负责集团级数据仓库整体架构设计与迭代，主导跨事业群数据整合与元数据治理，支撑零售、本地生活、金融三大业务线的深度数据分析需求，推动离线-实时数仓融合架构落地。

• 主导设计集团统一维度中心，基于Kimball维度建模理论重构用户、商品、交易三大核心主题域，通过引入缓慢变化维（SCD）Type2+Type3混合策略，解决历史状态追溯与实时属性更新的冲突问题；同步搭建维度元数据管理模块，对接Apache Atlas实现维度血缘自动采集，维度变更影响分析耗时从4小时缩短至15分钟。
• 牵头离线-实时数仓融合项目，基于Flink完成订单、支付等核心链路实时ETL开发，结合Hudi增量存储与Hive离线批处理，实现T+0实时看板与T+1深度报表的同源数据供给；针对大促期间实时数据延迟问题，优化Flink窗口计算逻辑并引入本地状态缓存，将订单流处理延迟从8秒压降至2秒内。
• 设计数据质量全链路监控体系，基于DataWorks规则引擎自定义200+校验规则（完整性、一致性、准确性），开发异常数据自动拦截与告警流程；上线后关键业务表数据错误率从0.3%降至0.05%，月度数据回溯成本减少60%。
• 推动数据资产分级分类落地，结合业务场景定义高价值数据标签（如GMV核心链、用户LTV预测链），通过元数据平台开放自助取数入口，支撑业务团队自主查询效率提升70%，跨部门数据协作工单量下降45%。

聚焦零售业务线数据仓库核心建设，负责交易、会员、供应链三大域的数据模型设计与ETL开发，支撑营销活动效果分析、库存周转优化等关键业务场景。

• 主导会员数据分层建模，基于RFM模型扩展用户价值标签体系，通过Spark SQL实现多源会员数据（APP、小程序、线下POS）的清洗与关联，解决跨端用户ID映射不一致问题；建模后会员画像覆盖率从82%提升至98%，支撑精准营销转化率提升18%。
• 优化供应链数据链路，针对采购-仓储-销售全流程数据滞后问题，重构ETL调度逻辑：将传统T+1批处理拆分为小时级增量同步与夜间全量校验，结合Hive分区裁剪与列式存储优化，供应链报表产出时效从早8点提前至凌晨3点，业务决策响应速度显著加快。
• 攻克大促期间数据仓库稳定性难题，通过分析历史负载发现促销活动表写入并发过高导致集群资源争抢；采用动态资源分配策略（YARN队列优先级调整）与写入限流机制（每批次数据量阈值控制），大促峰值期间集群CPU利用率从95%降至75%，数据积压率保持0异常。
• 搭建数据血缘可视化平台，基于SQL解析工具提取ETL任务依赖关系，手动补全元数据缺失节点，实现从业务指标到原始表的穿透式追踪；上线后数据问题定位时间从平均2小时缩短至10分钟，支撑数据治理团队效率提升50%。

负责电商用户行为数据与交易数据的ETL开发及基础数据层建设，支撑运营团队的流量分析、转化漏斗等基础数据需求，保障数据准确性与时效性。

• 独立完成用户行为日志（APP点击流、埋点数据）的结构化处理，使用Flume完成日志采集，通过Scala编写Spark作业实现非结构化日志（JSON格式）的字段提取与清洗；针对日志乱码率高问题，开发自动编码检测脚本（基于ICU库），数据可用率从92%提升至99.5%。
• 设计交易数据宽表模型，整合订单头信息、商品明细、支付状态等多表数据，采用星型模型降低查询复杂度；同步开发增量更新逻辑（基于最后更新时间戳），替代原有的全量刷新模式，每日数据处理量从10亿条减少至2亿条，集群IO压力下降60%。
• 搭建基础数据质量监控模板，针对订单金额、用户ID等关键字段配置非空、唯一性、值域校验规则，通过Shell脚本定时执行校验并输出异常报告；上线3个月内拦截脏数据12万条，避免因数据错误导致的运营决策偏差。
• 支撑大促活动效果分析需求，快速响应运营团队对新增维度（如直播间引流渠道）的取数要求，通过临时表设计与维度关联优化，在3天内完成数据准备；活动期间日均处理查询请求150+次，响应时效稳定在5分钟内。

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。

• 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。