•曾参加全国大学生数学建模竞赛并获得省一等奖，展现了出色的逻辑抽象与算法设计能力
•主导搭建校园社交数据分析实验平台，使用 Python 与 Spark 完成从数据采集到可视化分析的全流程，提升了数据工程实践水平
•主导腾讯广告大数据平台的架构重构工作，设计了基于 Lambda 架构的实时+离线数据处理方案，支撑了每天 PB 级广告日志的准实时分析，使数据延迟从小时级压缩到分钟级。
•统筹团队完成“用户兴趣标签系统”和“广告实时竞价优化平台”等重点项目，深度参与了从需求梳理到上线的全流程，显著提升了广告投放的精准度与转化率。
•积极与广告运营、产品团队协作，打通数据孤岛，构建了统一的数据资产目录与服务体系，赋能多个业务线自助取数与报表，数据使用效率提升了 40%。
•关注开源社区动态，率先引入 Kafka Streams 和 Presto 等组件替代部分离线计算，降低了计算资源成本 30%，并推广了容器化部署方案，加速了服务迭代。
•参与了京东数据中台的建设，负责商品与订单主题数据仓库的建模与开发，采用 DataVault 模型统一了异构数据源，使跨部门查询效率提升了 50%。
•设计并开发了全链路 ETL 调度框架，实现了数据从业务库到 Hive 的自动化清洗与校验，日均处理 PB 级数据，有效保障了下游数据产品的及时性和准确性。
•与数据分析团队密切配合，为运营部门搭建了用户流失预警报表和实时大屏监控，精准识别高价值用户群体，挽留率提升了 13%。
•主导了 MapReduce 计算任务的优化，通过压缩策略和 Join 倾斜处理，将核心 ETL 作业的总体耗时从 6 小时缩短至 4.5 小时，节省了集群资源。
•该项目旨在为腾讯广告业务构建统一的用户画像系统，整合多端用户行为数据，支持实时标签计算和人群定向投放。我主导了整体架构设计，采用 Kafka+Spark Streaming+Flink 混合流处理方案，解决了千万级 QPS 的实时数据分发压力。
•设计了分层数据仓库（ODS-DWD-DWS-ADS），融合星型与宽表模型，优化了复杂事件序列的查询，使分析师能秒级圈定目标人群。
•负责算法落地部分，实现并调优了用户兴趣衰减模型和 Lookalike 扩散算法，提升了标签准确性，使相似人群扩展的投放效果提升 20%。
•系统上线后，大幅提升了人群包生成效率，从 T+1 提升至半小时更新，帮助运营团队快速响应热点事件，广告点击率相对提升了 18%，转化成本降低了 12%。
•该项目是京东商城首页“猜你喜欢”栏位的实时推荐引擎，旨在根据用户浏览、加购等实时行为动态调整推荐结果，提升交叉销售。我负责整体架构，引入 Kappa 架构替代传统 Lambda，简化了维护成本，并支持全量实时特征更新。
•核心算法采用基于 Item-CF 和实时行为的改进 DIN 模型，利用 Spark MLlib 离线训练，Flink 在线推理，实现模型分钟级更新。
•针对高并发场景，实现了多级缓存（Guava+Redis），并采用 gRPC 进行服务间调用，最终将推荐接口平均响应延迟控制在 50ms 以内，TP99<100ms。
•项目上线后，首页推荐点击率提升 25%，带来 15% 的 GMV 增长，成为当年技术驱动业务增长的标杆案例。
大数据技术栈:
针对 Hadoop 生态系统，曾基于 HDFS + YARN + Hive 构建 PB 级数据仓库，设计高效 ETL 流程并实施 Hive 分区优化，显著提升查询效率；同时引入 HBase 解决实时点查场景，保障毫秒级响应。
精通 Spark 核心机制，利用 DataFrame/DataSet API 开发复杂数据处理逻辑，并通过调整 shuffle 分区数、缓存策略与 Tungsten 内存参数，将批处理任务耗时缩减 40% 以上。
在生产环境中应用 Flink 构建实时指标计算链路，驾驭事件时间语义与水位线机制，结合 RocksDB 状态后端实现精确一次语义，保障金融交易流水秒级统计准确性。
