负责公司个人信用贷、消费贷、抵押贷全产品线的风险审核与终审决策，联动前端业务团队与风控模型团队，平衡风险管控与业务拓展，推动审批效率与资产质量的协同提升

• 主导消费贷自动化审批模型的规则迭代：针对模型上线初期M3+逾期率偏高（1.8%）的问题，基于历史12万笔审批数据，运用逻辑回归与随机森林算法分析变量相关性，调整“收入负债比上限从55%降至50%”“近6个月征信查询次数阈值从12次缩至10次”等8项核心规则，最终自动化审批通过率从62%提升至71%，人工复核工作量减少35%，模型KS值从0.51提升至0.58
• 重构抵押贷实地尽调风险防控体系：针对小微企业主抵押贷中“经营场所虚假”“流水造假”等痛点，设计“三证（营业执照、经营许可证、场地租赁合同）交叉核对+银行流水与纳税额匹配验证+实地影像（含门头、收银台、库存）区块链存证”的标准化流程，联合第三方评估机构开发“经营场所真实性校验工具”（集成工商数据与地图POI信息），全年拦截12笔欺诈申请（涉及金额2300万元），抵押贷不良率从0.9%压降至0.4%
• 搭建零售信贷审批“风险画像标签库”：整合央行征信、百行征信、社保公积金、电商消费、运营商通话行为等12类外部数据，用决策树模型为客户标注“偿债能力（月供收入比）、消费稳定性（近12个月网购频次方差）、信用韧性（逾期后还款速度）”等8个维度32个子标签，输出《高风险客户识别指南》，帮助前端业务团队精准筛客，业务获客转化率提升18%，审批时效从3个工作日缩短至1个工作日
• 推动监管新规落地与流程合规升级：针对《商业银行互联网贷款管理暂行办法》中“远程身份验证”“电子合同留痕”要求，修订《个人信贷审批操作手册》，新增11项合规流程（如人脸识别双因子验证、电子合同哈希值存证），组织3场覆盖200名业务人员的新规培训，落地后审批环节零合规投诉，年度监管检查得分从85分提升至96分

协助资深审批专员完成个人信用贷、小额消费贷的风险审核与数据支持，参与风险模型训练的数据标注与流程优化试点

• 承担信用贷人工复核核心工作：日均处理80笔自动化初审通过的申请，通过“征信报告逾期记录与社保缴纳单位一致性校验”“收入证明与银行代发流水差额验证”等方法，识别15笔冒名顶替/资料造假申请（涉及金额180万元），将人工复核准确率从92%提升至97%，成为团队“欺诈识别能手”
• 参与“小额消费贷行为评分卡”数据标注：标注2000笔历史逾期客户的“近3个月网购退货率”“手机话费欠缴次数”“外卖订单地址稳定性”等23个行为特征，帮助模型团队优化评分卡区分度，KS值从0.45提升至0.52，模型对逾期客户的预测准确率提高12%
• 推动审批流程数字化改造：针对纸质材料传递耗时（单笔材料周转需2小时）的瓶颈，牵头测试“小楷电子文档管理系统”，整合身份证OCR识别、收入证明自动验真、征信报告结构化提取功能，实现材料线上上传、自动归档与跨部门共享，单笔申请资料处理时间从4小时缩短至1.5小时，团队每月节省120小时纸质材料整理工作量

协助完成零售信贷申请的初步筛选、数据录入与风险案例整理，参与新审批系统的测试与优化建议提交

• 负责零售信贷申请初步筛选：日均处理150笔申请，通过OCR技术提取身份证、银行卡关键信息，核对系统自动审核的“年龄、收入门槛”等基础规则执行情况，将初筛错误率从5%降低至1%，确保进入人工审核的申请质量提升40%
• 整理零售信贷逾期案例库：梳理2019年上半年120笔M1+逾期案例，归纳“收入负债比超50%”“近6个月征信查询超15次”“无稳定社保缴纳记录”等5个高频风险因子，编制《零售信贷常见风险点手册》，作为新人培训教材，使新人掌握核心风险点的时间从7天缩短至4天
• 参与新审批系统功能测试：模拟“白户（无征信记录）”“小额逾期（逾期天数≤30天）”“高负债（月供收入比≥60%）”等100种客户场景，记录系统审批结果与逻辑漏洞，提交32条优化建议，其中18条被产品团队采纳（如增加“白户社保连续缴纳时长”替代变量），系统上线后审批准确率提升8%

零售客户全生命周期精准运营体系重构项目

• 项目背景：信合银行零售业务面临传统粗放运营痛点——高价值客户（AUM≥50万）年流失率达18%，新客户3个月转化率仅18%，亟需通过数据驱动重构全生命周期运营体系，实现“精准识别-差异化运营-价值提升”的闭环。我的总体职责是担任项目负责人，统筹需求调研、模型搭建、策略设计及全渠道落地推广。
• 关键难题：一是多源数据整合困难，客户交易、行为、属性数据分散在核心系统、CRM、手机银行等6个平台，口径不一致导致分层模型精度不足；二是传统RFM模型无法覆盖生命周期阶段差异，难以识别“潜在流失”和“即将升级”的关键客群。解决方案：牵头搭建基于数据中台湖仓一体的客户数据仓库，统一12个核心指标（如AUM变动率、交易频率、产品持有数）的口径；引入XGBoost机器学习算法，构建“生命周期阶段（新客/成长/成熟/休眠/流失）+价值梯度（高/中/低）”的二维分层模型，将客户细分为16个精准客群。
• 核心行动：带领跨部门团队（数据部、科技部、运营部）完成数据治理，制定《零售客户数据口径规范》；针对每个客群设计差异化运营策略——比如“成长客群”（AUM10-50万，交易频率中等）推送“专属理财加息券+私行讲座邀请”，“休眠客群”（近6个月无交易）触发“小额消费返现+客服定向关怀”；搭建自动化营销链路，通过短信、APP push、客户经理一对一触达实现策略落地。
• 项目成果：项目上线6个月后，高价值客户流失率下降22%，新客户3个月转化率提升至29%，客户月均活跃度从45%提升到80%；带动AUM年增长15亿元，项目获总行“年度最佳零售运营创新奖”。我个人主导的模型准确率达89%，成为后续零售运营的核心工具，也验证了数据驱动的分层运营模式在传统银行的可行性。

社区零售客群场景化金融服务渗透项目

• 项目背景：信合银行社区客群基础庞大（约300万），但传统线下网点服务模式效率低，客户金融产品持有率仅32%（主要为储蓄卡和活期存款）。我的职责是担任项目执行负责人，聚焦社区高频生活场景设计金融服务渗透方案，提升社区客户的线上化服务体验与产品持有广度。
• 关键难题：一是金融服务与社区场景融合度低，居民日常缴费、物业、养老等场景缺乏金融触点；二是社区居民对线上金融服务的安全性信任度不足，初期推广转化率低。解决方案：联合本地头部社区服务平台“邻汇通”，搭建“社区生活+金融”小程序，整合物业缴费、周边商户优惠、养老服务预约等高频场景；引入区块链技术实现用户信息加密存储与交易溯源，解决信任问题。
• 核心行动：调研10个社区的2万居民，梳理出“缴费、养老、亲子、购物、社交”五大高频场景；设计“场景触发+精准推荐”的产品链路——比如物业缴费后推荐“缴费金额1%加息的货币基金”，养老预约后推送“专属老年年金险”；组织100场社区活动（金融知识讲座、亲子理财DIY），提升用户对线上服务的信任；联动社区网格员作为“金融顾问”，线上线下协同推广小程序。
• 项目成果：项目覆盖200个社区，小程序注册用户达50万户，社区客户金融产品持有率提升至51%（新增理财、保险等产品持有）；线上渠道交易笔数占比从15%提升到40%，带来新增客户8万户，AUM新增12亿元。我主导的场景融合方案被总行纳入“社区金融服务标准手册”，推广至全国10家分行，也让我积累了“场景化获客-精准转化-长期留存”的实战经验。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。