统筹高净值客户（AUM 300万+）全生命周期财富管理服务，涵盖需求诊断、跨周期资产配置方案设计、复杂产品销售及客户关系深度运营，同时承担团队新人带教及区域理财策略协同职责。

• 主导高净值客户财富管理全流程，通过KYC深度访谈、家庭财务报表建模及RDR风险偏好评估工具，精准识别客户保障缺口、教育金/养老金储备等核心需求，结合标准普尔家庭资产象限图定制「固收+（60%）+私募股权（30%）+保险金信托（10%）」跨周期配置方案，任职期间累计服务87位客户，管理AUM从12.6亿增长至21.3亿，年复合增长率19.8%，超分行目标值4.3个百分点。
• 针对2023年Q2股债双杀市场波动，创新建立「季度检视+蒙特卡洛压力测试」机制，运用Wind金融终端测算客户组合最大回撤阈值，主动将低流动性资产占比从35%压降至22%，增配同业存单指数基金平滑波动，辖内客户季度赎回率从11.2%降至4.7%，NPS净推荐值提升至78分（区域平均65分），获总行「市场波动应对优秀案例」表彰。
• 牵头设计「新市民财富成长计划」，聚焦代发工资客群（月收入1-3万），通过CRM系统筛选25-40岁储蓄率超40%的潜在客户，运用FABE法则（特征-优势-利益-证据）推荐「零钱理财+教育金定投+重疾险」组合包，6个月内触达客户1200人次，转化有效户186户，带动储蓄型保险销售3200万、货币基金增量保有量4.1亿，客均AUM提升28%。
• 承担团队新人带教职责，开发「客户需求挖掘五步法」培训课程（含KYC话术库、资产配置沙盘演练），累计培训23名新理财经理，其中15人3个月内达成百万AUM考核，团队整体人均产能从1200万/季提升至1520万/季，增幅27%。

负责大众富裕客户（AUM 50-300万）的资产配置推动与关系维护，聚焦储蓄转化、净值型产品推广及客户分层运营，同步参与网点理财业务策略落地。

• 通过CRM系统标签化管理（「养老储备」「子女教育」「闲置资金增值」），针对性推荐「养老目标日期基金（TDF）+教育金年金+T+0货币基金」组合，任职期间管理客户数从78户增至142户，AUM规模从3.2亿增长至6.8亿，客户留存率91%（部门平均83%），超额完成年度KPI 120%。
• 应对资管新规过渡期客户疑虑，制作「净值型产品认知手册」（含历史兑付数据、底层资产穿透案例），组织12场线下沙龙（单场覆盖20-25人），推动净值型理财销售占比从45%提升至79%，所在网点获分行「净值化转型先锋网点」称号。
• 搭建客户转介绍体系，设计「老带新积分翻倍」激励机制（推荐新客户达标可兑换高端体检/酒店权益），6个月内转介绍客户占比从18%提升至35%，新增有效户94户，带动基金销售1.2亿、保险期交产品4500万，贡献网点非息收入18%。
• 参与总行「智能投顾辅助系统」试点，收集一线需求23条（如简化资产诊断流程、增加税务规划模块建议），其中11条被采纳上线，系统客户使用满意度从72%提升至89%，获总行「系统优化贡献奖」。

服务基础零售客户（AUM 50万以下），开展基础业务办理与投资者教育，挖掘潜力客户并推动转化，同步学习标准化产品销售技能。

• 服务基础零售客户期间，完成信用卡、电子银行激活等基础业务1200+笔，同步开展「理财小课堂」（每月1次，讲解基金定投、国债逆回购知识），6个月内转化潜力客户37户（AUM提升至50万以上），占网点同期新晋有效户的29%。
• 主推现金管理类理财、纯债基金等标准化产品，制作「短期限理财选择指南」对比竞品收益率与流动性，推动网点非存款类产品销售占比从28%提升至41%，个人月均销售业绩从80万增长至220万，连续3季度获网点「销售之星」。
• 协助资深理财经理完成客户需求调研，设计「客户理财目标问卷」（覆盖短期消费、中期教育、长期养老三维度），回收有效问卷400份，提炼「30岁以下重流动性，40岁以上重养老」群体特征，为产品推送策略提供数据支持。
• 考取RFP（注册财务策划师）资格，系统掌握保险规划、税务优化知识，为客户设计「重疾险+医疗险+定期寿险」组合解决家庭风险缺口，客户转介绍率提升40%，获分行「专业服务标兵」称号。

零售客户全维度分层经营体系重构与数字化落地项目

• 项目背景：兴邦银行传统零售客户分层仅依赖“资产规模”单一维度，导致高潜客群识别精准度不足（营销响应率仅8%）、存量客户运营效率低下（AUM年增长率不足5%）。我的核心目标是主导重构“业务场景联动+行为需求驱动”的客户分层体系，联动数据、营销、分支行等多部门，实现从“粗放式分层”到“精准化运营”的转型，最终提升客户价值贡献。
• 解决的难题：一是传统模型无法捕捉客户“隐性需求”与“行为偏好”，多源数据（CRM、交易系统、APP埋点、客服日志）整合存在技术与业务壁垒；二是需平衡模型精准度与一线团队实操性，避免“模型复杂但落地难”。我选择以“客户生命周期价值（CLV）+ 行为细分”为核心框架，引入自然语言处理（NLP）解析客服咨询内容识别需求，通过APP埋点追踪“理财页面停留时长”“信用卡还款提醒点击率”等12类行为指标，解决数据碎片化问题。
• 核心行动：牵头梳理12个零售核心业务场景（如理财转化、信用卡提额、消费贷交叉销售），定义“资产状况、行为习惯、需求偏好”三大维度的8类分层指标；对接数据中台开发“实时客户360°画像接口”，支持营销活动实时触发；设计A/B测试方案，选取20万存量客群验证模型效果，根据测试结果调整模型权重（如将“近期理财赎回频次”权重从15%提升至25%），确保模型适配一线营销节奏。
• 项目成果：重构后的分层模型精准度较传统体系提升40%，营销响应率升至15%，单客AUM年增长率达12%，客户流失率下降7%；项目推动零售条线全年增收8000万元，分支行营销人力投入减少20%。我个人主导的“行为-需求双驱动分层模型”被纳入总行零售客户运营标准框架，成为后续客群精细化运营的基础工具。

大数据驱动的零售信贷客群风险画像与准入优化项目

• 项目背景：兴邦银行零售信贷规模年增速超30%，但不良贷款率攀升至2.1%，传统准入策略依赖财务报表与征信报告，既无法覆盖年轻客群（如刚工作的白领），也难以识别“征信白户”的隐性风险。我的目标是参与构建“大数据+机器学习”的风险画像体系，优化客群准入与额度策略，在控制风险的同时提升业务拓展效率；主要负责风险模型迭代、客群策略制定及落地后监控。
• 解决的难题：一是非传统数据（如电商消费、社保缴纳、社交行为）的合规获取与有效整合；二是如何平衡“风险控制”与“客群覆盖”——年轻客群虽无征信记录，但消费稳定性可反映还款能力。我采用“合规优先+特征筛选”策略，对接持牌第三方数据服务商获取15类外部数据，通过梯度提升树（GBDT）算法筛选出30个有效风险特征（如“近6个月网购退货率”“社保缴纳连续时长”“社交账号活跃度”）。
• 核心行动：参与数据清洗与特征工程，剔除冗余特征（如“注册时间”相关性低），强化高区分度特征（如“水电煤缴费逾期次数”）；设计“分客群动态准入规则”——针对年轻白领客群，将“社保缴纳连续12个月以上”作为基础门槛，结合“APP内信贷产品浏览时长”调整额度（浏览时长超30分钟的客户额度上浮15%）；建立模型监控机制，每周跟踪风险指标（如不良率、误拒率），及时调整模型参数以适配市场变化。
• 项目成果：零售信贷不良率降至1.5%，审批时效从3天缩短至4小时，新增信贷规模12亿元，客群覆盖度提升35%（新增年轻客群占比40%）。我主导的“非传统数据风险特征库”成为总行零售信贷风控的核心工具之一，个人获当年“兴邦银行数字化风控先进个人”，项目经验也为后续普惠金融客群拓展提供了风险管控模板。

• 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。