负责集团业财数据融合分析体系建设，主导财务预测模型开发与迭代，协同IT部门优化财务数据中台功能，支撑战略决策与业务单元经营分析，覆盖收入、成本、资金三大核心模块。

• 主导搭建集团级财务预测模型矩阵，基于历史数据与市场变量（如利率波动、客群流失率）构建LSTM神经网络预测模型，解决传统线性回归模型对非线性业务场景拟合不足问题；通过Python完成数据清洗（处理缺失值占比18%的历史账单数据）、特征工程（提取季节性波动因子、客户生命周期价值指标），模型预测准确率从82%提升至95%，支撑年度预算编制误差率控制在3%以内。
• 牵头解决业财数据孤岛问题，梳理23个业务系统与财务系统的接口规范，运用数据血缘追踪工具（Apache Atlas）定位127个数据断点，推动IT部门开发ETL流程自动化脚本，将跨系统取数耗时从48小时压缩至2小时；同步设计「业务-财务」维度映射字典，统一收入确认、成本分摊口径，使月度经营分析报告产出时效提升30%。
• 针对资金管理痛点，设计动态现金流压力测试框架，整合银行流水、应收应付台账、投融资计划数据，运用蒙特卡洛模拟法测算不同情景（如营收下降15%、融资成本上升200BP）下的资金缺口；输出《极端情景资金应急预案》，帮助集团在2024年Q3行业流动性紧张期提前储备1.2亿元应急资金，未发生信用违约事件。
• 优化财务分析模板体系，基于Power BI搭建「驾驶舱+钻取」分层可视化平台，嵌入杜邦分析、作业成本法（ABC）等管理会计工具模块；推动业务部门自定义指标看板权限开放，使区域销售团队可实时查看单客盈利贡献度，支撑精准营销投入，试点区域毛利率提升2.1个百分点。

承担集团合并报表数据治理与经营指标监控，负责税务数据穿透分析，协同IT优化财务数据仓库结构，支撑管理层对业务线盈利质量的追踪与考核。

• 主导财务数据仓库（DW）优化项目，识别原模型中「费用分摊逻辑冗余」「客户分类维度缺失」等7类问题；运用维度建模（Kimball方法论）重构事实表与维度表，新增「渠道来源」「产品生命周期」等12个业务维度，使报表取数复杂度降低45%，月度合并报表出具时间从7天缩短至4天。
• 设计税务风险预警指标体系，基于增值税发票数据（通过OCR识别+自然语言处理提取交易对手行业、金额区间）、申报表逻辑校验规则，开发「进销项匹配度」「留抵税额异常波动」等8个监控模型；2021年识别跨区域税率适用错误问题3起，避免税务处罚约460万元，相关模型被纳入集团税务数字化工具库。
• 搭建业务线盈利质量分析框架，拆解收入为「核心业务收入」「偶发性收入」，成本按「固定成本」「变动成本」「低效成本」分类；通过对比各事业部ROI（投资回报率）与EVA（经济增加值），输出《高毛利业务培育建议》，推动集团将资源向软件服务板块倾斜，该板块次年收入占比从28%提升至41%。
• 协同IT部门开发「财务数据质量监控平台」，设置217条校验规则（如勾稽关系验证、异常值阈值设定），通过SQL定时任务自动抓取问题数据并推送至责任部门；平台上线后数据差错率从1.2%降至0.3%，获当年集团「数字化创新奖」。

协助完成客户企业财务数据梳理与分析报告撰写，参与财务系统实施前的需求调研与数据适配测试，为中小企业提供业财一体化改进方案。

• 参与某制造企业财务数字化转型项目，负责生产端成本数据的采集与清洗（处理MES系统导出的10万+条工单数据），运用ABC作业成本法重新核算产品单位成本，发现「小批量订单分摊的间接费用偏高」问题；提出「按订单量阶梯分摊」优化方案，帮助企业该类产品毛利率提升1.8个百分点，方案被写入客户《成本管控手册》。
• 配合实施财务共享系统（SAP S/4HANA），完成客户现有ERP系统（金蝶K3）与目标系统的数据映射表编制，梳理32个会计科目、15类费用项目的字段对应关系；针对「跨月暂估入库」等特殊业务场景，设计数据转换规则，确保系统切换后成本核算逻辑一致性，项目上线后首月数据准确率达98.5%。
• 为客户零售企业定制「门店盈利分析模板」，整合POS销售数据、租金成本、人工工时等12类数据源，通过VLOOKUP与数据透视表实现「单店坪效」「人效比」「品效贡献」等指标自动计算；输出《低效门店关闭建议》，帮助客户年度减少租金支出230万元，相关模板被客户纳入区域财务培训教材。

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。

• 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。