负责小微数字信贷产品全生命周期管理，联动技术、风控、运营团队从需求洞察到落地迭代，聚焦解决小微客群“融资难、融资慢、融资贵”痛点，推动产品价值与业务指标双提升

• 针对小微客群信用评估“轻资产、弱担保”导致的模型精准度不足问题，主导设计“小微经营能力画像”模型——整合工商变更、税务申报、收单流水、产业链舆情等12类外部数据，采用逻辑回归+随机森林算法构建多维度评估体系；联动第三方数据服务商拓展水电煤缴费、供应链上下游交易等补充数据，解决原始数据维度不全的问题；模型上线后KS值从0.59提升至0.68，对应客群30天逾期率下降1.2个百分点，支撑产品将年化利率较传统小微贷降低15BP
• 推动产品数字化流程重构，基于用户旅程地图（User Journey Map）拆解小微贷申请全流程，识别“资料填写繁琐、审批进度不透明”两大核心卡点；主导将流程从5步压缩至2步（营业执照OCR识别+收单流水自动导入），并嵌入实时审批进度看板；通过A/B测试验证，申请转化率从18%提升至45%，单户运营人工成本下降18%，该流程被纳入公司“小微产品设计标准模板”
• 联动风控与科技团队迭代“动态额度+弹性还款”策略——针对小微客群现金流季节性波动特征（如批发零售业旺季需提额、制造业淡季需延期还款），用ARIMA时间序列模型预测月度营收变化，设计“基础额度+临时提额”机制及“按季付息+到期还本/等额本息”灵活切换选项；接入企业ERP系统实时营收数据实现额度动态调整，上线后客群复贷率从28%提升至60%，客户NPS评分从41分升至56分
• 搭建小微客群分层运营体系，基于RFM模型（最近一次交易时间、交易频率、交易金额）与K-means聚类分析，将客群分为“高价值活跃”“潜力待唤醒”“流失预警”三类；针对高价值客群推送“专属利率折扣+提额券”，针对潜力客群发送“经营赋能课程+小额信用贷体验”；迭代后高价值客群3个月留存率从75%提升至96%，单客LTV（生命周期价值）增长15%，该体系获公司“年度产品运营创新奖”

协助小微金融产品全流程落地，参与需求调研、原型设计及上线后数据跟踪，支撑产品从0到1迭代优化

• 主导小微贷初始需求调研，用深度访谈法覆盖50家小微企业主（涵盖制造业、批发零售业、餐饮业），梳理出“审批时效超3天”“额度无法覆盖经营周转需求”“资料需提交纸质合同”三大核心痛点；输出《小微客群需求洞察报告》，明确产品“纯线上、快审批、随借随还”的核心定位，报告被产品委员会采纳为顶层设计依据
• 参与高保真原型设计，用Axure RP完成“小微贷申请-审批-放款”全流程原型，针对“资料上传入口分散”问题，将身份证、营业执照、银行流水等资料入口整合至“一键上传”模块，减少用户点击次数从8次降至2次；原型评审时技术团队提出“字段校验逻辑不清晰”问题，联动法务团队明确“手机号实名认证+银行卡四要素验证”规则，最终原型通过率从80%提升至95%
• 负责上线后用户行为数据分析，用SQL查询埋点数据库，发现“身份验证环节”流失率达35%（因短信验证码延迟导致）；建议优化验证码发送逻辑——切换至阿里云短信服务并设置“重发机制”，同时在前端增加“验证码倒计时”提示；优化后流失率降至18%，申请完成率提升22%
• 协助对接风控团队落地准入规则，整理“近6个月纳税连续性”“工商无异常记录”“收单流水月均≥5万”等8项核心规则；推动规则嵌入产品前端校验，减少无效申请量从40%降至15%，初始逾期率从4.5%降至3.1%

协助小微金融产品基础工作，包括需求收集、数据整理及文档撰写，支撑产品团队决策

• 协助收集小微客群行业分布数据，用Python爬取天眼查公开企业信息，筛选成立时间≥2年、员工数≤50人的小微企业，整理出制造业（38%）、批发零售业（24%）、餐饮业（18%）为TOP3行业；输出《小微客群行业集中度分析》，为产品聚焦“制造业供应链小微”定位提供数据支持
• 参与撰写《小微贷产品需求文档（PRD）》，梳理“申请资料清单”“审批流程”“额度计算逻辑”等核心模块；明确“营业执照有效期≥1年”“近12个月纳税次数≥6次”等字段校验规则，文档一次性通过技术与法务评审，未出现重大需求变更
• 协助运营团队开展用户调研，设计包含“审批速度满意度”“额度实用性”“操作便捷性”等12个问题的问卷，通过微信公众号回收有效问卷200份；分析发现“68%用户希望增加随借随还功能”，推动产品团队将该功能纳入V1.1迭代计划，上线后用户复借率提升12%
• 负责整理小微贷产品培训材料，针对一线销售团队编写“产品亮点手册”（包含“纯线上操作”“最快10分钟审批”“利率低至4.5%”等核心卖点）；组织10场线下培训，覆盖100名销售，培训后销售对产品知识的考核通过率从70%提升至90%

中小微企业智能信用评估系统研发及规模化落地项目

• 项目背景：传统普惠金融依赖财务报表与抵押品，中小微企业因财务不规范、缺乏可抵押资产，面临“信用评估难、融资触达难”痛点——公司当时服务的5万家企业中，近60%因评估不通过无法获得贷款，且不良率高达3.5%。我的核心目标是主导构建一套基于多源异构数据的智能信用评估系统，实现“无抵押、弱担保”下的精准风险定价，提升中小微企业覆盖度与贷款可得性。
• 关键难题：一是多源数据融合障碍——税务、发票、水电、供应链等数据格式不一、标准缺失，且涉及跨机构隐私合规；二是传统模型对轻资产企业失效——零售、服务类企业无固定资产，传统财务指标预测力不足；三是实时性要求——银行要求评估结果在10分钟内反馈，原有离线模型无法满足。
• 核心行动：1. 牵头设计“联邦学习+图神经网络”技术框架——联合银行、税务、供应链平台等5家机构，通过联邦学习在不传输原始数据的前提下联合建模，解决隐私问题；用图神经网络构建企业关联图谱，整合工商、司法、上下游交易数据，识别隐性关联方风险。2. 攻克轻资产企业建模难点——引入迁移学习，将制造业的“产能利用率”指标迁移至零售企业，替换为“店铺坪效”“复购率”等行业特异性指标，构建动态特征工程。3. 优化实时决策链路——采用Spark Streaming搭建实时数据处理管道，将评估耗时从60分钟压缩至8分钟以内。
• 项目成果：系统上线后，覆盖企业数从5万增长至80万，信用评估准确率从72%提升至89%，不良率降至1.8%；支持银行发放普惠贷款120亿元，其中首贷户占比45%。我个人主导了3个核心模块（联邦学习框架、图谱模型、实时决策引擎），申请2项发明专利（“基于联邦学习的中小微企业信用评估方法”“多行业迁移的轻资产企业信用预测模型”），参与编写《数字普惠金融信用评估技术规范》行业标准草案。

普惠金融智能风控中台迭代及场景化落地项目

• 项目背景：随着业务扩张，公司服务的客群从“头部中小微”下沉至“个体工商户”，同时拓展了电商贷、供应链贷、农贷等3个新场景——原有风控中台为通用模型，对场景化需求适配不足，且实时风控覆盖率仅60%，无法满足“秒级审批”的用户体验要求。我的核心目标是迭代风控中台，实现“场景化、实时化、可配置化”，支撑业务向更下沉客群与多元场景渗透。
• 关键难题：一是场景泛化问题——电商贷的“订单履约率”“物流时效”与供应链贷的“应收款账期”“核心企业信用”特征差异大，通用模型AUC仅0.72；二是实时性瓶颈——原有批处理模式无法应对每秒10万+的并发请求；三是合规动态性——反洗钱、征信规则每月更新，人工调整效率低，易出现合规漏洞。
• 核心行动：1. 构建“基础层+场景层”多任务学习模型——基础层提取企业资质、经营者信用等通用特征，场景层针对电商、供应链等场景适配专属特征，模型AUC提升至0.89，电商贷不良率从2.2%降至1.1%。2. 升级实时风控引擎——采用Flink替换Spark Streaming，搭建“数据采集-特征计算-决策输出”全链路实时 pipeline，将单笔贷款审批时间从5分钟压缩至10秒以内，实时风控覆盖率提升至100%。3. 开发合规规则引擎——对接监管机构API，自动同步反洗钱、征信规则，支持“热更新”，每月减少人工干预80%，合规违规事件下降90%。
• 项目成果：中台支撑公司拓展3个新场景，新增贷款规模50亿元，个体工商户贷款占比从15%提升至35%；单笔贷款运营成本从200元降至50元，效率提升75%。我个人主导了中台架构从“通用型”到“场景化”的升级，编写《普惠金融实时风控最佳实践》内部手册，成为团队技术标准；推动风控模型与业务场景的深度绑定，使公司在“下沉客群+多元场景”的数字普惠赛道中建立了技术壁垒。

• 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。