Я собираю аналитику на DuckDB там, где классическое хранилище было бы избыточным и дорогим. Данные не нужно никуда переливать: если у вас есть файлы Parquet или CSV, я подключаюсь к ним напрямую и считаю прямо по ним. Это снимает целый пласт инфраструктуры — нет отдельного сервера базы, нет ночных загрузок, нет расписаний, которые падают в самый неудобный момент. Я продумываю структуру данных, пишу запросы и добиваюсь того, чтобы тяжёлый отчёт отдавался мгновенно даже на обычном ноутбуке.
Отдельно я силён во встраивании движка внутрь продукта. DuckDB живёт прямо в вашем приложении, скрипте или конвейере обработки, поэтому группировки, соединения таблиц и оконные вычисления идут вплотную к коду, без задержек на поход по сети. Я закрываю неочевидные вещи, на которые обычно уходят дни: партиционирование Parquet, обработку выборок крупнее оперативной памяти, настройку колоночного чтения и связки с Python, Node или консолью. К результату прилагаю тесты и понятный SQL, чтобы вы не зависели от меня после завершения работы.
— Расчёты прямо по Parquet и CSV, без этапа загрузки
— Движок внутри приложения, скрипта или конвейера
— Настройка под выборки крупнее оперативной памяти
Отдельно я силён во встраивании движка внутрь продукта. DuckDB живёт прямо в вашем приложении, скрипте или конвейере обработки, поэтому группировки, соединения таблиц и оконные вычисления идут вплотную к коду, без задержек на поход по сети. Я закрываю неочевидные вещи, на которые обычно уходят дни: партиционирование Parquet, обработку выборок крупнее оперативной памяти, настройку колоночного чтения и связки с Python, Node или консолью. К результату прилагаю тесты и понятный SQL, чтобы вы не зависели от меня после завершения работы.
— Расчёты прямо по Parquet и CSV, без этапа загрузки
— Движок внутри приложения, скрипта или конвейера
— Настройка под выборки крупнее оперативной памяти
