主导集团财务数据中台运营，整合业财多源数据、搭建动态分析模型，支撑业务线盈利归因、成本管控及战略落地，对齐财务与业务决策需求

• 针对集团业财数据口径不一致、分析滞后问题，牵头拉通财务、业务、IT部门制定《业财数据统一字典》，使用SQL完成ERP、CRM、OA系统数据清洗（处理120万+条跨系统数据），结合Python编写自动化校验脚本，将数据准确率从92%提升至99.2%，月度盈利分析时效从5天缩短至2天内，支撑管理层每周快速定位业务盈利波动点
• 基于ABC成本法与机器学习K-means聚类算法，搭建「产品-客户-区域」三维盈利归因模型，分析零售业务线18个月数据后发现：高端美妆品类在一线商圈的毛利率比二三线高11%，但库存周转慢30%；推动业务调整SKU结构，将一线门店高端品类占比从25%提升至35%，季度毛利率环比提升3.1个百分点
• 针对物流成本异常波动问题，使用方差分析与钻取查询定位到某区域第三方冷链合作商溢价18%，协同采购部重新招标并引入竞争机制，将该区域物流成本占比从12%降至9.2%，年节省成本约200万元；同步搭建「成本异常预警看板」，将异常响应时间从3天缩短至1天内
• 支撑集团社区团购新业务可行性分析，采用DCF模型结合市场调研数据（覆盖5个城市、2000份用户问卷），预测新业务3年ROI达22%，并拆解关键驱动因素（单客获客成本≤30元、复购率≥40%）；推动业务落地后，6个月内营收破1200万元，复购率达45%，超额完成初期目标

负责零售板块业财数据融合，搭建门店级盈利分析体系，定位运营痛点并推动优化，支撑单店盈利提升与总部策略调整

• 整合POS、ERP、会员系统数据，使用Tableau搭建「门店运营实时看板」，包含销售额、毛利率、库存周转、会员活跃度等15个核心指标，实现门店数据可视化；某区域门店通过看板发现周末促销转化率低（仅18%），调整促销时段至周五晚，单店月均营收提升8%，库存周转天数从45天缩短至40天
• 运用多元回归分析识别门店成本驱动因素，发现租金成本与「商圈等级（权重0.6）、门店面积（权重0.3）」强相关；优化选址模型后，新开5家门店的租金占比从22%降至18%，单店盈利周期从10个月缩短至8个月，其中3家门店首月即实现盈利
• 搭建会员LTV（生命周期价值）模型，结合RFM分析将会员分为「高价值（占比15%）、潜力（占比30%）、流失（占比25%）」三类；推动营销部门针对高价值会员推出专属权益（如生日免单、优先提货），会员复购率从28%提升至40%，客单价提高5%（从150元增至157.5元）
• 主导旧ERP系统向新系统的数据迁移，使用Kettle ETL工具解决数据缺失问题：通过关联销售小票与库存台账补录3个月遗漏的销售明细（约5万条），确保历史数据连续性；迁移后数据可用率达98%，支撑后续季度财务分析与预算编制

协助客户完成财务数据处理、基础指标分析及流程优化，搭建小型企业财务分析框架，支撑内部管理决策

• 处理3家小型制造客户的Excel台账数据，使用VLOOKUP、数据透视表整合收入、成本、费用数据，生成标准化月度财务报表；解决客户「数据分散、手工核对易出错」问题，报表准确率100%，帮助客户每月节省3天核对时间，快速掌握毛利率（从18%提升至22%）、费用率（从15%降至12%）等核心指标变化
• 为某五金加工客户搭建「成本管控指标体系」，包含直接材料成本率、人工效率差异、制造费用分摊率等8个指标；分析发现间接费用按产量分摊导致小批量产品成本虚高，建议改按机器工时分摊，产品成本准确率提升15%，客户据此调整定价策略，小批量订单毛利率从10%提升至16%
• 协助客户进行预算差异分析，用因素分析法分解Q2收入未达标原因：销量下降3%（市场需求疲软）、单价下降1%（促销力度加大）；推动客户调整销售策略（增加线上渠道推广、推出组合套餐），Q3收入环比增长10%，超预算目标2%
• 参与某商贸客户成本核算项目，用分批法计算产品成本，发现「运输费分摊不合理」问题（未按订单距离分摊）；建议按运输里程比例分摊，运输费核算准确率提升20%，帮助客户优化物流路线，单订单运输成本下降8%

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。

• 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。