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

集团多业态合并报表自动化平台搭建及全链路成本管控优化项目

• 项目背景：集团旗下12家跨行业子公司（覆盖制造、贸易、物流3大板块），原合并报表依赖手工Excel汇总，每月耗时7-10天，数据误差率3%-5%，导致成本分析滞后，无法支撑总部实时决策。核心目标：搭建自动化合并报表平台，打通“数据采集-抵消-分析”全链路，同时优化成本核算精度以支撑降本决策；我的职责是财务侧需求牵头人，对接IT、子公司会计、成本管理部，定义合并规则与分析维度。
• 关键难题：一是跨业态会计政策差异大（如制造业按作业成本法分摊间接费用 vs 贸易业按销量分摊），导致数据口径冲突；二是原有SAP+金蝶K3系统接口封闭，无法直接提取合并所需的明细级交易数据。解决方法：1）建立“集团主科目-子公司明细科目”双向映射表，针对内部交易、研发费用分摊等特殊场景制定12条标准化调整公式；2）用Python开发定制化ETL工具，通过SAP RFC接口和金蝶API直连底层数据，绕过系统限制。
• 核心行动与创新：1）引入作业成本法（ABC）重构成本分摊逻辑，将制造费用按“机器工时+人工工时”双动因分摊至产品线，解决原“一刀切”分摊导致的成本失真问题；2）在合并平台中嵌入“异常数据预警模块”，对科目余额波动超10%、抵消不充分的条目自动触发提醒，降低人工核查成本。
• 项目成果：1）合并报表编制时间从7-10天缩短至2天，数据误差率降至0.1%以下；2）搭建“产品线-区域-客户”三维成本分析看板，帮助总部识别3条低效产品线（月均亏损合计200万），半年内完成关停并转，年节约成本350万；3）ETL工具被推广至所有子公司，后续系统迭代成本降低60%；项目获集团“年度数字化财务创新一等奖”，我个人主导的需求文档成为集团合并报表标准规范。

供应链金融业务客户信用风险预警模型迭代项目

• 项目背景：集团供应链金融年增速40%，但人工评估依赖财务报表+线下尽调，耗时1-2周，坏账率从1.2%升至1.8%，亟需自动化模型提升效率与准确性。核心目标：构建融合财务与非财务数据的预警模型，将评估时间压缩至1天内，坏账率下降0.5个百分点；我的角色是财务数据核心分析师，负责数据整合、特征工程与模型验证。
• 关键难题：一是财务数据（如流动比率、应收账款周转率）与非财务数据（如供应商付款及时率、舆情负面词频）关联弱，传统逻辑回归模型无法捕捉非线性关系；二是模型“黑箱”问题突出，业务部门担心决策缺乏解释。解决方法：1）采用特征交叉法，生成“供应链韧性得分”（结合应收账款周转率+近3个月供应商投诉次数）等5个复合特征；2）用XGBoost算法替代逻辑回归，同时引入LIME框架实现预测结果可视化解释。
• 核心行动与决策：1）爬取并清洗2000+条客户供应链舆情数据（来自企查查、行业论坛），通过TF-IDF算法提取“违约”“逾期”等负面关键词，转化为量化特征；2）通过5折交叉验证优化模型阈值，平衡召回率（识别违约客户的能力）与 precision（避免误判正常客户），最终将召回率从75%提升至88%。
• 项目成果：1）客户评估时间从1-2周缩短至4小时，业务月处理量从50家增至120家，支撑集团拓展中小客户市场；2）模型上线后，供应链金融坏账率从1.8%降至1.1%，年减少坏账损失约600万；3）编写《供应链金融信用风险评估操作手册》，成为业务部门标准文档，推动财务数据从“事后核算”转向“事前风险防控”，我因此晋升为资深财务数据分析师。

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。