负责集团合并报表数据治理、经营分析模型搭建及业财数据联动优化，支撑战略决策与运营改进，边界覆盖数据标准制定、模型迭代及跨部门协作落地

• 主导设计集团合并报表数据中台，基于SAP BPC、SQL Server与Power BI，整合18家分子公司的财务数据——针对此前存在的12种收入确认口径、5类成本分摊规则不一致问题，搭建统一维度表（含业务线、区域、产品）与3级数据校验规则（逻辑校验、勾稽校验、合理性校验），将月度报表数据差错率从8%降至1.2%，报表出具周期从7天缩短至4天，支撑集团月度董事会决策效率提升25%
• 核心参与经营分析体系重构，结合平衡计分卡（BSC）与滚动预测模型（采用Python的Pandas库进行时间序列预测），搭建“战略-业务-财务”三层指标体系——通过挖掘CRM与ERP联动数据，识别出3条低毛利产品线（毛利率均低于15%），推动产品迭代与供应链优化后，该部分产品毛利率半年内提升至22%，年度贡献额外利润约350万元
• 搭建业财联动监控看板，用Tableau连接销售订单、生产工单与财务凭证数据，实现“收入确认进度-成本归集状态-现金流匹配度”实时可视化——解决此前业财数据滞后5天的痛点，帮助销售部门提前识别订单履约风险（如某大客户付款延迟30天），推动调整信用政策，季度收入达标率从88%提升至98%
• 优化集团成本分摊模型，采用作业成本法（ABC）与SQL脚本自动化分摊间接成本（含研发、物流、管理费用）——将分摊精度从75%提升至92%，精准定位到“第三方物流仓储费”占比过高问题，推动与2家物流商重新谈判合约，年度节省物流成本210万元

协助搭建财务数据仓库、支撑预算管理及成本分析，边界覆盖数据清洗、模板优化与跨系统数据对接

• 重点优化集团预算编制流程，用Excel VBA与Power Query整合15个部门的预算数据（含销售、生产、费用）——解决此前手动汇总易出错、版本混乱的问题，预算编制效率提升50%，数据准确性从85%提升至98%，支撑年度预算偏差率控制在5%以内（此前为8%）
• 参与生产环节成本分析项目，用ABC法梳理车间间接成本（含设备折旧、人工工时、能耗）——通过SQL查询识别出“热处理工序能耗占比达35%”的痛点，推动安装节能设备与调整生产排班，季度能耗成本下降8%，年度节省电费约60万元
• 搭建月度经营分析报告框架，用Tableau制作动态看板展示“收入趋势-成本结构-利润驱动因素”——帮助管理层快速定位问题（如某区域销售费用率高达22%，远超集团15%的标准），推动优化线上推广策略（减少无效投放），该区域销售费用率3个月内降至18%
• 协助建立财务数据字典，梳理8大类核心财务指标（如应收账款周转天数、存货周转率）的计算逻辑与数据来源——统一各部门对指标的理解，减少跨部门沟通成本约30%

协助审计项目中的数据采集、分析及风险识别，边界覆盖审计数据处理、异常排查与模板标准化

• 核心参与3家上市公司年报审计的数据分析工作，用ACL软件采集银行流水、应收账款与存货数据——通过编写脚本比对“银行对账单-账面记录-函证结果”，识别出2笔异常关联方往来款（合计120万元）与1笔存货跌价准备计提不足问题，推动客户调整账目，避免了审计意见升级的风险
• 优化审计数据核对流程，用Python写自动化脚本比对ERP系统销售数据与物流系统发货数据——将每周2天的手工核对时间缩短至半天，效率提升75%，后续项目同类工作均复用该脚本
• 协助建立审计数据模板库，整理了10类常见审计场景的分析模板（如收入真实性验证、应付账款完整性检查）——模板内置数据校验规则与风险预警指标，使团队同类项目的数据分析时间减少40%，提升了审计项目的标准化程度
• 参与某制造业客户的专项审计，用Excel Power Pivot分析生产成本数据——识别出“原材料浪费率高达10%”的问题，推动客户优化生产流程，该项目被公司评为“年度优秀审计项目”

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。

业财融合型集团财务预测模型重构项目

• 项目背景：集团原有财务预测模型依赖手工整合业财数据，存在口径割裂（如业务系统CRM的“客户生命周期价值”与财务SAP的“收入确认时点”不匹配）、非财务因子缺失（如市场推广投入的客户转化率未纳入）等问题，导致年度收入预测准确率仅68%，无法支撑战略预算编制。我的核心目标是主导重构模型，实现业财数据贯通与非财务因子融合，将预测准确率提升至85%以上。
• 关键难题与技术：①业财数据标准不统一——业务系统的“产品分类”（如CRM分“零售理财”“公司理财”）与财务的“收入科目”（如“手续费及佣金收入-理财业务”）无对应规则；②非财务数据量化困难——客户活跃度、渠道转化率等行为数据难以用传统线性模型捕捉关联关系。我选择用主数据管理（MDM）工具定义“客户-产品-渠道”统一维度，同时引入XGBoost机器学习算法处理非线性特征交互。
• 核心行动与创新：1. 牵头12次业财跨部门 workshops，对齐5类核心业务（零售银行、公司金融、财富管理等）的收入成本确认口径，输出《业财数据映射手册》；2. 搭建“业务驱动因子-财务结果”分层模型架构：底层通过API对接CRM、ERP、营销系统获取实时业务数据，中间层用MDM统一维度标签，上层用XGBoost（处理客户复购率、渠道ROI等非财务特征）+ ARIMA（捕捉收入时序波动）组合模型；3. 回溯3年历史数据验证，调整15个特征权重（如将“新客户获取成本占比”权重从0.1提至0.2，因回溯发现其对下季度收入的影响度超20%）。
• 成果与价值：模型预测准确率从68%提升至89%，支撑集团2023年战略预算调整——减少低毛利公司金融业务预算1.2亿元，增加高潜力财富管理业务预算8000万元；全年收入偏差从±12%缩小至±5%，被评为“集团年度最佳财务支持项目”。我主导输出的《业财融合预测模型操作指南》，成为后续子公司模型复用的标准框架。

区域财务绩效智能分析与预警平台搭建项目

• 项目背景：集团原有区域绩效分析依赖分支手工上报，每月需5天完成数据汇总，且仅能做事后分析，无法及时识别区域经营风险（如某分行信用卡逾期率连续3个月上升但未被及时预警）。我的目标是搭建自动化平台，实现区域绩效实时分析、定制化预警，支撑区域经理快速决策。
• 关键难题与技术：①区域业务差异大——华东区侧重零售银行（关注AUM增长率），华南区侧重公司金融（关注对公贷款不良率），无法用统一指标体系；②实时数据获取难——分支机构交易数据需4小时同步至分析系统，无法支撑实时决策。我采用Power BI行级别安全性（RLS）实现区域指标定制，同时用Apache Kafka搭建实时数据管道，解决数据延迟问题。
• 核心行动与创新：1. 设计“核心指标+区域定制”双层体系：核心指标覆盖集团净利润率、ROE等共性目标，定制指标根据区域业务特点配置（如华东区加“手机银行月活转化率”、华南区加“供应链金融放款额”）；2. 开发12个自动化报表（如“区域收入结构实时监控”“费用异常预警”），用DAX函数实现动态钻取（点击“手续费收入下降”可追溯至具体网点、业务类型）；3. 针对区域财务人员开展8场培训，重点讲解预警规则配置与钻取功能使用。
• 成果与价值：平台上线后，区域绩效分析时间从5天缩短至1天，实时预警功能帮助华南区某分行提前2周识别信用卡逾期风险，调整催收策略后减少坏账损失500万元；区域经理决策效率提升40%（如原需等待周报调整预算，现可实时看数据优化资源分配）。平台成为集团区域财务管控的核心工具，覆盖全国32家分行。