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。