负责小微数字信贷产品全生命周期管理，聚焦制造、批发零售等细分客群，联动技术研发、风险建模、运营推广团队优化“需求洞察-产品设计-落地迭代-价值放大”链路，推动产品精准覆盖小微实体经营场景。

• 主导某制造型小微客群专项产品从0到1落地：通过SQL提取企业征信、税务、支付流水30万+维度数据，用K-means聚类划分“初创-成长-稳定”三阶段客群，结合用户访谈锁定“设备采购周转”“应收账款垫资”核心需求；用Axure输出原型并联动技术团队开发“订单贷+应收贷”组合产品，嵌入税务数据自动核额功能，上线前通过A/B测试验证应收贷模式通过率高12%，最终产品3个月内覆盖8个产业集群，首贷户1.2万户，人均授信较通用产品提升40%。
• 针对批发零售存量客群30天转化率仅15%的问题，用用户旅程地图定位“流程繁琐、额度不清晰、贷后滞后”痛点：将申请步骤从7步压至4步，引入“实时额度预评估”（基于交易数据动态更新可贷金额），通过Tableau搭建贷后预警看板联动运营推送续贷方案，优化后转化率提升至28%，客群LTV增长25%。
• 推动风险与产品协同降本增效：针对前期不良率1.8%超预期问题，联合风控团队建立“行为评分卡+电商物流/平台评分”补充模型，同时在产品端上线“额度动态调整”功能（当月均交易笔数降15%时触发复核），最终该客群不良率降至1.2%，续贷率保持85%以上。
• 搭建产品数据监测体系：基于Tableau和内部BI工具构建“获客-转化-资产质量-留存”四维看板，识别“夜间申请转化率仅8%”问题，联动技术上线7×24小时智能客服+快速审核通道，夜间转化率提升至19%，全年节省客服成本120万元。

辅助小微数字信贷产品需求落地与迭代，聚焦个体工商户、小微企业主客群，参与需求调研、功能设计及数据验证，支撑产品渗透下沉。

• 核心参与个体工商户经营贷优化：通过问卷星收集5000+个体调研数据，定位“无抵押、审批慢”痛点，协助设计“信用+场景”组合额度——基于支付宝/微信流水给信用贷，叠加美团外卖订单给场景贷；联动技术上线“秒批秒贷”功能，审批时效从48小时缩至15分钟，个体工商户客群占比从18%升至32%。
• 负责迭代效果追踪：用SQL分析用户行为发现“额度页跳出率40%”，建议将“可贷额度”移至页面顶部并加“计算逻辑弹窗”，优化后跳出率降至22%，申请完成率提升17%。
• 支持风险模型落地：协助收集小微客群微信社群活跃度、支付宝小微好友占比等社交数据，纳入风险评分模型，模型预测准确率提升8%，间接降低不良率0.3个百分点。

协助小微基础信贷产品需求调研、功能测试及初期迭代，支撑产品从0到1上线并适配小微客群基础需求。

• 协助首款小微信用贷需求调研：线下走访10家小微企业、5家个体工商户，整理“材料繁、利率不透明”诉求，输出《小微需求报告》，推动产品简化材料（8项减至3项）、增加“利率计算器”。
• 负责产品测试与问题跟踪：用Jira跟踪120+个bug，推动解决“额度计算错误”“还款提醒延迟”等问题，确保产品按时上线，首月注册量5000+，超目标20%。
• 参与用户反馈优化：通过问卷网收集2000+反馈，针对“还款方式单一”问题建议增加“自动扣款+主动还款”双渠道，优化后逾期率从2.5%降至1.8%。

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。