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%。

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。

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。