتنسيقات المعطلة والأخطاء الخفية والإجماليات غير المتطابقة في جداول البيانات وقواعد البيانات، وأصلحها، وأنشئ تقارير يمكن لفريقك الوثوق بها.

أنا محللة بيانات تقنية أمتلك أكثر من 3 سنوات من الخبرة في بنك أوف أمريكا، حيث عملت في مجال تقنيات الإقراض، حيث يمكن أن تكون للبيانات الخاطئة عواقب حقيقية. شمل عملي هناك:

* تولّي مسؤولية دقة نماذج استخراج المستندات المعتمدة على القواعد والتعبيرات النمطية: إعداد تقارير أسبوعية للنجاح والفشل، وتحليل أسباب الانحراف، وإصلاح أدوات الاستخراج عند تغيّر قوالب المستندات
* اقتراح وقيادة فريق من ثلاثة أشخاص لبناء أداة للتحقق من طلبات تغيير المتطلبات (CRQ)، مما أدى إلى تقليل مدة كل مراجعة من 45 دقيقة إلى دقيقتين؛ ولا تزال الأداة مستخدمة في الإنتاج
* كتابة نص برمجي بلغة Python يحدّد سجلات التغيير الجديدة والمحدّثة والملغاة لجعل التقارير الأسبوعية دقيقة
* إنشاء لوحات مؤشرات KPI في Excel وكتابة إجراءات التشغيل القياسية والوثائق التي تمكّن الفرق من تنفيذ العملية دون الاعتماد عليّ

ما يمكنني تقديمه لك:
* عمليات تدقيق جودة البيانات: تحليل ملف جدول بيانات أو CSV بحثًا عن التكرارات والقيم المفقودة والتنسيقات غير الصالحة والقيم الخارجة عن النطاق، مع تقرير PDF بلغة واضحة يوضّح ما يجب إصلاحه
* تنظيف البيانات وتوحيدها باستخدام Excel أو Python ‏(pandas) أو SQL
* إنشاء لوحات مؤشرات في Excel وPower BI بالاعتماد على بيانات نظيفة وموثّقة
* أتمتة التقارير المتكررة باستخدام Python بحيث تستغرق المهمة الأسبوعية دقائق بدلًا من ذلك
* توثيق العمليات: إجراءات تشغيل قياسية، ومتتبعات، وإعداد Confluence أو Jira للفرق التي تضطر إلى إعادة شرح سير العمل نفسه باستمرار

طريقة عملي: أتأكد من معنى «الصحيح» بالنسبة لبياناتك قبل إجراء أي تعديل، وأحافظ على الملف الأصلي دون تغيير، وأسلمك ملخصًا موجزًا لكل تغيير أجريته. ستحصل على تحديثات واضحة ومن دون مفاجآت.

الأدوات: Python ‏(pandas)، وSQL، وDuckDB، وdbt، وExcel (معتمد Microsoft Office Specialist)، وPower BI، وGit وGitHub Actions، وJira، وConfluence.