负责个人消费贷、小微经营贷全流程风险审批，制定客群分层风险策略，牵头审批流程优化与合规升级，协同风控团队实现资产质量精细化管控。

• 主导设计‘小微客群分层审批模型’，融合企业流水波动性（近12个月环比方差）、纳税信用等级（A/B/C/D级）、行业景气指数（选取批发零售/制造业等8大客群对应指数）及实际控制人涉诉记录（中国裁判文书网爬虫数据），引入XGBoost算法优化特征权重（调整后TOP5特征贡献度提升35%），将单户审批时效从48小时压缩至12小时，试点3个月内该客群不良率从3.2%降至1.8%，获总行‘年度风险创新奖’。
• 针对消费贷‘共债风险隐蔽性强’痛点，搭建‘多源负债交叉验证体系’：通过API对接央行征信、百行征信及支付宝/微信支付分平台，开发自动化校验工具（基于Python编写数据清洗脚本），识别出23%的隐性多头借贷客户（同时向3家及以上机构借款），拦截潜在不良贷款4200万元，相关方案被纳入总行消费贷审批SOP。
• 推动审批合规性升级，对照银保监会《商业银行互联网贷款管理暂行办法》及《个人信息保护法》要求，系统梳理12项流程漏洞（如资金用途证明缺失、敏感信息存储未加密），修订《消费贷审批操作手册（2023版）》，新增‘资金流向穿透核查’环节（通过银联交易流水匹配商户类型），年度监管现场检查问题数从15项减少至2项，合规评分从89分提升至96分。
• 搭建‘审批质量动态回溯机制’，每月抽取5%已放款样本（覆盖10万+客群）进行6-12个月贷后表现分析，结合PD（违约概率）/LGD（违约损失率）模型优化风险评级阈值（将原A级客户收入负债比要求从≤50%调整为≤45%），A级以上优质客户占比从65%提升至78%，优质客户平均利率上浮15BP，带动部门年营收增加800万元。

承担个人信贷全量申请初审与部分终审，参与风险模型测试与规则优化，协助完善审批案例库与新人带教体系。

• 核心参与‘消费贷智能审批系统’一期上线项目，负责历史数据清洗与特征标注：使用SQL从核心系统提取近3年10万+条审批数据，筛选‘收入证明与社保基数偏离度’‘近6个月征信查询次数’等18个关键特征，系统上线后自动审批通过率达68%（原人工审批仅46%），且首逾率稳定在1.9%以内，获IT部门‘数据协作标兵’表彰。
• 针对‘个体工商户资质造假’高频问题，设计‘三证合一’核查流程：要求提供营业执照（国家企业信用信息公示系统验真）、经营场所租赁合同（实地拍照存档）、收单流水（银联商务/拉卡拉数据匹配），配合每月10%的随机实地尽调，半年内拦截虚假商户申请127笔（涉及金额1800万元），当年团队小微贷不良率控制在2.1%（低于分行平均水平0.8pct）。
• 编制《零售信贷常见风险案例汇编》，梳理‘收入证明加盖假公章’‘多头借贷隐匿（仅查央行征信未查网贷）’‘联系人虚假（空号/非亲属）’等6类高频问题，配套解决方案与核查技巧，组织新人培训8场（覆盖40人次），团队审批一致性评分从82%提升至95%，单笔审批平均耗时缩短30%（从40分钟降至28分钟）。

执行个人信用贷、小额消费贷基础审批工作，学习风险政策与审批工具，参与流程优化支持。

• 独立承担日均80-100笔个人信用贷初审，运用‘四维度核查法’（身份信息公安系统验真、收入证明单位电话外呼核实、征信记录逾期次数/金额分析、紧急联系人有效性验证），将资料完整性审核准确率从91%提升至98%，连续3个季度获部门‘效率之星’（处理时效排名前10%）。
• 参与‘逾期客户早期风险画像’项目，协助提取近1年逾期客户的贷前行为特征（如还款日前3日查询次数激增、联系人更换频率＞2次/月），输出《早期风险预警指标报告》，提出的‘增加还款意愿评分卡’建议被采纳，后续同类客户逾期率下降1.2个百分点（从2.5%降至1.3%）。
• 整理并维护审批规则库，同步总行政策变化涉及的23条审批标准（如‘双职工家庭负债上限调整’‘异地客户附加核查要求’），制作‘审批要点速查手册’（含100个典型场景应对指南），团队新人独立上岗周期从2周缩短至5个工作日，带教3名新人全部通过转正考核。

零售客户全生命周期精准运营体系重构项目

• 项目背景：信合银行零售业务面临传统粗放运营痛点——高价值客户（AUM≥50万）年流失率达18%，新客户3个月转化率仅18%，亟需通过数据驱动重构全生命周期运营体系，实现“精准识别-差异化运营-价值提升”的闭环。我的总体职责是担任项目负责人，统筹需求调研、模型搭建、策略设计及全渠道落地推广。
• 关键难题：一是多源数据整合困难，客户交易、行为、属性数据分散在核心系统、CRM、手机银行等6个平台，口径不一致导致分层模型精度不足；二是传统RFM模型无法覆盖生命周期阶段差异，难以识别“潜在流失”和“即将升级”的关键客群。解决方案：牵头搭建基于数据中台湖仓一体的客户数据仓库，统一12个核心指标（如AUM变动率、交易频率、产品持有数）的口径；引入XGBoost机器学习算法，构建“生命周期阶段（新客/成长/成熟/休眠/流失）+价值梯度（高/中/低）”的二维分层模型，将客户细分为16个精准客群。
• 核心行动：带领跨部门团队（数据部、科技部、运营部）完成数据治理，制定《零售客户数据口径规范》；针对每个客群设计差异化运营策略——比如“成长客群”（AUM10-50万，交易频率中等）推送“专属理财加息券+私行讲座邀请”，“休眠客群”（近6个月无交易）触发“小额消费返现+客服定向关怀”；搭建自动化营销链路，通过短信、APP push、客户经理一对一触达实现策略落地。
• 项目成果：项目上线6个月后，高价值客户流失率下降22%，新客户3个月转化率提升至29%，客户月均活跃度从45%提升到80%；带动AUM年增长15亿元，项目获总行“年度最佳零售运营创新奖”。我个人主导的模型准确率达89%，成为后续零售运营的核心工具，也验证了数据驱动的分层运营模式在传统银行的可行性。

社区零售客群场景化金融服务渗透项目

• 项目背景：信合银行社区客群基础庞大（约300万），但传统线下网点服务模式效率低，客户金融产品持有率仅32%（主要为储蓄卡和活期存款）。我的职责是担任项目执行负责人，聚焦社区高频生活场景设计金融服务渗透方案，提升社区客户的线上化服务体验与产品持有广度。
• 关键难题：一是金融服务与社区场景融合度低，居民日常缴费、物业、养老等场景缺乏金融触点；二是社区居民对线上金融服务的安全性信任度不足，初期推广转化率低。解决方案：联合本地头部社区服务平台“邻汇通”，搭建“社区生活+金融”小程序，整合物业缴费、周边商户优惠、养老服务预约等高频场景；引入区块链技术实现用户信息加密存储与交易溯源，解决信任问题。
• 核心行动：调研10个社区的2万居民，梳理出“缴费、养老、亲子、购物、社交”五大高频场景；设计“场景触发+精准推荐”的产品链路——比如物业缴费后推荐“缴费金额1%加息的货币基金”，养老预约后推送“专属老年年金险”；组织100场社区活动（金融知识讲座、亲子理财DIY），提升用户对线上服务的信任；联动社区网格员作为“金融顾问”，线上线下协同推广小程序。
• 项目成果：项目覆盖200个社区，小程序注册用户达50万户，社区客户金融产品持有率提升至51%（新增理财、保险等产品持有）；线上渠道交易笔数占比从15%提升到40%，带来新增客户8万户，AUM新增12亿元。我主导的场景融合方案被总行纳入“社区金融服务标准手册”，推广至全国10家分行，也让我积累了“场景化获客-精准转化-长期留存”的实战经验。

• 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。