李来来
数据分析师BI开发工程师大数据工程师
宁波铭弘户外用品有限公司 · 3年经验
日薪：
￥500/8h
地点：
宁波 全区
时间：
下班后周六周日可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
数据管道与存储：熟练搭建 Hadoop（HDFS/YARN） 集群，设计 Hive 数据仓库（分区、分桶优化）。
开发 Spark（PySpark） 批处理任务（日均处理TB级日志）。
mysql的伪数仓, 以及mysql调优和SQL调优
掌握 ETL开发。
BI工具与多维分析：精通 FineBI 开发复杂报表（参数控制、层级钻取、动态计算）,以及FDL
自动化与协作：熟悉rpa自动化软件(影刀)
开发 Spark（PySpark） 批处理任务（日均处理TB级日志）。
mysql的伪数仓, 以及mysql调优和SQL调优
掌握 ETL开发。
BI工具与多维分析：精通 FineBI 开发复杂报表（参数控制、层级钻取、动态计算）,以及FDL
自动化与协作：熟悉rpa自动化软件(影刀)
项目经验
前期：使用MySQL搭建伪数据仓库
设计并实现了基于MySQL的数据仓库架构，整合了多个业务系统的数据源。
开发了一系列ETL作业，定期抽取、清洗和加载数据至数据仓库，确保数据的一致性和准确性。
利用FineBI 创建了多个交互式报表和仪表板，提供给销售、市场和运营团队使用，提升了决策效率。
实现了关键业务指标（KPIs）的自动计算和报告生成，减少了手动操作的工作量。
中期：优化现有数据仓库
分析现有数据仓库的性能瓶颈，提出了多项优化建议，如索引优化、分区表设计等，显著提高了查询性能。
引入了增量更新机制，减少了全量数据同步的时间和资源消耗。
建立了数据质量监控体系，定期检查数据完整性和一致性，确保高质量的数据输出。
后期：升级为大数据平台
领导了一个从传统数据仓库向大数据平台迁移的项目，选择了Apache Hadoop和Apache Spark作为核心组件。
设计并实施了新的数据架构，包括数据湖的设计、ETL流程的重构以及实时数据处理管道的建立。
部署了AWS EMR集群，用于大规模数据处理，并利用S3存储海量原始数据，降低了存储成本。
开发了基于Spark Streaming的应用程序，实现实时销售数据的分析和监控，支持即时决策。
整合了多种数据源（结构化、半结构化和非结构化），建立了统一的数据视图，增强了数据的可访问性和可用性
设计并实现了基于MySQL的数据仓库架构，整合了多个业务系统的数据源。
开发了一系列ETL作业，定期抽取、清洗和加载数据至数据仓库，确保数据的一致性和准确性。
利用FineBI 创建了多个交互式报表和仪表板，提供给销售、市场和运营团队使用，提升了决策效率。
实现了关键业务指标（KPIs）的自动计算和报告生成，减少了手动操作的工作量。
中期：优化现有数据仓库
分析现有数据仓库的性能瓶颈，提出了多项优化建议，如索引优化、分区表设计等，显著提高了查询性能。
引入了增量更新机制，减少了全量数据同步的时间和资源消耗。
建立了数据质量监控体系，定期检查数据完整性和一致性，确保高质量的数据输出。
后期：升级为大数据平台
领导了一个从传统数据仓库向大数据平台迁移的项目，选择了Apache Hadoop和Apache Spark作为核心组件。
设计并实施了新的数据架构，包括数据湖的设计、ETL流程的重构以及实时数据处理管道的建立。
部署了AWS EMR集群，用于大规模数据处理，并利用S3存储海量原始数据，降低了存储成本。
开发了基于Spark Streaming的应用程序，实现实时销售数据的分析和监控，支持即时决策。
整合了多种数据源（结构化、半结构化和非结构化），建立了统一的数据视图，增强了数据的可访问性和可用性
李来来
数据分析师BI开发工程师大数据工程师 · 3年经验 · 宁波铭弘户外用品有限公司
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
数据管道与存储：熟练搭建 Hadoop（HDFS/YARN） 集群，设计 Hive 数据仓库（分区、分桶优化）。
开发 Spark（PySpark） 批处理任务（日均处理TB级日志）。
mysql的伪数仓, 以及mysql调优和SQL调优
掌握 ETL开发。
BI工具与多维分析：精通 FineBI 开发复杂报表（参数控制、层级钻取、动态计算）,以及FDL
自动化与协作：熟悉rpa自动化软件(影刀)
开发 Spark（PySpark） 批处理任务（日均处理TB级日志）。
mysql的伪数仓, 以及mysql调优和SQL调优
掌握 ETL开发。
BI工具与多维分析：精通 FineBI 开发复杂报表（参数控制、层级钻取、动态计算）,以及FDL
自动化与协作：熟悉rpa自动化软件(影刀)
项目经验
前期：使用MySQL搭建伪数据仓库
设计并实现了基于MySQL的数据仓库架构，整合了多个业务系统的数据源。
开发了一系列ETL作业，定期抽取、清洗和加载数据至数据仓库，确保数据的一致性和准确性。
利用FineBI 创建了多个交互式报表和仪表板，提供给销售、市场和运营团队使用，提升了决策效率。
实现了关键业务指标（KPIs）的自动计算和报告生成，减少了手动操作的工作量。
中期：优化现有数据仓库
分析现有数据仓库的性能瓶颈，提出了多项优化建议，如索引优化、分区表设计等，显著提高了查询性能。
引入了增量更新机制，减少了全量数据同步的时间和资源消耗。
建立了数据质量监控体系，定期检查数据完整性和一致性，确保高质量的数据输出。
后期：升级为大数据平台
领导了一个从传统数据仓库向大数据平台迁移的项目，选择了Apache Hadoop和Apache Spark作为核心组件。
设计并实施了新的数据架构，包括数据湖的设计、ETL流程的重构以及实时数据处理管道的建立。
部署了AWS EMR集群，用于大规模数据处理，并利用S3存储海量原始数据，降低了存储成本。
开发了基于Spark Streaming的应用程序，实现实时销售数据的分析和监控，支持即时决策。
整合了多种数据源（结构化、半结构化和非结构化），建立了统一的数据视图，增强了数据的可访问性和可用性
设计并实现了基于MySQL的数据仓库架构，整合了多个业务系统的数据源。
开发了一系列ETL作业，定期抽取、清洗和加载数据至数据仓库，确保数据的一致性和准确性。
利用FineBI 创建了多个交互式报表和仪表板，提供给销售、市场和运营团队使用，提升了决策效率。
实现了关键业务指标（KPIs）的自动计算和报告生成，减少了手动操作的工作量。
中期：优化现有数据仓库
分析现有数据仓库的性能瓶颈，提出了多项优化建议，如索引优化、分区表设计等，显著提高了查询性能。
引入了增量更新机制，减少了全量数据同步的时间和资源消耗。
建立了数据质量监控体系，定期检查数据完整性和一致性，确保高质量的数据输出。
后期：升级为大数据平台
领导了一个从传统数据仓库向大数据平台迁移的项目，选择了Apache Hadoop和Apache Spark作为核心组件。
设计并实施了新的数据架构，包括数据湖的设计、ETL流程的重构以及实时数据处理管道的建立。
部署了AWS EMR集群，用于大规模数据处理，并利用S3存储海量原始数据，降低了存储成本。
开发了基于Spark Streaming的应用程序，实现实时销售数据的分析和监控，支持即时决策。
整合了多种数据源（结构化、半结构化和非结构化），建立了统一的数据视图，增强了数据的可访问性和可用性
立即沟通
