负责个人经营贷、消费贷全量客户的授信审批决策，统筹资产质量把控与审批流程优化，联动贷后、产品团队搭建风险防控体系

• 主导设计个人经营贷「财务数据+行为轨迹+场景验证」三维度分层审批模型：针对小微企业主财务不规范痛点，引入增值税发票真伪核验系统、对公/个人流水交叉比对工具，叠加物流平台订单数据、电商平台经营流水等非财务维度，将单户审批时效从3个工作日压缩至1个工作日；模型上线后，个人经营贷不良率从1.8%降至1.2%，同时优质客群（年营收500万以上、流水稳定性≥80%）的审批通过率提升18%
• 重点优化消费贷自动化审批规则引擎：基于历史30万笔违约数据，用逻辑回归与随机森林算法重构特征权重——将「近6个月征信查询次数＞12次」「收入负债比＞50%」「社保缴纳时长＜12个月」等指标的违约概率权重提升25%，并设置20万额度以上的自动转人工复核阈值；优化后自动化审批率从65%提升至82%，误拒率下降5个百分点，单月减少人工审核工作量约400小时
• 核心参与搭建零售信贷实时风险预警体系：联动IT部门接入Tableau BI工具，设置「逾期30天以上贷款占比」「客群违约率周度波动」「多头借贷新增率」三大核心指标，并补充「账户流水骤降超50%」「近1个月查询机构数＞5家」等领先指标；体系运行6个月内，风险预警准确率从75%提升至90%，提前识别并介入潜在不良贷款120余笔，涉及金额800余万元
• 联动产品部门迭代消费贷准入标准：用RFM模型（最近一次消费、消费频率、消费金额）分析20万存量客户数据，识别出「年龄25-40岁、月均消费超8000元、社保连续缴纳2年以上」的高价值低风险客群；推动将准入门槛从「月收入≥5000元」调整为「月收入≥6000元+社保缴纳≥18个月」，同时保留「征信无当前逾期」的刚性要求；调整后该客群不良率从1.5%降至0.9%，客户转化率提升12%

协助资深审批人完成消费贷、小额经营贷的资料审核与风险初筛，参与审批规则迭代与风险数据统计分析

• 辅助构建消费贷客户信用评分卡：用SPSS软件对10万条历史审批数据进行变量筛选，最终选取「月收入稳定性」「征信逾期次数」「负债收入比」「职业类型」等15个核心变量，训练测试集准确率达85%；评分卡上线后，审批人对同类客群的决策一致性从60%提升至80%，减少了主观判断差异导致的风险偏差
• 高效处理小额经营贷审批：每日承接50-60笔小额经营贷（额度≤30万）申请，采用「营业执照地址实地拍照核对+纳税记录系统校验+经营者银行流水匹配」的三重交叉验证法，识别出虚假经营申请12笔（涉及金额400余万元），将虚假申请识别率从70%提升至85%
• 输出风险分析报告支撑策略调整：每周收集审批数据，用Excel制作「各区域不良率趋势」「客群年龄-违约率关联」「渠道来源风险排名」三类报表，发现某县域支行因合作担保公司资质松弛导致不良率高出均值2个百分点；报告推动团队将该支行的担保公司准入标准从「注册资本≥500万」提高至「注册资本≥1000万+近一年无代偿记录」，3个月后该区域不良率降至均值水平

协助审批人完成基础资料审核与合规检查，参与部门风险培训与案例整理，学习零售信贷审批逻辑与风险防控要点

• 基础资料审核提效：协助审批人核对100+笔消费贷申请的身份证、收入证明、征信报告等资料，通过制作「资料完整性 checklist」（含12项必填项）与「收入证明格式规范指南」，减少后续审批返工率15%，将单户资料审核时间从40分钟压缩至25分钟
• 合规知识沉淀：参与部门《零售信贷反洗钱合规要点》培训，整理10篇培训笔记（涵盖「大额交易报告标准」「可疑交易识别场景」等内容），分享给同期8名实习生，帮助新人快速掌握合规底线，团队新人合规考核通过率从75%提升至90%
• 案例库搭建与传承：协助整理200+个零售信贷审批典型案例（包括「伪造银行流水申请经营贷」「多头借贷导致逾期」「冒用他人身份申请消费贷」等），按「风险类型」「客群特征」「审批应对策略」分类标注；案例库上线后，新人熟悉审批逻辑的周期从1个月缩短至3周，团队对新人的带教成本下降20%

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。