协助小微数字信贷产品全生命周期初期工作，聚焦需求调研、原型设计与落地支持，联动基础团队完成产品上线前准备，核心解决小微客群“审批慢、额度不准”的初始痛点

• 协助完成10万+餐饮/零售/制造业小微业主的需求调研，通过用户访谈、问卷星数据统计及用户旅程地图绘制，识别“审批时效慢”“额度匹配度低”两大核心痛点，输出《小微数字信贷需求优先级矩阵》，推动“30分钟内初审反馈”“动态额度试算”纳入首期功能清单，支撑产品上线首月获客量提升25%
• 主导产品原型设计（Axure RP 10），针对小微业主“轻量化操作”需求简化注册流程至3步（身份证上传、经营场所验证、人脸识别），联动技术优化前端交互逻辑，将注册转化率从18%提升至29%；同步输出《产品操作手册》《客服FAQ》，降低客诉率15%
• 参与风控模型前期输入，整理3个月历史申请数据，用SQL提取“近6个月流水波动幅度”“经营场所租赁时长”等12个关键特征，为风险定价模型提供基础变量，助力首期产品不良率控制在1.8%以内

负责小微供应链金融产品设计落地，联动核心企业与金融机构，构建基于真实贸易背景的数字信贷解决方案，推动产品规模化复制与价值转化

• 主导某制造业核心企业供应链小微金融产品设计，访谈10家上游供应商与3家金融机构后，针对“应收账款确权慢”“融资成本高”痛点，创新“区块链+电子合同”确权模式——对接核心企业ERP系统实现应收账款实时上链，确权时效从3天缩至4小时；联动风控构建“贸易真实性评分卡”，融资利率较传统模式降1.2个百分点，上线3个月服务200+小微供应商，放款规模达5000万元
• 通过Tableau分析用户行为发现“发票上传失败率30%”，定位OCR对手写发票兼容性不足，协调技术引入百度OCR定制化模型，识别准确率从85%提至98%，失败率降至5%以内；优化还款提醒功能（短信+微信模板消息），将逾期30天内还款率从72%提至85%
• 搭建产品运营体系，设计“核心企业推荐奖励机制”（MGM模式），推荐小微供应商的核心企业可享供应链金融费率折扣，3个月内该渠道新增获客占比40%；建立产品KPI看板（监控放款量、不良率、客户满意度），每月输出《运营报告》推动优化，季度复购率从55%提至68%

统筹公司小微数字信贷产品矩阵全生命周期管理，聚焦客群分层与精准触达，联动技术与业务团队实现产品价值最大化，支撑年度小微业务增长目标

• 主导小微客群分层体系建设，基于50万+存量客户数据用K-means聚类分成“初创型（成立<2年）”“成长型（2-5年）”“稳定型（>5年）”三类，设计差异化产品：初创型推“信用贷+创业补贴联动”（额度最高20万，利率下浮10%），成长型推“流水贷+供应链增信”（额度最高100万，审批15分钟），稳定型推“抵押贷+财富管理增值”；上线6个月三类客群放款转化率分别提35%、28%、42%，整体客群LTV升22%
• 牵头对接税务/工商/水电煤5类外部数据源，用API实现数据实时同步构建“多维度经营画像”；联动算法优化风险定价模型，AUC从0.78提至0.85，支撑“秒批秒贷”，不良率稳定在1.5%以内；日均放款量从800笔提至1500笔，支撑年度放款规模增长40%
• 与3家区域性银行达成“联合运营”，输出“小微客群运营能力”与“数字信贷技术平台”，协助银行搭建专属产品；通过“小微老板节”联合营销，3个月为银行带来1.2亿放款规模，公司获技术服务收入200万元；制定《小微数字信贷产品合作手册》，降低后续合作对接成本30%
• 打造“小楷小微贷”品牌，通过公众号/社群/线下沙龙传播“懂小微、快服务”理念；策划“小微成长计划”，为100家优质客户提供“信贷+经营培训”套餐，客户满意度从82%提至91%，品牌知名度在目标客群中升40%

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。