Hoppa till sidans innehåll

Micael Starck

Data Scientist

Micael är en mångsidig och erfaren datavetare med bred erfarenhet inom många olika branscher och verksamheter. Hans styrka är att kartlägga och analysera data, där han arbetar för att få stora datamängder att bli sammanhängande och förståeliga.
Från sin långa erfarenhet och många uppdrag har han lärt sig hantera en uppsjö av olika digala format och datakällor. Dessutom behärskar han en mängd med verktyg och metoder samt även flera av de mer exotiska. Med denna kännedom och sin förmåga att förmedla insikter blir Micael självgående genom hela processen inhämtning, bearbetning och analys.
Micael har bland annat arbetat med beteendevetenskaplig analys i syfte för kartläggning av köpbeteende och kundinsikt, beslutsunderlag från dataströmmar med miljontals händelser per dag, IT-säkerhet i syfte att minimera risker för dataincidenter, maskininlärning inom busstrafik och matlagning med mera.

Områden

  • Data Scientist
  • Dataanalytiker
  • Data Engineer
  • IoT-analytiker
  • GIS-anlytiker
  • BI Analyst
  • BI Developer

Om Micael

Micael är en person som är lätt att umgås med. Han är en driven, självgående och analytisk person som snabbt sätter sig in i problem och ser förslag på lösningar. Han har lätt att förstå behov och har en bra känsla för nästa logiska steg i processen. Han vill gärna leverera användbara resultat till mottagaren.

Micaels CV

  • Dun & Bradstreet (Bisnode)

    Data Engineer

    2023 - 2024

    Bisnode är ett företag som tillhandahåller affärs-, marknads- och kreditinformation. Kunden hämtar in stora mängder data som bearbetas och sätts samman till produkter som sedan distribueras (bl.a. kreditupplysningar och företagsinformation). Micael har förvaltat dessa flöden genom underhåll och nyutveckling. Han har även arbetat med IT-säkerhetsfrågor och anpassningar för säkrare system.

    Metod/teknik: ETL (Pentaho Data Integration), SQL, Linux OS, Bash, CI/CD, IT-säkerhet, systemförvaltning
  • Octopharma

    BI Developer / Data Engineer / Utbildare

    2023 - 2023

    Ett kortare uppdrag hos Octopharma som är världens största blodplasmaproducent med en av sina fabriker placerade i Stockholm. Micael har hjälpt kunden med att implementera BI-system, datainventering och utbildning. Målet är att kunna monitorera och övervaka system och mekaniska flöden i produktionen.

    Metod/teknik: Power BI, IoT, Data Mart
  • McDonalds / Food Folk

    BI Developer / Data Engineer

    2022 - 2023

    McDonalds genererar stora mängder försäljningsdata. Arbetet har gått ut på att bygga användbara Data Warehouse och Marts samt att skapa rapporter till verksamheten för uppföljning av daglig försäljning (i olika kanaler och tider, ex Drive Thru), kampanjer och deras inverkan på annan försäljning (kannibalism) samt övrig KPI-uppföljning. Olika datakällor har bearbetats i olika nivåer från rådatalager upp till lättanvändbar data.

    Metod/teknik: Power BI, Snowflake, SQL, Azure DevOps (Git), DBT Cloud (Data Build Tool), CI/CD, Data Vault, Data Lake/Mart
  • Sveriges Geologiska Undersökning (SGU)

    Data Engineer

    2021 - 2021

    SGU har ansvar för frågor om landets geologiska beskaffenhet och mineralhantering. De har krav från EU att tillgängliggöra data kring dessa beskaffenheter. Processerna för detta har uppdaterats med felhantering och nya flöden för kvalitetssäkring. I arbetet har även nya automatiserade metoder för dataverifiering tagits fram med stöd av maskininlärning.

    Metod/teknik: GIS (analys av geografisk data), ETL (Safe Software FME), SQL, Python, PostgreSQL (med addon PostGIS)
  • Skatteverket

    IT-säkerhetsarkitekt/Data Scientist

    2020 - 2021

    Micael har arbetat med att säkerställa skyddet av myndighetens data. Däribland analys av loggdata från system och övervakning i jakt på anomalier, behörighetsmodellering för ett nytt sätt att tilldela och förvalta behörigheter samt verksamhetsprocesser kring bedömning av KRT (konfidentialitet, riktighet och tillgänglighet). Hur måste en organisation tänka och agera för att vara beredd, att arbeta proaktivt?

    Metod/teknik: IAM (Identity and Access Management, behörighetsmodellering), SIEM (Security Information and Event Management), SOC (Security Operations Center med Splunk som verktyg), risk- och säkerhetsanalys, Cyber Security, visualisering/presentation
  • KPMG / Svenskt län

    Data Scientist/Data Engineer/utredning

    2019 - 2020

    Revisionsbolaget KPMG agerade ombud i detta ärende gällande oegentligheter inom länstrafiken uppmärksammade av en så kallad "Whistleblower". Genom intervjuer kunde avvikande mönster i trafikdata identifieras vilket i sin tur kunde styrka grova oegentligheter. Arbetet bestod i att omsätta resultatet från intervjuerna till algoritmer som kunde köras mot trafikdata i jakt på återkommande mönster. Mycket spännande resultat som gav stora rubriker i länet.

    Metod/teknik: Intervjuer med whistleblowers, internrevision, Python och Pandas, SQL, Git
  • Kronofogdemyndigheten

    Digital forensik/Data Scientist

    2019 - 2021

    Micael har arbetat med forensisk inhämtning och analys av fysiska enheter. Arbetet har ställt stora krav på förberedelse och mental stålsättning då arbetet genomförts i fält vilket ställer stora krav på noggrannhet och tillförlitlighet. Analysen har även ställt krav på stor påhittighet och kännedom om mänskligt beteende.

    Metod/teknik: IT-Forensik (flera forensikverktyg), bearbetning av extraherad forensisk data, Linux/Windows/Mac/iOS/Android etc., Python/Bash/Powershell/Dos etc., Cyber Security, visualisering/presentation
  • Holmen Energi

    Data Scientist/Data Engineer

    2019 - 2019

    Holmen energi producerar energi från vind- och vattenkraft. Det här kortare uppdraget gick ut på att prognostisera rätt tillfälle att sälja lagrad el baserat på elpris (efterfrågan) och tillgång till el (lager och förväntad nederbörd/avsmältning). Ska vi sälja nu eller vänta till i vinter?

    Metod/teknik: Python + Pandas + Tensorflow + Keras, prognostisering av energiutbud, prognostisering av efterfrågan av el, Inhämtning och bearbetning från olika datakällor, visualisering/presentation
  • KPMG Sverige

    Data Scientist/Data Engineer

    2019 - 2021

    KPMG är ett av världens största revisionsbolag och har ett stort behov av att generera rapporter från större mängder av data inom sina huvudområden revision, skatt och rådgivning. Micael har här skapat algoritmer i Python för bland annat skatte- och revisionsregler, bearbetat data och automatiserat rapportuttag och beslutsstöd.

    Metod/teknik: Python + Pandas, Power BI, Microsoft Azure, SQL, bearbetning av data (strukturerad och ostrukturerad), visualisering/presentation
  • Sopra Steria

    Data Scientist/Data Engineer

    2018 - 2019

    Sopra Steria är ett i europa stort konsultbolag. De bedriver utöver konsultverksamheten även mer utforskande interna projekt. I detta fall en analys av röster för att kunna utläsa känslor hos talaren. Spännande och givande projekt som gav stor insikt i ett relativt outforskat ämne. https://soprasteriaanalytics.se/2019/02/08/using-cnn-for-speech-emotion-recognition-whats-wrong-with-it/

    Metod/teknik: Python + Pandas, maskininlärning i online-miljö hos https://peltarion.com/
  • Systembolaget

    Data Scientist/Data Engineer

    2018 - 2019

    En POC av en applikation som genom bildanalys av flaskor ska ge mottagaren information om innehållet. Utmaningen bestod i den stora mängden olika flaskor och utseenden.

    Metod/teknik: Bildanalys, Python + Pandas + Keras + Tensorflow, maskininlärning, Git
  • Linas matkasse

    Data Scientist/Data Engineer

    2018 - 2018

    Linas Matkasse är en ledande leverantör av matkassar i Norden. Där sökte man svar på frågan ”Kan man förutse vilka menyer som är populärast baserat på målgrupp och historik?” Kunden behövde veta hur många av respektive meny som skulle väljas för att kunna beställa rätt mängd råvaror hos sina leverantörer. Resultatet gav stora överraskningar och insikter samt en nöjd kund.

    Metod/teknik: Databearbetning - omvandla recept till maskindata, beteendeanalys, Python + Pandas + Scikit-learn, maskininlärning, A/B-testning (inom maskininlärningen)
  • Nobina

    Data Scientist/Data Engineer

    2018 - 2018

    Nobina är en kollektivtrafikoperatör för buss i Norden. I ett projekt hos dem försökte vi räkna ut tiden till ankomst för en buss om man vet var den är. Arbete med stora mängder av geografisk data och maskininlärning i molnmiljö. https://soprasteriaanalytics.se/2019/01/16/at-the-stop-waiting-for-the-bus/

    Metod/teknik: Microsoft Azure, Python + Pandas + Scikit learn, .Net/C#, SQL, DevOps, maskininlärning, A/B-testning (inom maskininlärningen), Git (GitHub)
  • Säkerhetspolisen

    Data Scientist/Forskning/utredning/underrättelse

    2013 - 2018

    Micael arbetade här inom myndighetens verksamhetsområden kontraspionage, kontraterrorism och författningsskydd. I Sverige råder fri bevisföring vilket betyder att vad som helst kan användas som bevis. Micael arbetade med att analysera digitala bevis. Arbetet bestod av utredning och analys av stora mängder inhämtat digitalt material samt forskning och utveckling av processer och metoder. Arbetet utfördes ofta i tvärfunktionella grupper bestående av roller från hela myndigheten.

    Metod/teknik: Python, DevOps, CI/CD, analys av sociala nätverk, beteendeanalys, textanalys, bildanalys, utredning, Data Lake/Mart, Git, noSQL, Graph- och dokumentdatabaser, SQL, Telecom-data, visualisering/presentation
  • Trygg Hansa

    GIS-analytiker/Data Scientist

    2012 - 2012

    Trygg Hansa, ett stort försäkringsbolag i norden, behöver kunna utvärdera risker som kommer från geografiskt närliggande fastigheter, exempelvis vid bedömning av brandrisk. Vi skapade ett kartverktyg åt kunden. Kundens försäkringsobjekt ritades ut på kartan så att risker kunde bedömas utifrån lokala företeelser.

    Metod/teknik: Python, GIS (ArcGIS), spatial analys
  • Försvarsmakten

    GIS-analytiker/Data Engineer/DBA

    2011 - 2013

    Kartläggning av områden runtom i Sverige. Hantering av mätdata uppladdade i fält, uppbyggnad av databaser, skapande av dataflöden fram till färdig karta.
    - Enterprise Architect (databasmodellering)
    - Python
    - SQL
    - GIS
    - ArcGIS
    - Safe FME (ETL)
    - Databasadministration
  • DHL

    GIS-analytiker/Data Scientist/Data Engineer

    2009 - 2011

    DHL är ett globalt transport- och logistikföretag. Uppdraget gick ut på att skapa algoritmer och metoder för att snabbt kunna optimera leveransrutter. Stora mängder paket anlände huvudnoderna på samma gång och skulle snabbt omfördelas på lastbilar och mindre fordon.

    Metod/teknik: Python, .Net/C#, SQL, GIS (ArcGIS), ruttplanering

Micaels kompetensområden

  • Databaser

    Databaser allmänt, Datamodellering, Graphql
  • IT-säkerhet

    Riskanalys, IT-säkerhet allmänt, Säkerhetsarkitekturer, Informationssäkerhetsspecialist
  • Operativsystem/plattformar

    Linux, Windows 98, Windows XP, Windows 7
  • Verktyg & Middleware

    MS Office, ArcGIS, Power BI
  • Hårdvara

    PC
  • Branscherfarenhet

    Försvar, Transport/Spedition/Flyg, Passagerartransport, Säkerhet
  • Utvecklingsspråk

    Python
  • Utbildning

    Matematik, Fil.mag
  • Tillämpningar

    GIS
  • Roller

    Omvärldsbevakare

Micaels anställningar

  • Data Scientist / Data Engineer, Egenföretagare

    2021 -

  • Data Scientist/Data Engineer/IT-säkerhetsarkitekt, KPMG

    2019 - 2021

  • Data Scientist / Data Engineer, Sopra Steria

    2018 - 2019

  • Data Scientist / Data Engineer, Säkerhetspolisen

    2013 - 2018

  • Data Scientist / Data Engineer / Utvecklare, Metria AB

    2011 - 2013

  • Data Scientist / Data Engineer / Utvecklare, Esri Sverige

    2008 - 2011

Micaels utbildningar

  • Microsoft Professional Program for Data Science, Microsoft Azure

    2018 - 2018

  • Teknologie Magister i Matematik (Scientific Computing), KTH

    1998 - 2007

  • Filosofie Magister i Geovetenskap, Stockholms universitet

    1992 - 2007

Till konsultsök

Kvadrat i siffror

  • 593

    Konsulter, kollegor och kompisar

  • 346

    Kunder senaste året

  • 76/100

    Nöjd kund-index

Vision

Världens lyckligaste yrkesmänniskor

Branscher

  • Bank och försäkring
  • Offentlig sektor
  • Digitala produkter
  • Telekom
  • Utbildning/forskning
  • Medtech
  • Automotive
  • Retail
  • Logistik
  • Återvinning