负责小微客群数字信贷产品的全生命周期设计、迭代与落地，联动风控、技术研发、运营团队打通“需求-开发-验证”闭环，聚焦小微融资“短频急、缺抵押、数据散”痛点，推动产品覆盖率、用户生命周期价值及资产质量协同提升

• 主导设计“多源经营数据归集+动态授信”产品模块，针对小微商户流水分散（微信/支付宝/银行/电商平台）的痛点，牵头制定第三方数据接入标准，使用ETL工具整合12类经营数据，结合XGBoost机器学习模型优化授信特征（如“近3个月夜间交易频次”“跨平台流水稳定性”），将授信通过率从18%提升至40%，首贷户规模季度环比增长35%
• 为解决小微“随借随还”需求与固定还款方式的矛盾，重点优化“弹性计息+阶梯利率”功能：通过敏捷开发迭代3版原型，用用户旅程地图梳理“借款-计息-还款”全链路痛点，引入实时定价引擎（基于RAROC模型动态调整利率），最终实现“按天计息、随借随还”，产品复贷率从45%提升至73%，客户NPS从32分升至58分
• 打造“小微经营场景化风控体系”，整合商户POS流水、供应链订单、税务数据等多维度信息，用知识图谱构建“商户-关联方-交易对手”关联网络，结合设备指纹、反欺诈算法识别多头借贷（拦截率达89%），推动产品不良率稳定在1.7%（低于行业平均0.6pct）
• 推动产品下沉县域小微市场，主导“县域特色产业定制化项目”：调研15个县域（纺织/农机/生鲜等产业），用PEST+用户访谈法提炼“产业周期适配”“本地化贴息”核心需求，设计“产业专属额度（最高50万）+地方政府利息补贴”方案，上线6个月县域市场覆盖率从12%提升至36%，新增用户中县域占比达42%

协助小微信贷产品的需求挖掘、原型设计与落地支持，参与用户需求分析、竞品对标及功能迭代验证，推动产品从0到1落地与用户体验优化

• 全程参与“个体工商户信用贷”产品落地：用问卷星发放800份调研问卷，深度访谈120家商户，归纳“无抵押、快审批、随借随还”三大核心需求，输出《个体工商户需求分析报告》，支撑产品定位为“纯线上、3分钟审批、额度循环使用”，上线3个月用户量突破1.2万
• 负责产品原型设计与交互优化：使用Axure RP制作11版流程原型，联动UI团队简化申请步骤（从5步压缩至3步），突出“额度预览”“审批进度实时查”核心信息，将申请转化率从28%提升至46%
• 搭建产品数据监测体系：用SQL提取用户行为数据（如“身份认证流失率”“额度查看率”），构建漏斗分析模型，发现“人脸识别认证”环节流失率达35%，推动优化为“身份证OCR+活体检测”双验证，流失率降至18%，审批时效从24小时缩短至1.5小时

协助小微金融产品的基础数据整理、用户反馈收集与竞品监测，参与功能测试与迭代建议输出，熟悉小微信贷产品设计全流程

• 整理小微客群征信与交易数据：用Python编写自动化清洗脚本，处理10万条格式混乱数据（如缺失值填充、异常值剔除），输出《小微客群数据质量报告》，为后续授信模型训练提供准确数据基础
• 用户反馈分析与痛点挖掘：收集线上问卷（500份）、客服记录（200条）反馈，用标签体系分类归纳出“审批慢”“额度低”“操作复杂”Top3痛点，提交《用户反馈优化建议》，其中“审批慢”问题推动技术团队优化模型，审批时间缩短87.5%
• 竞品动态监测与洞察：定期爬取网商银行“百灵计划”、微众银行“微业贷”等产品信息，用SWOT分析输出《小微信贷竞品监测报告》，其中“场景化嵌入”建议被采纳，推动产品接入本地生活服务平台（如美团商户版），新增获客占比25%

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。

• 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。