统筹全量个人消费贷（最高50万）、小微经营贷（最高300万）的贷前实质性风险审查，主导差异化授信策略制定与审批流程优化，平衡资产质量管控与业务拓展效率。

• 主导搭建‘三维度风险画像’智能审批模型，整合央行征信、运营商通信行为、税务申报数据等12类外部变量，采用逻辑回归与随机森林算法训练预测模型，将高风险客户（90天以上逾期）识别准确率从78%提升至89%，同步将单笔贷款平均审批时效从45分钟压缩至22分钟，年处理量突破1.2万笔。
• 针对小微客群抵押类贷款（房产/设备抵押占比62%），设计‘经营流-资产值-信用史’三维校验框架：通过IPC交叉验证法核查经营场所租金流水、上下游合同真实性；联动第三方评估机构开发线上资产评估系统（接入链家、房天下数据接口），使抵押物估值偏差率从±15%收窄至±5%；近一年经审抵押类项目不良率稳定在0.8%以下，低于全行平均水平0.5个百分点。
• 牵头优化自动审批规则集，梳理237条贷前拦截规则（含征信连三累六、多头借贷、收入负债比超限等），通过A/B测试验证规则有效性：将误拒率从6.2%降至3.1%，同时精准拦截电信诈骗关联客户127户（涉及冒用身份申请贷款），涉及金额2100万元，相关成果获总行‘年度风险管控创新奖’。
• 协同贷后管理部门建立‘审批-监控’双向反馈机制，提取审批环节中逾期率TOP5的客群特征（如收入负债比＞50%、近6个月征信查询次数＞15次、手机号使用时长＜2年），输出12项贷后预警指标，推动贷后团队提前介入率提升40%，试点客群30天逾期率从2.1%下降至0.3%。

负责个人消费信贷（最高30万）的贷前风险初审，执行反欺诈筛查与还款能力验证，参与自动化审批规则迭代与客群风险分析。

• 独立完成日均80+笔消费贷申请的实质风险审查，运用‘5C分析法’（品德Character、能力Capacity、资本Capital、抵押Collateral、环境Condition）评估客户还款意愿与能力，交叉核验社保缴纳记录、银行代发流水、电商消费数据等，将虚假材料（如伪造收入证明）识别率从82%提升至91%，所在团队季度审批通过率稳定在75%-78%的合理区间。
• 作为核心成员参与‘白名单客户自动审批’项目，整理历史优质客户数据（近2年无逾期、收入负债比＜40%、征信查询次数＜6次/月），构建28项准入标签体系，协助技术团队开发规则引擎，上线后自动审批覆盖率从35%提升至58%，人工审核工作量降低30%，项目获分公司‘效率提升优秀案例’。
• 针对大学生客群逾期率偏高问题（原3.2%），深度分析审批数据发现67%的申请存在收入证明缺失，推动新增‘兼职收入银行流水+学信网在读证明+家长担保函’的补充验证机制，6个月内该客群逾期率降至1.9%，同时审批通过率保持68%未下滑，相关策略被纳入总行学生贷专项指引。

协助信贷审批团队完成贷前数据清洗、风险评估辅助及基础模型支持，保障审批流程的数据准确性与分析效率。

• 负责贷前申请数据的清洗与标准化处理，使用Python编写自动化脚本（Pandas库）处理缺失值（填充行业均值）、异常值（基于3σ原则剔除），将单批次数据处理时效从2天缩短至4小时，支撑审批团队日均处理量从120笔提升至200笔，数据错误率从1.5%降至0.2%。
• 协助搭建‘新客风险评分卡’，收集并整理3万条历史样本数据（覆盖25-45岁客群），运用IV值（信息价值）筛选关键变量（如年龄、职业稳定性、手机号使用时长、近1年网购频次），参与模型训练（逻辑回归算法）与验证，评分卡KS值达0.42（原模型0.35），成功应用于新客预授信环节。
• 定期输出《区域客群风险分析报告》，基于县域客户的征信数据、消费习惯（支付宝/微信支付流水），识别出‘个体工商户短期周转贷’需求集中（占比41%）但逾期率低（0.9%）的特征，推动团队调整该类产品授信额度上限（从20万提至30万），6个月内相关业务规模增长45%，不良率仅0.6%。

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。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。