•在校期间主修数据库系统原理、大数据技术基础等核心课程，绩点排名专业前 10%，构建了完善的理论知识体系。
•加入校 ACM 竞赛队并进行高强度训练，多次参与算法竞赛，培养了在复杂场景下优化代码性能与逻辑严密性的能力。
•利用课余时间自学 Hadoop 生态体系，并在课程设计中独立完成了一个简易的日志分析系统，锻炼了全栈数据开发实践能力。
•- 负责离线数仓分层架构的搭建，主导 DWD 与 DWS 层表结构设计，通过合理分区与分桶策略，有效降低了集群存储成本。
•- 针对大数据量下的数据倾斜问题，采用 Map 端预聚合与加盐处理方案，将核心 ETL 任务运行时长缩短了 25%。
•- 编写 Shell 脚本实现任务依赖调度，监控每日数据产线运行状态，确保 T+1 报表按时产出，保障业务数据时效性。
•- 参与实时数据链路建设，负责 Kafka 消息队列的生产与消费逻辑开发，保障日志数据不丢失、不重复。
•- 基于 Flink 构建实时计算任务，对业务关键指标进行秒级聚合，支持运营后台实时监控大屏展示。
•- 协同产品团队梳理业务指标口径，通过数据校验脚本自动化核对数仓数据与数据库源端数据的一致性。
•- 针对某电商供应链场景，负责物流轨迹数据的实时采集与处理，使用 Kafka 接收来自各物流节点的订单状态消息。
•- 采用 Flink 对实时流数据进行过滤与关联计算，识别异常滞留订单并触发告警，将异常响应时间从天级缩短至分钟级。
•- 设计 Redis 缓存层存储关键物流节点状态，构建实时查询接口，支持客服系统快速检索订单物流详情。
•- 项目上线后有效降低了物流投诉率，为供应链调度优化提供了高时效性的数据支撑。
•- 参与游戏业务线的数据治理专项，负责梳理玩家登录、消费、对战等核心埋点数据的元数据信息。
•- 开发基于 Python 的数据质量稽核脚本，自动化扫描日志中的空值、格式错误及逻辑冲突，生成每日质量报告。
•- 建立数据血缘关系图谱，追踪字段从采集到应用的全链路流转，辅助定位数据异常源头。
•- 通过治理工作，使核心业务表的数据准确率达到 99.9%，为后续用户画像分析奠定了高质量数据基础。
技术社区贡献:
参与 Apache Spark 相关中文文档的翻译与校对工作，累计贡献文档更新 5 次，帮助社区新手降低学习门槛。
在 GitHub 维护个人数据工程学习笔记库，整理了常见数仓踩坑指南与 SQL 优化案例，获得 Star 200+。
