负责公司智慧水务平台全生命周期管理，聚焦供水管网智能运维、二次供水监控两大核心场景，统筹需求挖掘、功能设计、技术落地及商业化验证，衔接研发、算法、客户成功团队，推动产品从0.5迭代至2.0版本，支撑水务企业降本增效与数字化转型。

• 主导完成供水管网漏损控制模块设计，基于数字孪生技术构建管网压力-流量动态仿真模型，结合历史漏点数据训练XGBoost预测算法，上线后试点区域漏损率从18.7%降至12.3%，年节约水量超50万吨；同步设计‘压力阈值自适应调整’功能，通过实时监测设备状态动态优化供水压力，减少爆管事件37%。
• 牵头搭建二次供水设备健康管理系统，深度对接12家水务企业SCADA系统，解决多协议数据兼容问题（支持Modbus、MQTT、OPC UA等6类协议），开发设备故障特征库（涵盖泵机振动、电机温度等18项指标），实现故障预警准确率91%，客户故障响应时间从4小时缩短至45分钟。
• 面对‘业务部门需求零散’的痛点，设计‘用户旅程地图+KANO模型’双维度需求评估机制，组织15场一线水务运维人员访谈，梳理出‘巡检路线智能规划’‘水质异常快速定位’等8项高价值需求；推动上线‘运维任务一键派发’功能，任务完成及时率提升至95%，获3家头部水务集团年度创新产品奖。
• 主导产品商业化验证，联合市场团队制定‘基础功能订阅+增值服务按效果收费’模式，针对中小水司推出轻量化SaaS版本（年费2-5万元），首年覆盖127家客户，ARR（年度经常性收入）突破800万元，客户续费率达79%。

聚焦水务行业大数据应用需求，负责客户需求调研、技术方案设计及项目落地，推动AI+IoT技术在水质监测、排水防涝等场景的规模化应用，支撑公司水务板块营收年增长40%。

• 为某省会城市排水管理中心定制‘内涝预警解决方案’，整合气象数据（降水预报、风速）、管网数据（液位、流速）及地表高程数据，搭建LSTM神经网络预测模型，提前2小时预警易涝点准确率达88%，助力客户减少因内涝导致的交通拥堵时长50%；项目获‘省级智慧环保优秀案例’称号。
• 针对客户‘多源数据孤岛’问题，设计‘数据中台+指标体系’架构，统一接入23类水务设备（流量计、水质分析仪等）的8000+数据点，制定‘数据清洗-标准化-标签化’处理流程，数据可用率从65%提升至92%，支撑后续3个分析模块快速开发。
• 主导编写《智慧水务大数据应用白皮书》，梳理‘水源地保护-供水管网-排水管网’全链条12个核心场景，定义‘水质达标率’‘设备能效比’等28项关键指标，成为公司水务产品标准化输出的纲领性文档，推动3个区域分公司复用该框架完成本地化方案设计。

负责水务企业运营数据清洗、分析与可视化，挖掘数据价值支撑业务决策，为后续产品化落地积累场景认知与技术基础。

• 搭建‘城市供水管网运行指标体系’，涵盖压力合格率、设备完好率等15项核心指标，开发Power BI动态看板，实现‘区域-管网-设备’三级数据穿透，帮助客户快速定位运行薄弱环节，试点区域运维成本下降22%。
• 设计‘管网异常检测模型’，基于孤立森林算法分析历史流量、压力数据，识别出9类异常模式（如夜间低流量偷排、阀门误关等），模型F1分数达0.87，年辅助发现异常事件43起，较人工巡检效率提升6倍。
• 推动数据驱动的‘错峰供水策略优化’，通过分析用户用水时段分布（结合智能水表数据）与水厂制水成本，提出‘高峰时段提升出厂压力、低谷时段降低能耗’的调整方案，试点水厂吨水能耗下降15%，获客户年度技术创新奖。

长三角某国家级经开区‘双碳+环保’多源数据融合智慧治理平台研发与规模化落地

• 项目背景：国家级经开区聚集120+家制造企业，存在环保数据分散（覆盖IoT传感器、企业ERP/MES、第三方监测机构等3类18小类数据源）、碳核算标准不统一、政府-企业-第三方机构协同低效等痛点，需一套整合‘监测-核算-治理-监管’的全链路智慧平台，支撑园区‘十四五’末碳排放强度下降18%、重点企业废水/废气达标率100%的目标。我作为项目总负责人，统筹需求调研、技术方案设计及跨团队落地。
• 关键难题与技术：①多源异构数据融合——企业私有协议（如霍尼韦尔BACnet、西门子Profinet）与园区公共协议不兼容，数据一致性差；②分行业碳核算精度——园区涵盖化工、机械制造、电子信息3大行业，传统IPCC方法难以适配企业个性化工艺；③实时预警响应——需解决高维环境数据下的异常检测延迟问题。技术上选用MQTT+OPC UA混合协议网关实现设备层接入，用Docker+K8s构建微服务架构保障扩展性，碳核算模型融合IPCC Tier 2方法与企业工艺参数，引入LSTM算法修正能耗/排放预测偏差。
• 核心行动与创新：①带队完成12家标杆企业深度调研，梳理‘设备-车间-企业-园区’4层数据映射关系，设计‘清洗-对齐-标注’三层数据治理体系，解决数据孤岛问题；②针对不同行业定制碳核算子模型——如化工企业增加VOCs逸散因子修正，机械企业关联设备负载率与碳排放强度，将核算误差从82%压降至95%以内；③创新‘阈值+无监督学习’双模式预警机制，用Isolation Forest识别异常排放特征，AutoEncoder捕捉隐性故障，预警响应时间从2小时缩短至15分钟。
• 成果与价值：平台最终接入830+台智能设备、15家第三方机构数据，实现‘企业端实时自诊断、园区端全局可视化、政府端精准监管’。试点3个月内，园区企业平均碳排放强度下降12%，重点企业超标排放事件减少75%，政府监管人力投入降低40%；项目为公司带来320万元营收，形成的‘工业园区多源数据融合碳核算标准’被纳入省级环保行业协会参考草案，我个人也因方案创新性获园区‘绿色发展突出贡献奖’。

华南某化工园区‘AIoT+机理模型’工业废水智能监测与风险预警系统开发

• 项目背景：园区内18家化工企业长期面临‘监测点稀疏导致超标排放发现滞后’‘传统COD/氨氮传感器易受水质波动干扰’等问题，2020年曾因未及时预警导致1起轻微水污染事件，面临50万元罚款及声誉损失。我作为系统架构师，负责从传感器选型到算法优化的全技术链路设计，目标是将预警准确率提升至90%以上，减少人工巡检频次50%。
• 关键难题与技术：①传感器漂移校准——园区废水含高浓度盐分与有机物，pH、COD传感器易出现测量偏差，传统定期人工校准效率低；②小样本异常检测——化工废水成分复杂，历史超标样本仅200+条，难以训练精准的机器学习模型；③多指标联动分析——需关联COD、氨氮、总磷等6项指标的变化趋势，识别隐性风险。
• 核心行动与创新：①搭建‘实验室模拟+现场校准’体系——用园区真实废水样本训练传感器漂移预测模型，结合边缘计算设备实现每小时自动校准，将传感器误差率从15%降至3%以内；②采用迁移学习解决小样本问题——以某大型化工企业的10万条历史数据为基础，迁移至园区企业场景，结合Isolation Forest与AutoEncoder构建‘特征空间异常检测’模型；③设计‘指标关联度矩阵’——通过Pearson相关系数分析6项水质指标的联动关系，识别‘COD上升+总磷骤降’等隐性风险组合，提升预警精准度。
• 成果与价值：系统上线后，园区企业超标排放预警准确率从75%提升至92%，2022年全年未发生重大水污染事件，为企业节省环保处罚及停产损失约580万元；系统被推广至华南5个省份的23家化工园区，带动公司智慧水务业务收入增长35%。我个人主导的‘化工废水传感器动态校准方法’申请了2项实用新型专利，成为公司该领域的技术壁垒。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。