负责全行零售信贷业务（含个人经营贷、消费贷、抵押贷）的终审决策，统筹风险政策落地与资产质量管控，牵头优化审批流程及模型迭代，确保审批效率与风险平衡。

• 主导设计‘分层分类’审批策略，针对客群下沉趋势（近一年新增客户中个体工商户占比提升至45%），创新应用‘IPC交叉验证法+大数据风控模型’双轨审核机制：通过SAS搭建客户经营流水异常检测模型（纳入POS交易频次、上下游账期匹配度等12项新变量），将欺诈识别准确率从89%提升至95%；同步优化抵押贷评估流程，联动不动产登记系统直连核验，单笔业务尽调时间缩短40%。
• 牵头完成年度风险政策修订，基于人行征信、反欺诈系统及行内历史数据（覆盖近3年12万笔存量贷款），量化‘收入负债比’‘近6个月查询次数’等关键指标阈值，将新客不良率从1.8%压降至1.2%（低于同业平均水平0.3pct）；同步输出《零售信贷风险预警信号手册》，收录23类高频风险场景（如‘流水与经营规模不匹配’‘多头借贷集中在高风险平台’），团队培训后风险预判效率提升60%。
• 应对监管‘应延尽延’政策要求，建立‘临时性风险缓释’审批通道：运用SQL提取受疫情影响客群的还款能力动态数据（结合社保缴纳、纳税记录变化），制定‘延期3个月+动态监测’差异化方案，累计处理延期申请2178笔，最终转化为正常还款的比例达91%，未新增不良暴露。
• 推动审批系统智能化升级，梳理200+条人工审核规则并转化为机器可执行逻辑，联动IT部门开发‘智能预审模块’（嵌入OCR识别、逻辑校验功能），将简单客群（信用贷≤30万）自动审批率从35%提升至68%，释放人力聚焦复杂业务审核。

承担个人消费贷、场景分期业务的初审及部分终审工作，参与风险模型校准与审批流程优化，支持业务部门完成贷前风险筛查。

• 独立完成日均80-100笔消费贷审批（额度5-50万），深度应用央行征信、百行征信及行内CRM数据：通过‘收入偿债覆盖率=（月收入-固定支出）/月供’公式量化还款能力，结合‘近1年逾期次数’‘网贷查询集中度’等软指标，将首逾率控制在1.5%以内；针对‘医美分期’等高风险场景，总结‘机构资质核查+客户职业稳定性’双维度审核要点，该场景不良率较初期下降2.1pct。
• 协同数据团队完成评分模型迭代，提取历史审批数据中20万+样本的关键特征（如‘通讯录联系人逾期占比’‘电商消费层级’），通过逻辑回归校准模型参数，新模型上线后将自动审批通过率从42%提升至55%，同时保持坏账率稳定（1.3%-1.4%）。
• 应对业务量激增（Q4月均审批量环比增长80%），梳理‘异常件快速筛查清单’（含15项高频风险点，如‘收入证明与公积金基数偏差超30%’），将平均审批时效从3个工作日压缩至1.5个工作日，团队整体产能提升50%，获部门‘效率之星’表彰。
• 参与贷后风险复盘，分析120笔逾期案例的共性特征，发现‘多头借贷机构数≥5家’客群的首逾率是平均水平的2.3倍，推动将该指标纳入初审必查项，后续同类客群审批通过率下调18%，风险提前拦截率提升40%。

负责小额信用贷（额度≤20万）的初步风险筛查，执行基础征信核查与软信息收集，协助资深审批员完成终审决策。

• 系统学习信贷审批基础逻辑，掌握‘5C分析法’（品德Character、能力Capacity、资本Capital、抵押Collateral、环境Condition）在小额贷中的应用：通过电话核验客户职业信息（如与HR系统比对）、经营地址（地图软件定位），识别‘虚假工作单位’风险，初审准确率从最初的85%提升至98%，连续6个月获‘零重大误判’评价。
• 协助搭建‘小额贷风险Checklist’，整理‘流水异常（如集中转入转出）’‘通讯录涉赌关键词’等18项常见风险信号，嵌入初审系统作为必填项，团队人均单笔审核时间从15分钟缩短至8分钟，漏检率下降30%。
• 参与贷前调查培训，掌握‘现场走访三查’（查经营场所真实性、查存货周转情况、查上下游合同），累计协助完成200+笔线下客户的辅助尽调，其中32笔因‘经营场所租赁到期’‘存货滞销’等风险点被拦截，避免了潜在损失约160万元。
• 优化客户沟通话术，针对‘征信白户’客群设计‘收入稳定性追问模板’（如‘近6个月工资发放是否固定？是否有额外奖金？’），通过结构化提问提取有效还款能力信息，白户审批通过率从41%提升至57%，且后续逾期率无显著上升。

全量零售客户‘动态画像+分层运营’体系重构项目

• 浦发银行零售客户基数超8000万，但传统“一刀切”运营模式导致高价值客户（AUM≥50万）月活率仅41%、全年流失资产超35亿元，亟需构建数据驱动的精准客户经营体系。我的核心目标是统筹项目从0到1落地，通过精准画像与分层策略提升高价值客户留存及AUM贡献，同时形成可复制的零售客户运营标准。
• 项目面临两大核心挑战：一是多源数据分散——客户数据来自核心系统、理财子系统、信用卡系统等12个源端，字段标准不统一，难以形成完整画像；二是传统规则分层失效——基于资产规模的静态分层无法捕捉客户动态行为（如近期大额转账、理财赎回），高潜力客户识别准确率仅62%。为此，我选择湖仓一体数据架构整合全域数据，并创新采用“RFM模型+DBSCAN聚类”双维度构建动态分群，同时用XGBoost算法训练客户流失预测模型。
• 我主导了11场跨部门数据对接会，梳理出人口属性、交易行为、资产状况、交互偏好四大维度的87个核心字段，搭建了包含168个标签的精准画像体系；带领5人数据团队迭代模型3次，将高潜力客户（未来6个月AUM增长≥20%）识别准确率提升至85%；协同产品、运营团队设计差异化策略——对高价值客户提供“专属理财顾问+家族信托咨询”权益，对沉睡客户推送“消费满减+信用卡提额”唤醒活动，对潜力客户定向推荐“固收+”理财套餐。
• 项目上线6个月内，高价值客户月活率提升至58%，AUM月均增速从3.2%跃升至5.8%，全年挽留高价值客户资产超20亿元；项目获总行“年度零售数字化转型一等奖”，已推广至全国12家分行，覆盖客户超2000万。我个人贡献在于主导模型设计与跨部门资源协调，推动项目从理论框架到业务落地的闭环，成为总行零售客户运营的标杆模板。

小微企业主零售信贷‘动态风控+敏捷审批’系统优化项目

• 浦发银行零售信贷规模年增长18%，但小微企业主信贷业务面临“审批慢、风险漏判”痛点——人工审批平均耗时3天，导致客户流失率达28%；传统静态财务数据模型无法识别小微企业经营波动，不良贷款率升至1.3%。我的目标是优化风控模型与审批流程，实现“风险可控下的效率提升”，支撑小微企业信贷业务规模化发展。
• 项目难点在于两点：一是数据维度不足——传统风控依赖资产负债表等静态数据，缺乏小微企业主的动态经营信息；二是流程冗余——审批需经支行初审、分行复审、总行终审三级，人工审核比例高达40%。我针对性引入税务、工商、电商平台等15类外部数据，构建融合财务与非财务数据的LightGBM融合模型；同时推动流程再造，将部分规则式判断转为自动化决策。
• 我主导与10家外部数据服务商的商务谈判与数据接入，整合200万+条小微企业主数据，清洗后形成300+维度的特征库（如近6个月电商流水、税务申报频次）；迭代风控模型5次，将违约预测准确率从75%提升至88%，误拒率从12%降至7%；推动审批流程从7个节点简化至3个，人工审核比例降至15%，引入智能校验引擎自动核查数据一致性。
• 项目上线1年后，零售信贷余额年增长22%，小微企业主信贷不良率降至1.1%；审批时间从3天缩短至1.2天，客户满意度提升23%；系统获银保监会“金融科技赋能风险管理优秀案例”。我的核心贡献是解决了小微企业信贷“风控与效率”的矛盾，通过数据扩展与流程优化，让小微企业信贷从“不敢贷”转向“愿意贷、快速贷”，成为分行零售信贷的核心增长引擎。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。