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。

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。