• 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。

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。