负责全行零售信贷业务（含个人经营贷、消费贷、抵押贷）的终审决策，统筹风险政策落地与资产质量管控，牵头优化审批流程及模型迭代，确保审批效率与风险平衡。

• 主导设计‘分层分类’审批策略，针对客群下沉趋势（近一年新增客户中个体工商户占比提升至45%），创新应用‘IPC交叉验证法+大数据风控模型’双轨审核机制：通过SAS搭建客户经营流水异常检测模型（纳入POS交易频次、上下游账期匹配度等12项新变量），将欺诈识别准确率从89%提升至95%；同步优化抵押贷评估流程，联动不动产登记系统直连核验，单笔业务尽调时间缩短40%。
• 牵头完成年度风险政策修订，基于人行征信、反欺诈系统及行内历史数据（覆盖近3年12万笔存量贷款），量化‘收入负债比’‘近6个月查询次数’等关键指标阈值，将新客不良率从1.8%压降至1.2%（低于同业平均水平0.3pct）；同步输出《零售信贷风险预警信号手册》，收录23类高频风险场景（如‘流水与经营规模不匹配’‘多头借贷集中在高风险平台’），团队培训后风险预判效率提升60%。
• 应对监管‘应延尽延’政策要求，建立‘临时性风险缓释’审批通道：运用SQL提取受疫情影响客群的还款能力动态数据（结合社保缴纳、纳税记录变化），制定‘延期3个月+动态监测’差异化方案，累计处理延期申请2178笔，最终转化为正常还款的比例达91%，未新增不良暴露。
• 推动审批系统智能化升级，梳理200+条人工审核规则并转化为机器可执行逻辑，联动IT部门开发‘智能预审模块’（嵌入OCR识别、逻辑校验功能），将简单客群（信用贷≤30万）自动审批率从35%提升至68%，释放人力聚焦复杂业务审核。

承担个人消费贷、场景分期业务的初审及部分终审工作，参与风险模型校准与审批流程优化，支持业务部门完成贷前风险筛查。

• 独立完成日均80-100笔消费贷审批（额度5-50万），深度应用央行征信、百行征信及行内CRM数据：通过‘收入偿债覆盖率=（月收入-固定支出）/月供’公式量化还款能力，结合‘近1年逾期次数’‘网贷查询集中度’等软指标，将首逾率控制在1.5%以内；针对‘医美分期’等高风险场景，总结‘机构资质核查+客户职业稳定性’双维度审核要点，该场景不良率较初期下降2.1pct。
• 协同数据团队完成评分模型迭代，提取历史审批数据中20万+样本的关键特征（如‘通讯录联系人逾期占比’‘电商消费层级’），通过逻辑回归校准模型参数，新模型上线后将自动审批通过率从42%提升至55%，同时保持坏账率稳定（1.3%-1.4%）。
• 应对业务量激增（Q4月均审批量环比增长80%），梳理‘异常件快速筛查清单’（含15项高频风险点，如‘收入证明与公积金基数偏差超30%’），将平均审批时效从3个工作日压缩至1.5个工作日，团队整体产能提升50%，获部门‘效率之星’表彰。
• 参与贷后风险复盘，分析120笔逾期案例的共性特征，发现‘多头借贷机构数≥5家’客群的首逾率是平均水平的2.3倍，推动将该指标纳入初审必查项，后续同类客群审批通过率下调18%，风险提前拦截率提升40%。

负责小额信用贷（额度≤20万）的初步风险筛查，执行基础征信核查与软信息收集，协助资深审批员完成终审决策。

• 系统学习信贷审批基础逻辑，掌握‘5C分析法’（品德Character、能力Capacity、资本Capital、抵押Collateral、环境Condition）在小额贷中的应用：通过电话核验客户职业信息（如与HR系统比对）、经营地址（地图软件定位），识别‘虚假工作单位’风险，初审准确率从最初的85%提升至98%，连续6个月获‘零重大误判’评价。
• 协助搭建‘小额贷风险Checklist’，整理‘流水异常（如集中转入转出）’‘通讯录涉赌关键词’等18项常见风险信号，嵌入初审系统作为必填项，团队人均单笔审核时间从15分钟缩短至8分钟，漏检率下降30%。
• 参与贷前调查培训，掌握‘现场走访三查’（查经营场所真实性、查存货周转情况、查上下游合同），累计协助完成200+笔线下客户的辅助尽调，其中32笔因‘经营场所租赁到期’‘存货滞销’等风险点被拦截，避免了潜在损失约160万元。
• 优化客户沟通话术，针对‘征信白户’客群设计‘收入稳定性追问模板’（如‘近6个月工资发放是否固定？是否有额外奖金？’），通过结构化提问提取有效还款能力信息，白户审批通过率从41%提升至57%，且后续逾期率无显著上升。

‘精准分层+场景嵌入’零售客户运营体系搭建项目

• 项目背景：兴耀银行零售业务面临存量客户月活率仅18%、AUM月均增速不足5%的痛点，传统‘资产分层+标准化运营’模式无法匹配客户差异化需求。我的核心职责是牵头从客户需求洞察、分层模型重构到场景落地的全流程设计，目标是通过精准分层与场景嵌入，提升客户活跃度与价值贡献。
• 关键难题与解决：一是传统分层仅依赖AUM、资产规模，忽略行为（交易频率、渠道偏好）与需求（理财/贷款/信用卡）差异，导致运营转化率不足3%；二是场景嵌入缺乏画像匹配，与第三方生活场景合作后客户点击率仅5%；三是跨部门数据孤岛，零售、财富、信用卡数据未打通。我基于RFM+客户生命周期理论，新增8个行为指标与6类需求标签，重构为4层客户体系（基础唤醒-潜力培育-高价值深耕-战略绑定）；通过画像标签筛选客群，向潜力层推送‘教育需求+存款利率上浮’权益包；推动科技部门打通数据中台，实现客户行为、需求、资产实时同步。
• 核心行动与创新：主导6场跨部门 workshops，定义14个客户标签与4层策略；对接本地3家头部场景商（餐饮‘食味鲜’、教育‘育英网’、医疗‘康旭诊所’），设计定制化权益并完成系统对接；用SQL提取数据、Tableau搭建实时看板，每周迭代策略（如将餐饮权益推送时间从周五改至周三，点击率提升40%）。
• 成果与影响：上线3个月，客户月活率提升至45%，AUM月均增速达20%，场景转化率12%（行业平均8%）；项目模板纳入总行《零售客户运营标准化手册》，推广至3家分行，首月带动分行AUM增长18%；我个人获‘兴耀银行2023年度零售业务创新奖’。

普惠金融客群风险管控体系优化项目

• 项目背景：兴耀银行普惠贷款余额突破50亿，但不良率升至4.2%（高于行业3.5%），传统风控依赖财务报表与抵押物，无法识别小微企业主、个体工商户的信用风险。我的职责是重构客群画像、调优风控模型及改造贷后流程，目标是在降低不良率的同时保持贷款增长。
• 关键难题与解决：一是普惠客群缺乏规范财务数据，传统评分卡准确率仅65%；二是反欺诈模型依赖单一维度，误判率15%导致优质客户流失；三是贷后被动，逾期90天以上客户占比20%。我引入税务、流水、电商等非财务数据，用XGBoost替代逻辑回归模型；构建‘客户-设备-手机号-地址’反欺诈图谱；开发贷后预警看板，设置10个风险指标（如还款延迟、流水骤降）。
• 核心行动与决策：主导采集12万+普惠客群非财务数据，做特征工程（提取流水波动、税务频次等衍生特征）训练模型；联合科技部搭建反欺诈图谱，整合10类数据源；推动贷后从‘被动催收’转‘主动预警’，制定‘短信-电话-上门’分级干预策略。
• 成果与影响：新模型使不良率降至2.8%（低于行业），贷款发放量增长35%；反欺诈误判率降至5%，投诉减少25%；项目获总行‘2023年度普惠金融风控创新奖’，模型推广至全国10家分行。

• 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。