面向大型企业财经用户,旨在打破系统壁垒。传统预算预测依赖人工,成本与费用模型复杂,且缺乏自动化测试。本项目需从0到1搭建区域预算预测模块及成本预测模型,实现业务数据的反哺闭环。
点击空白处退出提示
面向大型企业财经用户,旨在打破系统壁垒。传统预算预测依赖人工,成本与费用模型复杂,且缺乏自动化测试。本项目需从0到1搭建区域预算预测模块及成本预测模型,实现业务数据的反哺闭环。
1、复杂模型计算:涵盖单台设备成本、服务成本、新老品预测、物流及电商价格模型等复杂业务逻辑。
2、多粒度动因选择:支持月内、跨月、季度、年度多维度数据切片。
3、自动化测试框架:覆盖功能、性能、安全及可靠性测试。
4、智能预测打标:利用岭回归算法实现报表指标预测,利用KNN与贝叶斯算法完成签字板识别。
个人任务:主导需求分析、系统设计及团队迭代;开发全量ETL任务链;构建基于Python+Selenium+Pytest的自动化测试框架。
技术亮点:实现数据“求数—存数—反哺业务”的闭环,下游数据错误率降低80%;针对数据倾斜与IO密集型任务进行链路优化,大幅提升跑批效率。



评论