负责同城生活服务平台全链路数据资产建设，覆盖用户行为、交易履约、商户运营三大核心域的数据整合与标准化，主导数据仓库分层架构优化及元数据管理体系落地，支撑营销、运营、风控等业务线的精准决策需求

• 主导用户行为数据域重构项目，基于Kimball维度建模理论整合App埋点、小程序日志、第三方支付回调等多源数据，用Spark SQL完成日均15TB数据清洗关联，通过设计UUID+设备指纹联合标识体系解决跨端用户ID映射不一致问题，将用户行为数据可用率从78%提升至95%，支撑营销活动ROI分析效率提升40%
• 核心参与数据仓库元数据管理平台搭建，选用Apache Atlas作为元数据采集引擎，结合自研标签体系实现表级、字段级元数据自动化同步与血缘追踪，解决原元数据分散在ETL脚本中查找困难的问题，元数据查询耗时从平均30分钟缩短至5分钟内，业务线数据需求响应速度提升50%
• 重点优化交易履约数据仓库分层逻辑，将原有ODS-DWD-DWS三层扩展为含ADS的四层体系，引入Hudi增量更新替代传统T+1全量同步，把订单履约数据产出时效从次日8点提前至当日12点，满足风控团队实时交易风险预警需求，风险识别准确率提升25%
• 负责商户运营数据集市开发，基于维度建模设计商户生命周期、经营能力、用户评价三大主题模型，用ClickHouse存储聚合指标，支持运营团队快速查询“近30天活跃商户指标变化”“高客单价商户用户画像分布”等问题，日均查询次数从120次提升至800次，运营决策精准度提升30%

负责生活服务类平台交易与商户数据的数据仓库建设，聚焦多源数据整合、标准化及基础主题模型开发，支撑运营与产品团队日常分析需求，同时参与数据质量体系初步搭建

• 主导交易数据域整合项目，处理美团、饿了么第三方订单（用Sqoop增量同步）及自有平台订单，通过设计统一订单维度表（含订单ID、用户ID等核心维度）解决多源结构不一致问题，日均处理8TB订单数据，数据一致性从85%提升至98%
• 核心参与商户数据主题模型开发，基于星型模型设计商户基础信息、经营指标、用户评价三大主题，用Hive SQL计算月均订单量、好评率等指标并存储至HBase，解决原商户数据分散在Excel的问题，运营团队获取数据时间从1天缩短至10分钟内
• 负责数据质量体系初步搭建，设计订单金额非空、用户ID格式正确等校验规则，用DataWorks数据质量模块实现自动化校验，每天拦截1.2万条异常数据，数据质量问题投诉率从每周5次降至每周1次以内
• 支撑营销活动数据分析，开发“活动参与用户画像”“转化漏斗”等指标并用Tableau可视化，帮助营销团队优化策略，某次满减活动转化率提升18%、参与用户数增长25%

协助数据仓库基础建设，负责数据抽取、清洗及简单主题模型开发，参与数据文档编写维护，保障数据仓库稳定运行

• 协助完成ODS层基础数据抽取，用Sqoop从MySQL同步用户、商户、商品数据，日均同步1TB，通过编写Shell脚本实现任务定时执行与错误告警，任务成功率从90%提升至99%
• 负责简单数据清洗，用Hive ROW_NUMBER()函数去重用户表重复数据、通过均值填充补全缺失数据，清洗后数据可用率达95%以上，支撑后续DWD层开发
• 开发用户行为简单主题模型，用Hive SQL计算日活用户数、用户停留时长等指标并存储至MySQL，帮助产品团队了解用户基础行为特征
• 参与数据文档编写维护，整理《ODS层数据字典》《简单指标计算逻辑》等文档，覆盖100+张表和50+个指标，新员工熟悉数据仓库时间缩短30%

社交产品实时用户行为数仓构建及推荐特征优化项目

• 项目背景：公司核心社交APP用户增长陷入停滞，推荐系统因依赖离线特征导致实时性不足，CTR较行业均值低18%，DAU连续3个月未突破800万。核心目标是通过构建实时用户行为数仓，支撑推荐系统毫秒级特征计算，提升流量转化效率。我的职责是主导全链路技术方案设计，协调算法、产品、前端团队对齐特征口径与迭代节奏。
• 解决的关键难题：1）多源数据（APP、小程序、H5）的schema频繁变更（月均12次），传统离线数仓无法适配实时场景；2）实时特征计算需兼顾低延迟（<100ms）与状态一致性，Flink任务偶发checkpoint失败导致数据延迟；3）业务线特征重复开发，计算资源利用率仅35%。技术上采用Flink CDC同步MySQL用户属性，结合Schema Registry实现schema动态映射，解决多源数据一致性问题；通过RocksDB状态后端+增量checkpoint优化，将任务失败率从8%降至1%以下。
• 核心行动与创新：牵头设计实时数仓四层模型（ODS原始行为层->DWD事件关联层->DWS用户行为宽表层->ADS推荐特征层），其中DWD层通过Flink SQL实现“用户点击-评论-转发”全链路事件关联；针对推荐系统需求，开发“好友互动热度标签”“近期兴趣衰减特征”等23个实时特征，接入公司特征平台实现秒级更新；引入Redis Cluster做特征缓存，将高频特征访问延迟从500ms压降至70ms以内。此外，设计“业务变更-特征同步”的自动化流程，减少人工干预80%。
• 项目成果：实时数仓延迟稳定在80ms内，推荐系统CTR提升22%至行业均值以上，DAU增长15%至920万；特征复用率从35%提升至72%，每月节省30%离线计算资源（约120台EMR节点）；项目支撑“兴趣feed流”核心功能上线，成为Q3公司DAU增长的主要驱动。个人主导的技术方案被纳入公司大数据实时开发规范，带教3名初级工程师掌握实时数仓设计与特征开发能力。

用户行为数据湖成本治理与价值激活项目

• 项目背景：公司用户行为数据湖（HDFS+Iceberg）存储规模达120PB，年存储成本超800万，且因元数据混乱、数据冗余，业务部门取数耗时平均2小时，35%数据半年内未被访问。核心目标是降低存储成本30%，提升查询性能50%，激活沉睡数据价值。我的职责是主导数据湖重构与治理，梳理数据资产并优化存储查询效率。
• 解决的关键难题：1）元数据缺失导致重复数据达40%（如同一用户行为日志被多任务写入不同目录）；2）查询未利用Iceberg分区与索引能力，常扫描全表数据；3）缺乏生命周期策略，冷数据未及时归档。技术上采用Apache Atlas搭建元数据平台，追踪数据lineage识别冗余；优化Iceberg表分区为“日期+用户地域”（原始层）与“行为类型+时间窗口”（聚合层），提升查询剪枝效率；引入数据血缘工具自动标记沉睡数据。
• 核心行动与创新：完成全量数据盘点，清理42PB重复数据；重构“原始层-清洗层-聚合层-归档层”四层模型，原始数据迁移至OSS冷存储，聚合数据同步至ClickHouse做OLAP查询；制定生命周期策略：原始数据保留3年、清洗数据保留2年、归档数据每月迁移至冷存储并删除冗余副本。此外，为“用户日活”“行为转化率”等高频查询创建物化视图，预计算指标减少实时计算量。
• 项目成果：存储成本降低35%至每年520万，查询性能提升60%，业务取数时间缩短至15分钟内；激活12个沉睡数据集，支撑运营部“老用户召回活动”转化率提升18%、产品部“用户画像优化”项目落地；个人主导的数据治理流程推广至全公司，成为后续数据湖建设标准规范，本人获公司“年度数据价值贡献奖”。

• 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。