负责公司核心零售与本地生活融合业务的数据仓库架构设计与全生命周期管理，支撑营销、用户增长、供应链三大业务线的决策分析与智能化应用

• 主导设计「零售+本地生活」融合场景下的分层数据仓库架构（ODS→DWD→DWS→ADS），基于Apache Hive 3.x与Spark 3.3构建离线数仓，结合Flink 1.17实现小时级准实时数据同步；针对业务线指标口径不一致问题，牵头制定《跨域指标字典规范》，统一200+核心指标定义（如「跨渠道新增用户」「融合订单履约率」），将指标歧义导致的分析耗时从平均3天缩短至4小时
• 核心参与供应链成本优化项目，负责搭建供应商履约成本数据集市：通过Kafka Connect同步ERP系统的采购、库存、物流数据，使用Hive UDF实现「履约时效波动系数」「供应商异常订单率」等自定义指标计算；优化数据分区策略（从按天分区改为按小时+业务线复合分区），将供应链报表查询耗时降低65%，支撑采购团队识别出3个高成本供应商，年节省成本超800万元
• 解决跨业务数据融合难题：针对营销活动与本地生活订单的用户行为数据割裂问题，使用DataX 3.0完成用户中心MySQL数据到数仓的增量同步，通过Spark SQL构建用户标签体系（如「跨场景消费频次」「场景偏好度」），支撑用户增长团队开展精准营销活动，活动转化率提升22%，新增付费用户环比增长18%
• 推动数仓自动化运维：基于Airflow 2.4搭建数仓任务调度系统，编写Python脚本实现任务失败自动重试（指数退避策略）、数据质量校验（基于Great Expectations定义150+数据质量规则覆盖完整性、准确性、一致性）；将数仓任务故障恢复时间从平均2小时缩短至15分钟，月度任务成功率从92%提升至99.3%

负责零售电商业务的数据仓库搭建与迭代，支撑商品、运营、财务三大部门的数据分析需求，推动数据驱动的精细化运营

• 主导从0到1搭建电商数据仓库：基于Hadoop 3.3生态，设计ODS层（同步淘宝、京东等第三方平台订单数据，使用Sqoop 1.99）、DWD层（清洗商品分类、用户行为数据，编写Hive SQL实现去重、关联逻辑）、DWS层（构建商品销量、用户复购等宽表）；上线后支撑运营团队每日生成50+份运营日报，数据准确率从初始的95%提升至99.8%
• 优化用户画像数据集市：针对原画像数据更新延迟问题（T+1→T+2），使用Flink 1.14实现用户行为的分钟级流处理，结合Hive的Batch模式生成实时+离线融合的用户标签（如「最近1小时浏览品类」「近7天加购未下单用户」）；将用户运营活动的触达精准度提升30%，活动ROI从1:3.2提升至1:4.1
• 支撑财务月度结算项目：负责搭建营收数据核对流程，通过Python编写自动化脚本，对比数仓营收数据与财务ERP系统的差异，定位问题根源（如优惠券分摊逻辑不一致、跨平台佣金计算错误）；将每月结算周期从7天缩短至3天，数据差异率从0.5%降低至0.01%，帮助财务团队减少80%的人工核对工作量
• 推动数据血缘与元数据管理：使用Atlas 2.2搭建数仓元数据管理系统，梳理1000+张表的血缘关系，实现「指标→表→字段」的反向溯源；支撑审计部门快速查询数据来源，满足GDPR合规要求，审计时间从平均5天缩短至1天

协助搭建公司初代数据仓库，负责基础数据采集与清洗，支撑运营部门的简单数据分析需求

• 协助搭建ODS层数据管道：使用Sqoop同步MySQL数据库的用户、商品数据到HDFS，编写Shell脚本实现每日凌晨的增量同步，数据延迟控制在30分钟内；解决同步过程中的主键冲突问题（采用「最后更新时间」优先策略），确保数据一致性
• 负责DWD层基础数据清洗：编写Hive SQL清洗用户注册数据（去除重复注册、手机号格式错误），清洗后的数据准确率达到98%；构建用户基础宽表（包含性别、年龄、注册渠道等维度），支撑运营团队生成用户分布报告
• 参与运营报表开发：根据运营需求，使用Hive SQL编写周度运营报表（如「每周新增用户数」「各渠道转化率」），将报表生成时间从手动统计的2天缩短至自动运行的1小时；支撑运营团队快速调整推广策略，新用户注册量环比增长15%
• 学习数据仓库理论：主动学习《数据仓库工具箱》《维度建模权威指南》，将维度建模思想应用到用户宽表设计中，采用星型模型优化查询性能，报表查询耗时降低40%

用户行为实时分析平台升级项目

• 原平台以Hive批处理为核心，用户行为数据处理延迟达2-4小时，无法支撑直播、活动等场景的实时决策；核心目标是将平台升级为“实时+离线”融合架构，实现秒级数据处理与多维度实时洞察，我主导整体架构设计、核心模块开发及全业务线落地推广。
• 面临两大挑战：一是多源数据（APP埋点、服务端日志、第三方渠道）的时效性差异与一致性校验问题；二是峰值QPS10万+场景下，实时计算资源的弹性调度与成本控制。
• 技术上采用Flink1.15作为实时引擎，结合Hudi0.12实现“写时合并”解决数据一致性；设计分层流处理架构（Kafka原始层→Flink清洗层→FlinkSQL聚合层→ClickHouse+Hudi存储层），支撑不同查询需求；引入Flink动态资源调度插件，根据流量自动扩缩容，峰值资源利用率提升40%。
• 平台实时延迟降至5秒内，支撑运营实时调整活动策略，活动转化率提升15%；资源成本较之前降低20%，覆盖6个业务线实时分析需求，我主导的架构成为公司数据平台实时化标杆，个人晋升为实时计算方向核心负责人。

商品推荐系统数据层重构项目

• 原推荐数据层依赖分散的Hive离线表与MySQL实时表，特征生成延迟T+1，无法满足实时推荐模型迭代需求；核心目标是构建统一实时特征数据层，支持分钟级特征更新与高并发查询，我负责架构设计、特征开发及算法团队协同。
• 关键难题：一是推荐场景下特征的时间戳对齐与跨模型复用；二是实时特征计算需满足99.9%以上的SLA稳定性。
• 设计“FlinkCDC+流批一体”特征生产架构，通过CDC同步MySQL商品/用户表变更，结合批处理补全历史数据生成实时特征；搭建特征元数据管理系统，定义特征来源、逻辑、频率等元数据，实现特征“一键查询”与复用；选用ClickHouse作为存储引擎，优化索引结构将查询延迟从500ms降至50ms内。
• 数据层支撑3次推荐模型迭代，CTR提升12%、GMV增长8%；特征开发周期从7天缩至4天，重复开发量减少30%；数据层稳定性达99.95%，满足算法团队高并发需求，我因此晋升为数据平台小组负责人。

• 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。