负责数字普惠金融小微客群信贷产品全生命周期管理，统筹需求洞察、策略设计、技术落地及规模化推广，目标提升客群覆盖广度、风险可控性与商业可持续性。

• 基于NLP技术分析3万+条小微客户客服对话及贷后反馈，识别‘审批时效’‘还款灵活性’‘额度适配性’三大核心痛点，运用KANO模型完成需求优先级排序，主导设计‘智能极速审批+弹性还款包’功能模块，联合算法团队优化XGBoost风险定价模型，将平均审批时长从48小时压缩至6小时，首贷客户30天复贷率提升27%。
• 针对个体工商户、小微企业主两类客群风险特征差异，牵头搭建‘经营流水-税务数据-设备物联’多维度风控体系，接入央行征信、税务平台及第三方物流数据，设计动态额度调整策略（如餐饮类客户旺季自动提额30%），上线6个月内客群不良率稳定在1.8%以内，较传统小微贷产品下降0.9个百分点。
• 推动与网商银行、联易融等机构的银企直连合作，搭建‘API+H5’双接入渠道，解决小微客户‘多平台切换’痛点，同步上线微信小程序‘经营贷服务专区’，集成额度试算、进度查询、还款提醒功能，Q4新增获客中35%来自导流渠道，客户触达效率提升40%。
• 主导完成监管合规升级，梳理《个人信息保护法》《商业银行互联网贷款管理暂行办法》等12项法规要求，优化KYC流程（增加人脸识别+经营场所OCR核验），设计‘客户授权-数据脱敏-权限分级’全链路合规机制，顺利通过银保监现场检查，产品合规评分从82分提升至95分。

聚焦个体工商户及小微企业主信贷需求，参与产品迭代与策略优化，协同风控、技术团队提升产品竞争力与风险收益比。

• 通过SQL挖掘存量小微客户行为数据，发现‘结清后再贷率仅41%’的核心问题，定位原因为‘还款后额度恢复滞后’及‘缺乏复贷引导’。设计‘随借随还+结清即时提额’功能，同步开发APP弹窗/短信复贷提醒策略，3个月内再贷率提升至63%，对应产品月均放款量增长28%。
• 针对客群风险分层模糊问题，主导搭建‘经营稳定性-还款能力-信用历史’三维评分卡，引入水电缴费、电商平台交易流水等弱金融数据，优化风险策略阈值（如将月均流水波动标准差纳入准入条件），新客逾期90天+率从3.2%降至2.1%，存量客户风险预警准确率提升19%。
• 推动与收钱吧、美团生意贷的场景化合作，嵌入餐饮、零售类商户收款流水直接授信功能，设计‘交易流水×经营周期系数’动态额度模型，上线8个月内通过场景获客1.2万户，户均授信额度8.6万元，场景客群资产收益率较自营渠道高1.2个百分点。
• 搭建小微客群LTV（生命周期价值）预测模型，结合首贷金额、复贷频率、交叉销售潜力（如叠加支付服务）等指标，输出高价值客群画像（月流水5万+、经营时长2年以上），针对性设计‘专属客户经理+费率优惠’权益包，高价值客群留存率从55%提升至72%。

协助完成小微贷款产品设计、测试及试点推广，参与客户需求调研与竞品分析，支持产品从0到1落地。

• 参与某城商行‘小微快贷’产品需求调研，走访200+个体工商户及小微企业，运用用户旅程地图梳理‘申请-审批-用款’全流程堵点（如纸质材料繁琐、抵押评估周期长），输出《小微客户需求痛点报告》，推动产品简化为‘纯线上申请+电子营业执照认证’，试点期客户转化率较传统小微贷提升35%。
• 协助搭建产品测试体系，设计‘功能测试-压力测试-用户体验测试’三级验证框架，使用Jira跟踪127项测试用例，发现‘跨行银行卡绑定失败’‘还款计划展示不清晰’等23个关键问题，推动技术团队优化接口兼容性及前端交互逻辑，测试通过率从81%提升至97%。
• 负责试点区域（长三角3个城市）推广支持，制定‘园区宣讲+行业协会合作’地推策略，设计‘首贷免息券+财务软件折扣’权益组合，3个月内完成5000万放款目标，超额达成试点KPI的120%，相关经验被纳入总行普惠金融标准化推广手册。

小微商户信用评估模型迭代与全流程数字化平台搭建

• 项目背景：小微商户因缺乏规范财务报表、抵质押物，长期面临融资“准入难、审批慢、额度低”问题；公司原有信用评估模型依赖税务、工商等传统数据，覆盖商户仅12万，且不良率随客群扩张升至2.5%，亟需通过“数据维度拓展+全流程数字化”提升普惠覆盖效率与风险管控能力。我的核心职责是主导模型迭代、技术架构设计及跨业务/风控/合规部门的落地推进。
• 关键难题：1）传统数据维度单一，无法捕捉小微“经营流水、场景行为”等动态信用信号；2）实时决策延迟高（原30分钟），难以匹配小微商户“短、频、急”的融资需求；3）数据合规边界模糊，整合第三方场景数据时存在隐私泄露风险。
• 核心行动：1）数据层：联动支付机构、电商平台、税务系统获取商户流水、交易频次、客群评分等6类新数据，采用联邦学习框架在不共享原始数据的前提下训练融合模型，解决隐私与数据价值平衡问题；2）模型层：将原逻辑回归模型升级为“XGBoost+LightGBM” ensemble模型，重点挖掘“近3个月收款码动账次数”“旺季交易峰值占比”等20+个弱变量特征，提升对“隐性信用能力”的识别精度；3）技术层：搭建微服务架构的实时决策引擎，引入Flink流处理框架实现“数据接入-特征计算-额度审批”端到端5秒内完成，同时设计“数据脱敏+权限分级+审计日志”体系，满足银保监会《商业银行互联网贷款管理暂行办法》要求。
• 项目成果：1）模型准确率从72%提升至85%，不良率稳定控制在1.8%以内，覆盖商户拓展至35万，其中首贷户占比42%；2）全流程平台支持日均10万+笔贷款申请，业务处理效率较之前提升70%，客户满意度从68分升至89分；3）项目成为公司“数字普惠”核心产品，2023年带来新增营收1.2亿元，获银保监会“小微企业金融服务优秀案例”提名。我个人主导了模型迭代路径设计与技术架构选型，推动解决了“数据合规”与“实时决策”两大核心瓶颈。

农村客群小额信贷精准触达与风险预警系统开发

• 项目背景：农村客群因居住分散、金融知识匮乏，传统“线下扫街”触达方式效率低（有效转化率仅8%），且风险预警依赖“逾期30天”等滞后指标，不良率高达3.2%。公司亟需通过“数据驱动的精准触达+前置风险预警”破解农村普惠“最后一公里”难题。我的职责是负责算法模型开发、触达策略优化及系统模块落地。
• 关键难题：1）农村客群数据稀疏（仅拥有农地确权、农机补贴等5类静态数据），传统信用评分模型无法有效区分风险；2）触达渠道分散（线下网点、手机银行、助农服务点），用户行为数据割裂，难以实现个性化推荐；3）风险预警指标滞后，无法提前识别“因自然灾害、农产品价格下跌”导致的还款能力恶化。
• 核心行动：1）数据层：整合农业农村部“农地流转”数据、气象局“县域降水/气温”数据、农产品交易所“价格指数”数据，采用迁移学习算法将城市客群的“交易行为特征”迁移至农村客群，构建“生产经营+社交关系+外部环境”三维特征体系；2）触达层：基于协同过滤算法分析客群偏好——例如针对种植户优先推荐助农点“线下测额”，针对养殖户推送手机银行“饲料款分期”优惠，将触达精准度提升40%；3）风险层：搭建LSTM+注意力机制模型，引入“未来15天降水概率”“生猪价格环比跌幅”等外部变量，实现“还款能力下降”提前30天预警，替代原有的“逾期后干预”模式。
• 项目成果：1）有效客户转化率从8%升至15%，单客获客成本下降35%；2）风险预警准确率从65%提升至82%，农村客群不良率降至1.1%，低于行业平均水平；3）系统覆盖河南、山东等5个省份18个县域，服务农村客群20万+，助力公司获得“乡村振兴金融服务试点单位”资质。我个人设计了农村客群三维特征体系，优化了个性化触达算法，推动了气象/农业数据的跨领域接入，解决了农村客群“数据少、触达难、预警滞后”的核心问题。

• 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。