AMAZING RESUME
牛敬业
188****6551niu****@***.com北京30男数据质量工程师在职北京20k - 25k •参与“校园一卡通数据分析”创新项目，独立完成数据仓库建模与ETL清洗逻辑，对消费流水表实施分区与索引优化，使日报查询延迟从8秒降至2秒以内。
•获得全国大学生数据挖掘竞赛省级二等奖，主导特征工程与异常值检测，使用Python实现孤立森林算法识别刷卡异常行为，锻炼了数据探查与自动化规则设计能力。
•作为院学生会技术部骨干，策划并主讲“数据质量入门”工作坊，通过模拟脏数据场景演示SQL清洗与正则校验，覆盖200+同学，培养了表达与知识传承意识。
北京某在线教育科技有限公司 - 数据平台部高速成长型互联网企业
2018.07-2021.12
数据质量工程师数据质量规则构建异常数据检测数据清洗策略优化
北京
•负责在线教育平台课程、用户、订单等核心业务数据的数据质量例行监控。针对课程发布、用户报名、观看日志等关键环节，设计了30余条数据质量规则，每日自动化校验数据量超200万条，日均捕获并推动修复数据质量问题60余条。
•主导数据清洗流程的标准化改造，将人工清洗步骤模板化，实现了从数据发现到清洗归档的闭环管理。通过引入数据质量评分卡机制，使平台核心数据准确率从87%提升至96%，并显著降低了因数据错误引发的业务投诉。
•与课程运营、销售团队紧密配合，深入理解业务场景，针对大促活动、新课程上线等高风险节点，提前构建数据质量防抖方案。例如，在暑期招生高峰，搭建了实时数据波动预警大屏，对课程容量、优惠券核销等数据流进行毫秒级监控，保障活动期间数据零重大事故。
北京某金融科技服务公司 - 数据解决方案部金融科技领域领先企业
2022.01-至今
资深数据质量工程师数据质量体系建设自动化测试工具引入数据质量项目管理
北京
•带领6人团队，为大型保险客户交付数据质量提升项目。从客户画像、保单、理赔等核心数据域入手，进行深度需求诊断，梳理出数据重复、口径不一致、字段缺失等十大痛点，并制定了分阶段治理方案。
•在项目中引入轻量级数据质量自动化检测框架，将80%的常规数据质量检查任务转化为可周期执行的脚本，大幅减少人工复查工作量，节省团队人力成本约35%。同时，推动客户侧建立数据质量SLA，将数据问题响应时间从天级压缩到小时级。
•组织客户业务人员与技术团队开展数据质量工作坊，通过实战演练传授数据剖析、根因分析等技能，并输出《金融数据质量操作手册》。项目交付后，客户核心数据质量问题复发率降低60%，客户满意度达到98%，并顺理成章地续签了数据质量长效运维服务。
企业数据资产管理平台质量保障项目 - 数据质量工程师
2019.05-2020.03
•作为核心成员，参与平台数据质量模块的设计与落地。负责数据质量规则引擎的构建，抽象出了字段合规性、数值范围、跨表一致性等25种可复用规则模板，并支持业务人员通过拖拽方式快速配置，降低了规则配置门槛。
•主导历史数据治理专项，针对平台累积的8TB日志与业务数据，制定了分批次清洗策略，包括空值智能填充、异常记录隔离、冗余数据归档等。通过三轮清洗验证，使历史数据可用率提升至97%，为上层报表与推荐系统提供了可靠底座。
•搭建了数据质量健康度仪表盘，实时展示各业务域的数据完整性、及时性、准确性等六大指标，并设置红绿灯预警。项目上线后，数据质量问题的闭环周期从平均3天缩短至1天，数据团队的问题发现与协同效率提升50%以上。
某零售连锁客户数据质量提升项目 - 数据质量工程师
2022.03-2022.06
•负责零售客户的全渠道订单数据质量治理。对线上小程序、线下POS、第三方外卖平台等订单数据流进行全生命周期梳理，从下单、支付、拣货到配送，识别出接口字段错位、状态同步延迟等12个高危数据风险点。
•设计了一套订单数据质量校验方案，覆盖订单号唯一性、支付金额核对、配送地址规范性等规则，并实现自动化巡检。每日自动拦截并修复异常订单数据130余条，有效避免了因数据错误导致的财务对账偏差。
•与客户物流、财务部门共建数据质量根因整改机制。例如，针对外卖订单金额与门店结算金额不一致的问题，顺藤摸瓜发现是第三方平台接口字段映射规则变更所致，协调技术团队统一了接口适配层，从源头杜绝了同类问题。项目结束后，客户订单数据准确率稳定在99.5%以上，因数据质量引发的客诉量下降80%。
对数据真实性与一致性抱有天然的执着，享受从混沌链路中梳理规则、扑灭噪声的秩序感。做事严谨较真，习惯用自动化监控与根因分析把问题拦截在源头，而不是事后救火。SQL 与数据探查功底扎实，能独立搭建覆盖完整性、及时性、一致性的检核体系，并将规则沉淀为可复用的知识库。协同沟通时善于把技术语言转译为业务感知，从生产端到消费端推动数据习惯的改进，让高质量数据成为决策的氧气。
数据质量工程实践:
熟练使用Deequ、Soda Core等开源数据质量框架，能根据业务需求快速搭建数据质量监控与告警通道。例如，在某电商订单数据治理项目中，基于Soda Core在Airflow中嵌入30余条完整性、唯一性检查规则，实现每日自动扫描与钉钉告警，将数据问题的发现时间从T+1提前至分钟级，有效避免了因数据延迟导致的营销决策失误。
