• 作为技术负责人，从0到1主导设计并实现了公司「一体化智能数据治理平台」。该平台深度融合元数据管理、数据质量、数据安全、数据血缘四大核心能力，提供从数据发现、评估、使用到运营的全生命周期管理，成为公司200+数据开发者和分析师日常工作的统一入口，数据需求响应效率提升300%。
• 设计主动式元数据管理体系，通过解析10万+离线/实时作业、2万+张数据表，自动构建了覆盖“数据产生->加工->服务->消费”的端到端血缘图谱，并将血缘准确性从60%提升至98%，实现了影响分析的分钟级响应。
• 攻克智能数据质量核查难题，基于历史数据和机器学习算法，自动为不同特征的数据智能推荐监控规则（如值域、波动率、唯一性），并实现动态阈值调整，将数据质量问题的发现时间从“天”缩短至“小时”，问题发现率提升85%。
• 建立“数据资产健康度”综合评估模型，从“质量、热度、价值、成本”四个维度对数据资产进行量化评分与排名，并推动业务部门对低效数据进行治理或归档，年节省存储与计算成本超千万元。

• 负责公司“数据标准”体系的落地，主导定义了“用户、商品、交易”等核心域的500+项标准，并通过开发平台工具，将标准固化到数据建模与开发流程中，从源头保障数据的一致性，数据标准覆盖率从20%提升至90%。
• 实现“数据地图”核心搜索与推荐功能，支持基于数据标签、血缘、热度进行智能检索，数据资产可发现性提升200%，成为数据消费的首要入口。
• 深入业务，推动“数据Owner”制度的建立与落地，明确了每一份数据的责任方，彻底解决了数据问题无人负责的困境。

泛娱乐社交用户实时行为-画像融合决策平台

• 背景：公司旗下社交APP用户破1.2亿，但实时行为数据（点赞/评论/礼物打赏）与离线用户画像（兴趣标签/付费层级）割裂，商业化团队依赖T+1报表决策，导致营销活动响应滞后、个性化推荐CTR低于行业均值15%；目标是构建“实时+离线”统一数据平台，支撑营销、推荐、运营的分钟级决策。
• 难点：实时数据湖需兼顾“低延迟写入”与“数据一致性”——初期Flink写HDFS易积压重启，离线同步时schema不一致引发计算错误；业务需关联用户实时行为与30天内历史行为，传统join耗时久无法实时。
• 行动：主导设计“实时-近线-离线”三层架构：实时层用Flink消费Kafka数据，通过Iceberg Upsert模式写入实时湖解决一致性问题；近线层用Spark Streaming基于Iceberg做分钟级行为聚合；离线层预计算实时与历史关联表减少join压力。利用Iceberg Schema Evolution自动同步离线标签体系，消除人工修改成本。
• 成果：平台上线后，实时数据延迟从5分钟降至30秒内，准确性达99.95%；商业化活动ROI提升28%，推荐CTR较之前高35%；支撑会员推送、广告定向等3个核心场景，年节省决策时间4000小时。个人主导跨团队落地，推动平台成为公司数据驱动核心基建。

多源用户行为日志实时处理平台从0到1搭建

• 背景：公司APP/小程序/Web用户半年增长3倍，现有Logstash+Elasticsearch系统无法承载峰值每秒15万条日志，且格式混乱导致实时监控延迟超10分钟、推荐无法用实时特征；目标是搭建高可用低延迟的日志处理平台。
• 难点：多源日志标准化难（端格式不一致）、高吞吐下性能瓶颈——初期单节点Flink吞吐不足，故障恢复需30分钟以上。
• 行动：设计统一Avro schema规范跨端日志，用Flume Agent自动转换为标准格式发Kafka；基于Flink做分布式并行pipeline，按日志类型动态调并行度（APP设32、小程序设16）提升吞吐；采用Checkpoint+Savepoint双机制，将故障恢复时间缩至5分钟内。
• 成果：日志吞吐量从每秒5万条提至25万条，延迟降至1分钟内；解析错误率从8%降至0.1%以下；支撑实时监控与推荐实时特征，推荐实时特征覆盖率从20%升到70%。个人负责架构设计与核心开发，解决多源日志标准化与性能瓶颈，为后续数据平台扩展奠基。

• 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。