负责在线教育业务线数据资产全生命周期治理，涵盖数据标准落地、质量规则制定及元数据梳理，支撑业务报表准确性与分析效率提升

• 主导设计在线教育业务线数据标准体系，结合课程排期、用户画像、订单交易核心场景梳理12类实体（如User、Course、Order）、36项属性标准，采用DCMM模型“数据模型”维度定义字段规范（如user_id统一为string类型、course_start_time为datetime），通过阿里云DataWorks数据标准模块完成规则下发与校验，解决跨系统字段不一致问题（如“用户性别”原存在“男/女”“M/F”两种写法），数据一致性从85%提升至98%
• 搭建数据质量监控体系，针对订单支付成功率、课程完课率等5个核心指标，用Python编写自定义校验规则（如order_amount>0、payment_time < order_create_time + 30分钟），接入DataWorks质量中心配置实时告警策略（错误率超0.5%触发钉钉机器人通知），将数据质量问题发现时间从T+1缩短至实时，月度数据错误率从3%降至0.1%
• 用Apache Atlas搭建元数据管理系统，通过JDBC爬取Hive、MySQL等数据源的元数据（累计梳理800+张表、1500+个字段），关联业务术语库（如定义“GMV”为“课程订单支付金额+会员续费金额”），输出《在线教育数据资产目录》，标注“高频使用”“需脱敏”等标签，业务人员查询目标数据的时间从平均2小时缩短至10分钟
• 针对等保2.0三级要求，梳理用户敏感数据（手机号、身份证号、支付银行卡号），制定“静态脱敏+动态脱敏”规则（如手机号显示为“138****1234”、身份证号显示为“440301********1234”），用Flink SQL实现实时脱敏管道替换原有离线Shell脚本，脱敏覆盖率从70%提升至100%，助力公司顺利通过年度等保测评

主导本地生活服务板块数据治理体系迭代，聚焦跨域数据一致性、隐私合规及数据资产编目，推动数据共享机制落地

• 推动跨域商家信息一致性治理，针对外卖、到店、酒店三个业务线商家名称、地址差异率达15%的问题，设计“商家主数据管理流程”，用Apache Kafka搭建CDC（Change Data Capture）同步管道，定义“merchant_id”作为全局唯一标识（如“mer_12345”映射外卖“shop_12345”、到店“store_12345”），同步规则覆盖商家基础信息、资质证照等10+个字段，解决数据不一致问题后跨域数据一致性提升至99%
• 响应GDPR与中国《个人信息保护法》要求，针对用户行为数据（如外卖“浏览轨迹”、酒店“入住偏好”）的跨业务线共享需求，引入FATE联邦学习框架搭建横向联邦模型，实现“用户兴趣标签”在不传输原始数据的情况下完成联合建模，支撑“本地吃喝玩乐套餐”精准营销活动，活动转化率从8%提升至10%（增长25%），同时降低数据泄露风险
• 用Java开发数据标准管理工具（技术栈：Spring Boot+MyBatis+Vue），实现数据标准“新增-审核-发布-同步”全流程自动化，替代人工Excel维护方式，将标准更新周期从每周1次缩短至每日1次，支撑10+个新业务线（如“社区团购”“家政服务”）的标准快速落地，标准覆盖率从75%提升至95%
• 构建数据资产价值评分模型（维度包括数据质量（40%）、使用频率（30%）、业务贡献（30%）），用Tableau搭建资产价值可视化看板，识别出“用户地理位置数据”（评分9.2/10）、“商家交易频次数据”（评分8.9/10）等高价值资产，推动将其接入集团数据中台，支撑“附近3公里商家推荐”场景，相关场景GMV提升18%

统筹集团全场景数据治理战略，搭建统一数据标准框架与自动化治理工具链，支撑多业务线数据融合分析与商业决策

• 整合教育、本地生活、电商三大板块业务术语与数据规范，参考DAMA-DMBOK“数据架构”维度，定义20类集团级核心实体（如“Member”“Merchant”“Product”）、50项公共属性标准（如“member_id”全局唯一、“product_category”采用GB/T 13715-2007商品分类标准），通过集团数据中台的元数据管理模块落地，实现跨板块数据标准的统一，数据融合分析的效率从每周5人天降至2人天（提升60%）
• 基于Apache Airflow+Argo Workflows开发“数据治理自动化Pipeline”，整合数据质量检查（DataWorks）、元数据采集（Atlas）、脱敏处理（Flink SQL）、资产编目（自研工具）四个环节，实现“数据入库-自动校验-自动打标-自动同步”的全流程闭环，人工干预率从60%降至15%，治理周期从月度1次缩短至每周1次，支撑集团日均10PB数据的治理需求
• 针对“用户生命周期管理”核心场景，梳理教育APP“学习时长”、生活平台“订单频次”、电商平台“购买金额”三类行为数据的治理需求，定义“用户活跃度”指标计算规则（综合三个板块数据，权重分别为40%、30%、30%），通过数据治理确保指标计算逻辑的一致性，支撑运营团队制定“高活跃用户专属权益”“流失用户召回”等分层策略，用户30日留存率从28%提升至31.4%（增长12%）
• 主导集团数据治理体系文档化，输出《数据治理手册》（覆盖标准制定、质量管控、元数据管理全流程）、《数据标准指南》（含20类实体、50项属性说明）、《隐私合规操作指南》（含脱敏、权限、审计要求）三份核心文档；搭建数据治理培训体系，针对业务人员（讲“如何查数用数”）、技术人员（讲“如何落地治理规则”）、管理人员（讲“如何用数据资产创造价值”）开展12场培训，累计覆盖500+人次，数据质量问题投诉率从15%降至4.5%（下降70%）

星途社区用户行为深度分析平台研发

• 星途社区作为千万级MAU的UGC内容平台，原有用户行为分析系统存在三大痛点：实时性不足（离线T+1、实时链路延迟超5分钟）、多端（APP/小程序/Web）数据Schema不统一、无法支撑用户行为路径关联分析，导致运营决策滞后、推荐系统无法利用实时行为优化。我的核心职责是主导平台从0到1的架构设计与落地，对齐“实时洞察+深度归因”的业务目标，构建“实时+离线”一体化的用户行为分析能力。
• 项目面临三重技术挑战：1）多源异构数据的实时同步与标准化——不同端的用户行为事件定义混乱（如APP的“点赞”与小程序的“喜欢”字段不一致），且原有Kafka消息格式无规范；2）实时计算的低延迟与高吞吐矛盾——原有Spark Streaming处理10万TPS数据时延迟超5分钟，无法满足实时运营的即时反馈需求；3）用户行为路径的深度挖掘——传统SQL无法高效处理“点击→收藏→分享→转化”的长链路关系，难以支撑运营找高价值路径。
• 针对Schema混乱问题，我牵头梳理全端20+核心用户行为事件（如“视频完播”“商品点击”“评论互动”），制定标准化字段规范，通过Flink CDC同步业务库变更，结合Kafka Connect实现多端数据的清洗、转换与统一入湖；对于实时延迟，将计算引擎从Spark Streaming迁移至Flink，优化Checkpoint策略（启用增量检查点+调整间隔至30秒），将延迟压降至30秒内；针对路径分析，设计“用户-内容”双节点图模型，用Flink实时将行为事件写入Neo4j图数据库，支撑秒级查询用户转化路径。
• 平台上线后，实时分析延迟从5分钟降至30秒，离线分析周期从T+1缩短至小时级，可支撑10万+TPS的用户行为数据处理。业务价值显著：运营团队基于实时路径分析优化活动策略，转化率提升25%；个性化推荐系统接入实时行为数据后，点击率提升18%，月均用户留存率提升8%。我个人主导了平台核心架构设计与多源数据整合，解决了实时性与深度分析的核心矛盾，成为团队在用户行为领域的关键技术负责人。

星途短视频内容分发大数据Pipeline重构

• 随着公司短视频业务从100万DAU增长至500万DAU，原有内容分发数据Pipeline基于Storm构建，存在耦合度高（计算、存储、监控模块混杂）、扩展性差（新内容类型如直播切片接入需修改核心代码）、数据质量无保障（下游每周因字段缺失/错误报错2次）等问题，严重制约新业务上线速度。我的职责是负责Pipeline核心模块重构，提升系统可扩展性与数据可靠性，支撑直播、短剧等新业务快速落地。
• 项目挑战集中在三点：1）Storm框架的维护成本高——复杂逻辑需编写Java代码，迭代周期长；2）元数据管理混乱——不同内容类型的标签、分发渠道字段无统一标准，导致调度逻辑复杂；3）数据质量失控——缺乏实时校验，下游应用频繁因脏数据故障。
• 重构中，我将原有Pipeline拆解为“采集-清洗-转换-存储”四个通用组件：用Spark Structured Streaming替代Storm，利用其声明式API与端到端Exactly-Once语义，降低维护成本；引入Apache Atlas作为元数据管理系统，定义覆盖“内容ID、类型、标签、分发渠道”的统一模型，新内容类型只需配置元数据即可接入；搭建基于Flink的数据质量监控系统，实时校验10+核心规则（如“视频时长≥10秒”“标签非空”），异常数据拦截并报警，同时写入隔离区排查。
• 重构后，Pipeline扩展性提升50%，新内容类型接入时间从1周缩短至1天，数据错误率从8%降至1%以下，下游故障率几乎清零。业务层面，支撑直播业务快速上线，直播内容分发效率提升40%，播放量占比从10%增长至30%。我个人完成了核心组件的解耦与元数据体系搭建，解决了原有系统的耦合性问题，为后续业务规模化扩展奠定了基础。

• 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。