• 作为技术负责人，主导设计了公司新一代“云原生数据中台”的架构，基于Data Mesh理念进行领域驱动设计（DDD），将原有的集中式数仓重构为“统一中心化治理+分布式领域数据产品”的混合模式，成功解决了超大规模（PB级）数据下的研发效率瓶颈，数据需求平均交付周期从“月”缩短至“周”。
• 通过设计“一体化数据开发与治理平台”，无缝集成数据集成、开发、测试、部署和运维，提供“SQL + Spark + DAG”混合编辑模式，并内置“数据血缘、数据质量、成本治理”能力，将数据开发的效率提升40%，同时将因数据质量问题导致的业务投诉降低了90%。
• 带领团队攻克了“万亿级数据下的查询性能”难题，通过深度优化ClickHouse和StarRocks的集群部署、数据模型和查询语法，使即席查询（Ad-Hoc）的P95延迟稳定在秒级，赋能业务人员实现真正的数据自助分析。
• 在此期间建立“数据资产运营”体系，通过数据地图、资产评分、热度分析等功能，将数据作为产品进行运营，使数据资产的可发现性和复用率提升了60%，直接推动了数据驱动的文化转型。

• 负责公司最核心的“电商交易数据域”的模型设计与开发，基于Kimball维度建模理论，构建了覆盖“用户、商品、交易、营销”等主题的enterprise data warehouse (EDW)，其稳定性和准确性成为公司所有关键报表和决策的唯一可信数据源。
• 研发实现了“增量-全量一体化”数据处理框架，完美平衡了数据处理性能和复杂度，保障了T+1数据的高效产出，任务调度成功率高达99.99%。
• 深入Hive & Spark性能调优，通过优化数据倾斜、小文件合并、计算参数调整，将核心ETL作业的执行时间缩短了50%，年节省计算成本超百万元。

星途社区用户行为实时分析平台研发

• 项目背景：公司为提升内容社区的用户运营精准度与推荐效率，需构建实时用户行为分析能力，但原有系统依赖离线批处理（T+1）+ 准实时流计算（15分钟延迟），无法支撑运营活动的即时调整与推荐模型的实时迭代；核心目标是打造一套支持多源数据融合、毫秒级延迟、高并发的实时分析平台，覆盖用户从触达到互动的全链路行为。
• 解决的关键难题：1）多源数据（APP、小程序、Web端）的Schema不统一，导致数据接入后清洗成本高；2）实时计算中用户行为状态（如连续浏览时长、跨页面跳转路径）的存储与容错易出现状态爆炸；3）下游运营系统对实时指标的查询延迟要求≤1分钟，原有架构无法满足。
• 核心行动与创新：主导平台整体架构设计，采用“数据接入层-实时计算层-湖仓存储层-查询服务层”四层架构；基于Protobuf定义统一数据Schema，开发适配器自动转换各端数据格式，将数据清洗耗时降低60%；针对Flink状态管理问题，设计“TTL+LRU混合清理策略”——对短期高频状态（如当前会话行为）保留1小时TTL，对长期关联状态（如跨天路径）采用LRU淘汰，状态存储量减少40%；同时引入Hudi作为湖仓一体存储，支持实时增量更新与历史数据回溯。
• 项目成果：平台上线后将用户行为实时延迟从15分钟压缩至30秒内，支持10万+ QPS的并发写入与5万+ QPS的指标查询；覆盖用户行为12个核心维度（如浏览、点赞、评论、分享的实时转化漏斗），帮助运营团队将活动转化率提升22%，推荐算法的实时点击率提升18%；该平台成为公司实时数仓的核心底座，后续推广至电商、直播等其他业务线。

星途短视频内容标签实时同步系统研发

• 项目背景：公司短视频业务爆发式增长，但内容标签（如题材、情绪、关键词）依赖离线人工标注+批量计算，更新延迟达1小时，导致推荐系统无法捕捉内容的实时热度变化，搜索召回率低；核心目标是将标签生产从离线改为实时，实现“内容发布即打标”，支撑推荐与搜索的即时优化。
• 解决的关键难题：1）短视频内容包含文本（标题、描述）、视觉（OCR、画面主题）、音频（语音转文本）多模态数据，需融合处理提升标签准确性；2）实时标签计算的模型推理延迟高，BERT类模型单条数据处理耗时超2秒，无法满足高并发需求；3）标签需同步至推荐系统（Flink流作业）与搜索系统（Elasticsearch），端到端延迟需≤5秒。
• 核心行动与创新：设计“元数据采集-多模态特征提取-实时标签计算-下游推送”全链路架构；针对多模态数据，用Spark Structured Streaming同步视频元数据，通过OCR技术（Tesseract优化版）提取视频帧文字，结合音频转文本（Kaldi）实现全维度特征融合；为降低模型推理延迟，对BERT模型进行剪枝与量化（将浮点型转为INT8），推理耗时从2秒降至500ms内；优化Kafka分区策略（按内容ID哈希分区）与Spark并行度，将标签同步端到端延迟控制在3秒内。
• 项目成果：标签更新延迟从1小时缩短至3秒，标签覆盖率从75%提升至92%，推荐系统的内容匹配率提升25%，搜索召回率提升19%；该系统支撑了公司短视频业务从“粗放推荐”到“精准匹配”的转型，后续成为内容标签的标准生产方案，覆盖80%以上的短视频内容库。

• 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。