XXX数据是一家专注于金融行业大数据平台研发与服务的科技公司，团队规模约XXX人，核心业务是为银行、证券等金融机构提供数据中台解决方案，包括实时风控、客户画像和监管报送等系统，已服务超过XXX家金融机构。

工作概述：

1.数据处理：为满足信贷审批场景的数据分析需求，负责从核心交易系统抽取每日增量数据；使用Sqoop工具将Oracle表数据定时导入Hive数据仓库，编写Hive SQL进行数据清洗和字段标准化；建立分区表并按业务日期进行管理，优化大表关联查询逻辑；通过调整数据导入并发度和文件合并策略，将单批次数据处理时间缩短XXX%。

2.集群监控：为保证数据平台服务稳定性，每日检查Hadoop集群健康状态，使用Ambari监控界面查看HDFS存储使用率和YARN队列资源；定期清理HDFS上的临时文件和过期日志，释放存储空间；协助处理计算任务失败告警，分析任务日志定位常见问题；通过优化监控告警规则，将无效告警频率降低XXX%。

3.报表开发：响应业务部门的数据分析需求，参与开发客户行为分析报表；根据需求文档设计Hive表结构，编写复杂SQL实现多维度数据统计；将计算结果导出至MySQL供前端展示系统调用；与业务方核对数据口径，验证逻辑正确性；累计开发并维护XXX张业务报表，数据准确率超过XXX%。

4.性能调优：针对部分Hive查询响应慢的问题，分析执行计划并定位性能瓶颈；对高频查询的表建立合适的分区和分桶策略，优化JOIN顺序减少中间数据量；在YARN层级为重要任务队列分配更多资源；通过以上措施，将关键报表的查询耗时平均降低XXX%。

工作业绩：

1.独立负责XXX个数据抽取和清洗任务的开发与维护，保障了每日XXX亿条交易数据的准时产出。

2.协助处理集群异常告警XXX次，参与编写运维手册X份，系统月度可用性达到XXX%。

3.完成XXX张业务报表的设计与开发，支持了信贷审批、客户管理等X个业务场景。

4.通过查询优化，使核心报表的平均生成时间从XXX分钟缩短至XXX分钟，提升业务分析效率。

公司为某股份制银行构建的在线交易风险监控项目，原有批处理模式存在至少X小时延迟，无法有效拦截实时欺诈交易，导致客户投诉率偏高。项目目标是构建基于流计算的毫秒级风险识别系统，对接银行核心交易渠道，日均处理交易量XXX万笔。

项目业绩：

1.系统成功上线，实现交易数据从产生到风险识别的端到端延迟低于XXX毫秒。

2.日均稳定处理交易流水XXX万笔，峰值处理能力达到每秒XXX笔。

3.协助产出的高质量样本集包含XXX万条记录，支撑了风险模型的迭代训练。

4.系统运行半年内，帮助客户将疑似欺诈交易的识别率提升XXX%。

GPA X.XX/X.X（专业前XX%），主修Java高级编程、数据库系统、分布式计算等核心课程，熟练掌握Hive、Spark等大数据组件的基本使用。参与校级大数据平台课程设计，模拟构建一个电商用户分析系统，在团队中负责Hive数据仓库的搭建与OLAP查询实现，使用Superset进行数据可视化，项目获得优秀评级。