• 为某大型金融机构客户成功落地“GDPR/《数据安全法》/《个人信息保护法》”合规治理项目。通过自主研发的“敏感数据自动发现与分类分级”引擎，对PB级历史数据仓库进行扫描，识别准确率超95%，并自动打标，奠定了数据安全治理的基石。
• 设计“数据安全策略中心”，实现了基于角色、数据分级、使用场景的动态访问控制和脱敏策略，统一管理了Hive、HBase、ClickHouse等多种数据源的权限，权限申请流程从3天缩短至1小时，且安全无事故。
• 构建“数据合规审计”体系，能够对所有数据的访问、查询、导出行为进行全链路追踪与记录，并自动检测异常操作，满足了金融监管的苛刻要求，助力客户顺利通过多项审计。
• 该项目成为行业标杆案例，成功复制到银行、保险等多个客户，年创造咨询与产品收入超三千万元。

• 主导制定并推行公司级数据治理战略蓝图与实施路线图，构建涵盖​​数据标准、质量、安全、血缘、生命周期​​的完整治理体系，统一管理公司​​PB级​​数据资产，使数据治理成熟度从混乱提升到受管级别。
• 建立数据价值与成本量化评估模型，通过治理手段精准识别并下线​​30%​​ 的低价值高成本数据存储，年节省存储与计算成本超​​数百万元​​，并推动数据资产入表工作。
• 主导落地数据分类分级与敏感数据动态脱敏方案，全面满足​​GDPR、数安法、个保法​​等合规要求，实现敏感数据访问100%受控，全年零数据安全事件。
• 领导研发​​一站式数据治理平台​​，集成元数据、数据质量、数据标准等功能，将治理流程工具化、自动化，提升协同效率​​50%​​；带领​​5人​​跨职能团队，建立数据治理文化。

泛娱乐社交用户实时行为-画像融合决策平台

• 背景：公司旗下社交APP用户破1.2亿，但实时行为数据（点赞/评论/礼物打赏）与离线用户画像（兴趣标签/付费层级）割裂，商业化团队依赖T+1报表决策，导致营销活动响应滞后、个性化推荐CTR低于行业均值15%；目标是构建“实时+离线”统一数据平台，支撑营销、推荐、运营的分钟级决策。
• 难点：实时数据湖需兼顾“低延迟写入”与“数据一致性”——初期Flink写HDFS易积压重启，离线同步时schema不一致引发计算错误；业务需关联用户实时行为与30天内历史行为，传统join耗时久无法实时。
• 行动：主导设计“实时-近线-离线”三层架构：实时层用Flink消费Kafka数据，通过Iceberg Upsert模式写入实时湖解决一致性问题；近线层用Spark Streaming基于Iceberg做分钟级行为聚合；离线层预计算实时与历史关联表减少join压力。利用Iceberg Schema Evolution自动同步离线标签体系，消除人工修改成本。
• 成果：平台上线后，实时数据延迟从5分钟降至30秒内，准确性达99.95%；商业化活动ROI提升28%，推荐CTR较之前高35%；支撑会员推送、广告定向等3个核心场景，年节省决策时间4000小时。个人主导跨团队落地，推动平台成为公司数据驱动核心基建。

多源用户行为日志实时处理平台从0到1搭建

• 背景：公司APP/小程序/Web用户半年增长3倍，现有Logstash+Elasticsearch系统无法承载峰值每秒15万条日志，且格式混乱导致实时监控延迟超10分钟、推荐无法用实时特征；目标是搭建高可用低延迟的日志处理平台。
• 难点：多源日志标准化难（端格式不一致）、高吞吐下性能瓶颈——初期单节点Flink吞吐不足，故障恢复需30分钟以上。
• 行动：设计统一Avro schema规范跨端日志，用Flume Agent自动转换为标准格式发Kafka；基于Flink做分布式并行pipeline，按日志类型动态调并行度（APP设32、小程序设16）提升吞吐；采用Checkpoint+Savepoint双机制，将故障恢复时间缩至5分钟内。
• 成果：日志吞吐量从每秒5万条提至25万条，延迟降至1分钟内；解析错误率从8%降至0.1%以下；支撑实时监控与推荐实时特征，推荐实时特征覆盖率从20%升到70%。个人负责架构设计与核心开发，解决多源日志标准化与性能瓶颈，为后续数据平台扩展奠基。