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%。

基于CLV模型的零售客户分层分类经营体系重构与数字化落地

• 项目背景：事业部服务超3000万零售客户，传统“资产规模单一维度”分层导致营销资源错配——高潜力长尾客户触达不足，低价值客户占用过度营销成本，整体营销转化率仅3.2%。我的核心目标是主导构建“客户生命周期价值（CLV）+ 行为特征”双维度分层体系，实现精准营销与客户价值最大化。
• 关键难题：一是传统数据体系缺失客户行为深度标签（如手机银行功能偏好、客服咨询频次），难以支撑CLV模型训练；二是CLV模型需平衡“当前价值”与“未来留存”，现有统计模型预测准确率不足60%；三是模型落地需解决一线客户经理“不会用、不愿用”的痛点，避免技术与业务脱节。
• 核心行动：① 主导跨数据中台、科技部门的“行为数据治理项目”，整合手机银行点击流、客服对话文本、线下活动参与等12类行为数据，提炼“渠道活跃度”“产品探索深度”等28个CLV预测辅助指标；② 对比XGBoost、LightGBM及Cox生存分析模型，创新性构建“梯度提升树+生存分析”混合模型，将CLV预测准确率提升至82%；③ 设计“模型输出-策略匹配-动作指引”闭环工具，嵌入客户经理CRM系统，针对不同分群客户自动生成“专属营销话术+权益组合”（如高CLV但近期活跃下降客户推送“私行理财体验日”邀请）。
• 项目成果：体系上线6个月内，精准营销转化率提升至5.1%（增幅60%），高CLV客户（前20%）留存率从78%升至90%（增幅15%），单季度营销成本下降28%（约1200万元）；输出《CLV零售客户经营操作手册》，在全行12家分行推广，成为零售客户分层经营的标准化工具。我个人也因项目贡献获事业部“年度数字化经营先锋”称号。

老年零售客户“线上极简+线下温度”服务模式创新与价值提升项目

• 项目背景：事业部老年客户占比达22%（约1800万人），但手机银行使用率仅11%，线下网点排队投诉占比35%；同时老年客户持有储蓄存款占总储蓄的45%，但理财、保险等附加值产品渗透率不足8%。我的目标是解决老年客户“数字鸿沟”问题，提升服务满意度，同时挖掘其潜在价值贡献。
• 关键难题：一是老年客户需求隐性化，传统问卷调研回收率仅8%，无法捕捉真实痛点（如“不会用指纹登录”“怕手机银行转错账”）；二是数字化产品改造需联动手机银行、网点智能终端、客服热线三大系统，技术协同难度大；三是需平衡“数字化便捷”与“人性化关怀”，避免过度线上化导致老年客户流失。
• 核心行动：① 采用“陪伴式深度调研”——带领团队入驻10个社区，观察老年客户使用手机银行的真实场景，记录“找不到转账入口”“看不清字体”等230条痛点，形成《老年客户数字服务需求白皮书》；② 推动技术团队开发“老年极简版手机银行”，简化至5个核心功能（账户查询、大额转账、生活缴费、理财超市、一键呼叫客服），增大字体至18号，增加“语音导航+人工坐席一键接入”功能；③ 设计“线上引流+线下承接”服务流程：老年客户通过手机银行预约“理财讲解”，网点客户经理24小时内上门服务，同步推广专属低风险理财。
• 项目成果：老年客户手机银行使用率提升至32%（增幅190%），网点相关投诉下降65%；专属理财销售额达6.5亿元，占同期老年客户理财销售额的28%；形成《老年零售客户服务标准》，被总行纳入“全行适老化服务指引”。项目让我从“执行层”成长为“能统筹技术与业务的牵头人”，为后续负责大规模客户经营项目积累了关键经验。

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。