解释的范围与修正条件。
- 什么证据会要求修正原来的解释?
- 发现错误以后,怎样继续推进问题?
03 / 个人资料
经历、能力与工作之外。
我叫张润泽,做数据,也喜欢把事情弄明白。一个数字从哪来,一次改动会影响什么,我习惯往前多追一步,再动手。平时也会借助 AI 折腾自己的小工具,把它们改到顺手。工作之外,我记录电影和当时的感受,给以后的自己留一点重看的线索。
经历与实践
我习惯把一个问题问到具体处。看到一个结果,会想知道它是怎么来的;准备做一次改动,会先看看它会牵动哪些地方。很多时候,事情就是在这些追问里慢慢变清楚的。
2020 年 5 月至 2026 年 4 月,我在上海普瑞邦克软件技术有限公司担任数据开发工程师 / ETL 工程师,参与银行对公数据集市、CRM、掌银和信贷改造等业务线。约六年的经历里,我做过数据加工、指标建设、实时链路、校验与上线保障,也在新信贷系统配合改造中负责方案、影响评估和投产验证。
这些经历让我习惯沿着结果往回看:这个数字取了哪些数据,用了什么口径,经过哪些加工,还能怎样核一遍。把这些问题问清楚,我才知道下一步该怎么做。
我会在修改前留下副本,分清这次要改的范围,以及哪些内容需要保留。做完以后,也希望能说清楚改了哪里、验证到哪一步、还有什么需要继续确认。
历史记录、原始图片和已经整理过的材料,我都愿意认真保存。它们留着,下一次调整就有了来路,也能回头比较。
我会留意一些很具体的地方:看完详情,能不能回到刚才的位置;一张剧照,能不能放大看清;更新之后,我平时打开的那个版本,是否真的变好了。
也因此,我会反复调整自己的小工具,让一个个使用时遇到的问题有着落。私人电影档案和这个网站,都是这样一点点做起来的。
我通过 AI 协作推进科研业务 BI 的模型、加工逻辑与文档,也迭代自己的电影档案和个人记录网站。我负责方向、需求、使用反馈和核对要求,借助 AI 推进实现与检查。
对我来说,这种协作也需要把事情问具体:依据在哪里,这次改动影响什么,结果怎样确认。能用上的东西,再带回日常工作和生活里继续试。
河北科技学院 · 计算机应用技术 · 大专。
能力与技术栈
我会先问清楚一条记录代表什么,再考虑客户、账户、机构等主题怎样关联,怎样沿 ODS、DWD、DWS、ADS 分层组织。同一个指标怎么算,也要在模型里有交代。
我写过复杂 SQL、Oracle 存储过程和 Python、Shell 脚本。看一段加工逻辑时,会顺着来源、关联和过滤条件往下读,把结果怎样算出来弄清楚。
使用过 DataStage、Kettle、DataX、Sqoop,也参与过 Spark Streaming / Flink 加工。我会把加工、调度、同步和展示连起来看,留意数据在哪一步发生变化。
一处字段或口径变化,可能会牵动很多脚本。我会梳理表、字段与脚本依赖,再通过测试 SQL 和核对清单检查受影响的结果。
遇到慢 SQL 或反复手工核对的环节,我会找具体的耗时点,尝试优化或自动化,再看实际链路里的变化。做过的调度、同步和上线验证,也会留下核对方法。
我常从自己使用时遇到的问题提需求,通过 AI 协作推进实现,再回到实际使用的版本里核对。电影档案、记录网站和数据实践都在这个过程中持续调整。
工作之外
我想记下看过的电影,也想留住观看时的感受和生活背景。以后重看时,这些文字能让我知道:当时的自己注意到了什么,为什么会留下这一笔。
解释的范围与修正条件。
信息不完整时的选择、代价与风险。
激励、行为变化与成本承担。
知识之间的联系与行动条件。