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。

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。