• 主导公司数据仓库的“全面成本治理”专项，通过构建“成本监控与分摊”系统，将计算和存储成本精准核算到每个部门、每个项目甚至每个员工，使之前“看不见”的成本变得完全透明，公司整体大数据成本因此降低30%。
• 实现的“智能生命周期管理”策略，基于数据热度自动将冷数据从昂贵的高性能存储tier归档至低成本对象存储，在几乎不影响查询体验的前提下，节省存储费用40%。
• 深耕“查询性能优化”，建立了从“SQL编写规范、数据模型设计、计算参数调优”的全链路优化体系。通过代码扫描工具自动检测不合理的SQL写法，并组织培训，使全公司的查询效率整体提升25%，无效计算资源消耗大幅减少。
• 其工作成果形成了《数据仓库优化白皮书》，成为公司数据团队的操作手册，并每年定期开展“成本优化周”活动，形成了良好的技术文化。

• 负责“日志数据仓库”的开发和维护，每日处理TB级的用户行为数据，为各类分析报表提供数据支撑。
• 在任务中主动实践成本优化，通过“数据压缩、分区裁剪、谓词下推”等手段，将自己负责的任务资源消耗降低了50%，获得了团队的认可。
• 开始深入研究大数据生态组件的原理，如HDFS、YARN、Hive的执行机制，为后续的深度优化工作打下了坚实的理论基础。

• 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。

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。