负责公司全链路财务数据整合与深度分析，联动业务端输出成本管控、盈利预测及风险预警落地方案，支撑管理层战略决策，同时推动业财数据口径对齐与分析模型迭代

• 主导设计业财融合数据仓库架构，整合ERP、CRM及第三方支付系统多源数据，通过Power Query构建ETL流程解决跨系统数据口径不一致问题，搭建收入确认、成本分摊、费用归集等12个主题域数据模型，将财务数据提取效率提升40%，支撑后续分析场景的标准化落地
• 核心参与年度盈利预测项目，采用Python搭建ARIMA+Prophet组合时间序列模型，融入市场波动、客户续约率、政策影响等外部变量优化预测逻辑，将季度盈利预测准确率从82%提升至91%，助力管理层调整区域资源分配，减少闲置成本150万元
• 重点优化成本管控场景，通过SQL挖掘费用明细中的异常点，建立“部门-项目-费用类型”三维监控看板（Power BI），识别出3个部门的差旅费超支问题，推动制定分级审批与定点酒店合作机制，全年差旅费同比下降22%，节省开支约80万元
• 负责应收账款风险预警机制搭建，基于Logistic回归模型分析账龄分布、客户信用评级、行业景气度等10+指标，输出逾期风险评分卡，将坏账计提准确率提升至95%，年度坏账损失减少80万元，支撑信用政策的精准调整

协助企业客户推进财务数字化转型，聚焦成本分析与绩效评估，通过数据挖掘识别业务痛点，输出可落地的优化建议，覆盖制造业、零售等多个行业客户

• 独立完成3家制造业客户的成本结构分析，运用ABC成本法拆解直接材料、人工及制造费用，结合SQL拉取生产系统与财务数据，识别出某汽车零部件客户原材料浪费率高达18%的问题，推动引入精益生产流程与供应商协同机制，降低单位产品材料成本12%，年节约成本约60万元
• 主导设计客户盈利性分析模型，用Excel VBA自动化生成各产品线、客户群体的净利润贡献报表，解决手工统计耗时久、误差大的问题，报告出具时间从每周3天缩短至1天，帮助客户聚焦高毛利产品（营收占比从45%提升至65%），整体毛利率提升5个百分点
• 参与客户预算管理项目，搭建Power Pivot滚动预算模板，联动销售预测、生产计划与财务数据，实现月度预算偏差率实时监控，某快消客户季度预算偏差率从15%降至5%，提升了预算对业务运营的指导性，获客户财务总监书面表扬
• 协助客户排查财务数据异常，通过Python编写脚本比对3年凭证数据，发现某零售客户的促销费用存在跨期确认问题，推动调整会计处理方式，修正年度利润表数据，避免了潜在的审计风险

负责日常财务数据处理与基础分析，支持上级完成报表编制、问题排查及简单场景的数据建模，保障财务数据的准确性与及时性

• 用Python自动化处理每月10万条银行流水与增值税发票数据，通过正则表达式与Pandas库匹配勾稽关系，解决手工核对易出错、效率低的问题，核对效率提升60%，数据错误率从3%降至0.5%，获部门“数据处理能手”称号
• 协助编制月度财务报表分析报告，运用杜邦分析体系拆解ROE变动因素，识别出某季度资产周转率下降1.2个百分点的问题，推动销售部门加快应收账款回收速度，使资产周转率提升8%，助力公司整体ROE回升至15%以上
• 搭建部门费用台账，用VLOOKUP、数据透视表及条件格式分析费用趋势，发现办公费同比增长25%的问题，推动采购部门比价更换供应商并推行无纸化办公，年度办公费节省10万元，占该部门年度费用的8%
• 参与年度审计数据准备工作，整理3年的财务凭证、合同及银行对账单，通过SQL建立索引提升查询效率，帮助审计师缩短现场审计时间5天，获审计机构的好评

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。

• 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。