负责公司数字普惠小微金融产品「小微快贷」的全生命周期管理，聚焦客群需求洞察、产品功能迭代及风险-收益平衡，推动产品规模从30亿增至85亿，服务小微客群超12万户。

• 主导完成产品3.0版本迭代，针对客群反馈的『审批时效慢』『额度测算不精准』痛点，牵头搭建『经营场景+行为数据』双维度额度模型：接入税务、收单、电商平台等12类外部数据，结合IPC交叉验证逻辑优化尽调流程，将平均审批时长从48小时压缩至6小时，额度通过率从28%提升至41%，首逾率稳定在1.2%以内。
• 设计『随借随还+阶梯定价』功能模块，基于LTV-CAC模型动态调整利率策略：通过SQL分析客群用款周期分布，识别出60%客群存在『短期周转』需求，针对性上线按日计息功能；同步优化风险定价引擎，引入设备指纹、位置轨迹等反欺诈特征，使优质客群利率下降15BP，产品复贷率提升22%。
• 推动与地方政府『中小微企业服务平台』的合作对接，打通工商、社保、水电煤等政务数据接口：制定数据脱敏与合规使用SOP，完成200万条政务数据的清洗与特征工程，基于XGBoost算法优化预授信模型，新增触达沉默小微客群8.6万户，其中3.2万户转化为实际借款用户，获客成本降低35%。
• 统筹跨部门资源完成产品合规升级，应对监管『断直连』与『征信新规』要求：梳理产品资金流、信息流链路，主导设计『联合贷+助贷』双模式合规方案，协调法务、风控、技术团队完成17项业务流程改造，确保产品在监管过渡期内零合规风险，存量业务续贷率保持92%以上。

聚焦个体工商户小微客群，负责『商e贷』产品从0到1孵化及规模化推广，实现产品上线18个月内放款规模破20亿，客群覆盖全国28个省份。

• 完成客群深度画像与需求验证：通过问卷调研、深度访谈及交易流水分析，识别出个体工商户『短频急』（平均用款周期14天）、『轻资产』（83%无抵押）、『重口碑』（依赖熟人推荐）三大核心需求，据此定义产品『纯信用、随借随还、纯线上』三大特性，立项通过率较公司同类产品提升40%。
• 主导设计『经营流水+社交信用』风控体系：整合微信/支付宝收单流水、店铺评分、客户评价等弱金融数据，构建『稳定性-成长性-社交信任』三维评分卡；引入图计算技术识别关联客群风险，将客群逾期率控制在1.8%（低于行业均值2.5%），支撑产品风险定价下探至年化12%-15%，提升客群覆盖广度。
• 推动产品冷启动与规模化：制定『区域试点-模式复制-全国推广』三阶段策略，在杭州、成都试点期间通过地推团队+收单机构联合获客，验证单客获客成本85元；上线后优化APP注册流程（减少3个步骤），通过裂变红包活动提升老客推荐率，6个月内自然流量占比从15%提升至42%，注册用户突破50万。
• 搭建产品运营指标体系：基于AARRR模型设计『获客-激活-留存-变现-推荐』全链路监控看板，重点跟踪『首借转化率』『额度使用率』『NPS净推荐值』等核心指标；通过归因分析发现『额度展示不清晰』导致23%用户流失，优化额度页交互后首借转化率从18%提升至29%。

协助完成小微抵押类产品『房抵快贷』的功能迭代与客群运营，参与需求分析、流程设计及数据复盘，推动产品放款量年增长65%，客诉率下降40%。

• 参与产品需求评审与PRD撰写：梳理业务部门『提升抵押率』『缩短办理周期』需求，运用Axure完成12个核心功能原型设计（含线上房产评估、电子签约等模块），协调UI/UX团队优化交互，使抵押登记线上化率从30%提升至75%，平均办理周期从10天压缩至5天。
• 支持风控模型优化：提取近1年3万笔借款数据，用SPSS进行相关性分析，发现『房龄+区域房价波动』对逾期率影响显著（R²=0.68），推动将房龄限制从25年放宽至30年，同时接入第三方房价预警接口，模型KS值从0.62提升至0.71，优质客群抵押率从60%提升至70%。
• 执行客群运营策略：针对『提前还款率高』问题（达45%），通过用户分群（按借款期限、资金用途）设计差异化权益——对经营周转客群推送『无还本续贷』，对消费客群推送『利率折扣券』，3个月内提前还款率下降18%，客均收益提升120元/户。
• 完成竞品分析与策略建议：定期研究网商银行、微众银行等竞品动态，输出《小微抵押贷产品体验对标报告》，指出『线上化程度不足』『客群分层模糊』等5项短板，推动产品上线『远程视频面签』『智能推荐抵押方案』功能，用户满意度从81分提升至89分。

中小微企业多维度信用评估与普惠信贷产品规模化落地项目

• 项目背景：当前中小微企业因财务数据不规范、缺乏可抵押资产，面临“融资难、融资贵”痛点——传统银行信用模型依赖报表数据，对轻资产、现金流波动大的企业覆盖不足，公司需构建“数据多维、模型精准、合规安全”的普惠信贷解决方案，目标是将中小微企业信用评估准确率提升至85%以上，支撑年放款规模超50亿元的产品落地。
• 关键难题：① 数据孤岛问题——企业税务、供应链、舆情等数据分散在不同机构，无法联合建模；② 行业异质性挑战——制造业、批发零售、餐饮等行业经营逻辑差异大，通用模型泛化能力弱；③ 合规边界——需平衡数据利用与《个人信息保护法》《征信业务管理办法》的要求。
• 核心行动：1. 技术破局：牵头定制化改造FATE联邦学习框架，搭建跨银行、税务、电商平台的“数据可用不可见”协同平台，整合12家机构的非共享原始数据；2. 模型优化：针对行业差异引入迁移学习，基于制造业设备运转IoT数据、批发零售库存周转数据、餐饮现金流峰值特征，分别调优子模型；3. 特征扩展：用BERT微调模型提取企业舆情、司法涉诉等非结构化数据的风险特征，同时设计动态权重机制——如疫情期间将“现金流稳定性”权重从20%提升至35%，疫情后回调至15%。
• 项目成果：① 信用评估准确率从72%提升至89%，模型泛化误差降低40%；② 推出的“小微易贷”产品覆盖企业从10万家扩展至50万家，不良率稳定在1.8%（低于行业平均2.5%）；③ 支撑合作银行发放普惠贷款82亿元，公司数字普惠业务市场份额较项目前提升15%。个人贡献：主导技术方案设计与跨机构合规协调，解决了数据孤岛与行业适配核心问题，推动产品从原型验证到规模化落地的关键跨越。

农村客群普惠金融服务适配性优化项目

• 项目背景：农村地区金融需求呈现“分散、周期化、低征信覆盖”特征——传统金融产品期限与农业生产周期错配（如种植户需6个月贷款但产品多为1年期）、额度与经营规模不匹配（如养殖户需10万元但产品最低20万元），导致服务覆盖率仅35%。目标是通过客群精准画像与需求预测，优化农村普惠金融产品的适配性，将服务覆盖率提升至55%以上。
• 关键难题：① 数据缺失——农村客群征信数据少，70%农民无信用卡或正规贷款记录；② 需求隐性——农业生产周期差异大（如水稻种植vs生猪养殖），潜在需求难以通过传统数据识别；③ 触达效率低——农民习惯线下服务，线上产品转化率不足10%。
• 核心行动：1. 数据整合：采集农地确权、农业补贴、农产品电商销售、村两委线下反馈等4类非传统数据，构建“生产经营+社交属性”的农村客群画像；2. 需求预测：用XGBoost+图神经网络（GNN）模型，关联家庭结构、种植面积、农资采购周期等特征，提前3个月预测资金需求（如种植户在3月需采购种子化肥，对应贷款需求为5-8万元、期限6个月）；3. 渠道联动：设计“线上产品+线下触点”模式——通过村邮站、助农服务点的二维码引流，简化申请流程（仅需3项资料，审批时效从3天压缩至1天）。
• 项目成果：① 农村客群服务覆盖率从35%提升至62%，产品适配率（期限/额度匹配生产周期）从58%提升至81%；② 发放农村普惠贷款25亿元，不良率1.5%（低于行业农村金融平均2.2%）；③ 线上产品转化率提升至28%，较之前增长180%。个人贡献：构建了农村客群首个“非征信数据驱动的需求预测模型”，推动线上线下融合的服务模式落地，解决了农村金融“最后一公里”的适配性问题。

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。