负责公司核心智慧水务平台全生命周期管理，统筹技术、运营、客户三方需求，聚焦管网智能监测、漏损控制、用户用水行为分析三大场景，推动产品从0.5代向标准化SaaS平台升级，边界覆盖需求拆解-原型设计-开发落地-迭代优化-商业验证全链路。

• 主导某省会城市智慧水务平台2.0版本升级，针对原系统多源数据（SCADA、DMA分区计量、用户水表）割裂问题，牵头设计基于Azure IoT Hub的统一数据中台，制定LoRaWAN+5G双链路接入标准，同步搭建数字孪生管网模型（精度达厘米级），3个月内完成1200公里管网数据迁移，支撑漏损定位准确率从78%提升至92%，项目获客户年度技术创新奖。
• 挖掘中小水司运营痛点，基于用户旅程地图分析（覆盖抄表、巡检、报修、决策4大环节），主导开发轻量化SaaS模块‘水务大脑Mini’，集成移动端工单流转（平均处理时长从4小时压缩至1.5小时）、AI异常预警（误报率降低35%）、动态水价模拟（辅助制定阶梯水价方案）三大功能，上线6个月签约17家县域水司，贡献年营收210万元。
• 建立产品健康度评估体系，结合NPS净推荐值（从41提升至68）、关键功能使用率（日活用户核心功能触达频次增长2.3倍）、客户续费率（从75%提升至89%）三维度监控迭代效果，通过A/B测试优化报警规则配置界面，使运维人员误操作率下降40%，相关方法论被纳入公司产品标准流程。
• 协调研发、测试、客户成功团队攻克‘多协议水表数据兼容’难题，梳理6类主流水表协议（包括Lora、NB-IoT、RS485），设计协议转换引擎中间件，将新水表接入周期从7天缩短至24小时，支撑公司在西南区域市场拓展中快速响应30家水司的个性化需求。

聚焦管网智能监测场景，负责需求转化与功能落地，衔接算法团队与业务部门，推动漏损预测模型、压力优化策略等产品模块从实验室到实际场景的工程化应用，边界覆盖需求验证-原型测试-小范围试点-效果复盘闭环。

• 针对管网漏损检测模型准确率低问题（初始模型F1值0.62），主导开展300+次现场测试，采集压力波动、流量突变、管道材质等23项特征数据，联合算法团队优化XGBoost模型参数，引入时空注意力机制，最终模型在实际管网中F1值提升至0.89，支撑某工业园区试点区域年节水12万吨。
• 设计‘压力优化策略配置工具’，基于EPANET水力模型仿真结果，开发可视化参数调节界面（支持设定最小夜间流量、压力阈值区间等8项指标），使水司运维人员自主调整压力策略的平均耗时从3天缩短至4小时，已在8个项目中推广使用，客户反馈操作效率提升70%。
• 搭建试点效果评估体系，通过对比实验法（选取10个相似管网片区，5个部署产品、5个传统管理），量化产品价值：部署区域漏损率月均下降1.2%，爆管响应时间缩短58%，形成《智慧管网产品价值白皮书》，成为销售团队核心谈资材料。
• 跟踪12个已落地项目的运行数据，识别‘老旧小区水表信号弱’高频问题，协调硬件团队开发增强型LoRa水表（发射功率提升30%），并通过软件算法补偿信号衰减，使该场景下数据完整率从65%提升至90%，相关改进纳入下一代硬件选型标准。

协助完成智慧水务项目前期需求调研、中期实施跟踪及后期运维支持，熟悉水务业务流程与客户真实痛点，为后续产品经理角色积累一线认知，边界覆盖客户需求收集-实施进度同步-问题反馈-验收支持全流程。

• 参与5个区县智慧水务项目前期调研，独立完成80+家用水单位（包括工业企业、居民小区、学校）的用水习惯访谈，输出《不同类型用户用水特征分析报告》，识别出‘工业用户夜间用水波动大’‘小区二次供水压力不稳定’等6类共性需求，其中4项被纳入首代产品设计优先级。
• 跟踪首套智慧水务平台实施过程，建立‘问题-责任-解决’跟踪表，运用甘特图管理12个关键节点（包括设备安装、系统联调、数据校准），提前2周完成项目初验，客户满意度评分从82分提升至91分，相关经验被推广至同期其他项目。
• 负责项目后期运维支持，梳理常见故障处理手册（涵盖通信中断、数据异常、界面报错等21类问题），开发‘运维知识库’小程序，使一线工程师平均故障解决时间从4小时缩短至1.5小时，个人获公司‘年度优秀运营支持奖’。

某头部钢铁集团全链路智慧废气管控平台搭建与落地

• 项目背景：某千万吨级钢铁集团推进超低排放改造时，面临“DCS/CEMS/气象数据分散、超标溯源慢、动态管控缺抓手”三大痛点，需构建“感知-预警-管控”一体化平台以支撑合规性与降本需求。我的核心职责是担任项目总负责人，统筹解决方案设计、技术攻坚及客户侧跨部门协同。
• 关键难题：① 多源异构数据（生产工况、废气成分、气象参数）融合率仅65%，无法还原真实排放场景；② 传统线性预测模型对烧结机、高炉等工序的废气浓度波动预测精度低，误报率达30%；③ 云端预警延迟5分钟，无法匹配“发现-处置”的分钟级管控要求。我牵头引入联邦学习框架解决数据隐私与融合问题，选定LSTM+注意力机制时序模型提升预测精度，并通过边缘计算节点将预警链路迁移至本地。
• 核心行动：① 对接客户IT、运维、生产3大部门，梳理32个数据接口，制定“时间戳对齐-异常值剔除-特征标注”统一清洗规则；② 针对钢铁全流程工艺，将生产负荷、原料成分等12个非结构化特征融入模型训练，将预测准确率从70%提升至90%以上；③ 组织15次现场迭代，调整高温区传感器防护方案，解决数据漂移问题，确保边缘节点稳定性达99.9%。
• 项目成果：平台上线后，数据融合率提升至92%，超标预警准确率达95%，推动客户年度超标排放次数从12次降至0，直接节省罚款及应急整改成本1200万元；客户凭此获评“省级绿色工厂”，项目成为钢铁行业智慧废气管控标杆案例。我个人也沉淀了大型工业企业“从需求诊断到价值落地”的全生命周期管理能力。

某地级市区域VOCs智慧监测网络构建与运营

• 项目背景：某地级市VOCs治理存在“监测盲区多、数据碎片化、溯源靠人力”问题，区域VOCs浓度长期超标15%。我的角色是项目架构师，负责监测网络规划、系统设计及后期运营体系搭建。
• 关键难题：① 传统人工选址导致监测覆盖度仅40%，无法捕捉化工园区、汽修集群的局部高值；② 数据分散在环保、园区、企业3类系统，利用率不足20%；③ 溯源依赖人工排查，单次耗时超24小时。我采用“模型模拟+实地验证”优化点位，基于GIS与CALPUFF大气扩散模型模拟100+种气象条件下的VOCs扩散路径，同时搭建LoRa+5G混合通信网络解决偏远区域数据传输问题。
• 核心行动：① 调研23个重点园区，收集产业分布、企业排污系数等数据，完成50个点位优化，覆盖度提升至85%；② 设计“企业自查-平台预警-政府督查”联动机制，开发移动端APP供企业实时查看排放数据，推动18家企业主动整改；③ 训练“热点网格+溯源算法”，融合气象、地形、企业工艺数据，将溯源时间缩短至2小时内。
• 项目成果：网络运行1年后，区域VOCs浓度较基准年下降18%，超标事件溯源率从30%提升至90%，推动12家企业完成RTO治理设施升级。项目入选“省级智慧环保示范项目”，获得环保部门书面表扬。我本人也从纯技术架构转向“技术+业务”融合，提升了跨部门协同与价值转化能力。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。