负责数字普惠金融小微客群信贷产品全生命周期管理，统筹需求洞察、策略设计、技术落地及规模化推广，目标提升客群覆盖广度、风险可控性与商业可持续性。

• 基于NLP技术分析3万+条小微客户客服对话及贷后反馈，识别‘审批时效’‘还款灵活性’‘额度适配性’三大核心痛点，运用KANO模型完成需求优先级排序，主导设计‘智能极速审批+弹性还款包’功能模块，联合算法团队优化XGBoost风险定价模型，将平均审批时长从48小时压缩至6小时，首贷客户30天复贷率提升27%。
• 针对个体工商户、小微企业主两类客群风险特征差异，牵头搭建‘经营流水-税务数据-设备物联’多维度风控体系，接入央行征信、税务平台及第三方物流数据，设计动态额度调整策略（如餐饮类客户旺季自动提额30%），上线6个月内客群不良率稳定在1.8%以内，较传统小微贷产品下降0.9个百分点。
• 推动与网商银行、联易融等机构的银企直连合作，搭建‘API+H5’双接入渠道，解决小微客户‘多平台切换’痛点，同步上线微信小程序‘经营贷服务专区’，集成额度试算、进度查询、还款提醒功能，Q4新增获客中35%来自导流渠道，客户触达效率提升40%。
• 主导完成监管合规升级，梳理《个人信息保护法》《商业银行互联网贷款管理暂行办法》等12项法规要求，优化KYC流程（增加人脸识别+经营场所OCR核验），设计‘客户授权-数据脱敏-权限分级’全链路合规机制，顺利通过银保监现场检查，产品合规评分从82分提升至95分。

聚焦个体工商户及小微企业主信贷需求，参与产品迭代与策略优化，协同风控、技术团队提升产品竞争力与风险收益比。

• 通过SQL挖掘存量小微客户行为数据，发现‘结清后再贷率仅41%’的核心问题，定位原因为‘还款后额度恢复滞后’及‘缺乏复贷引导’。设计‘随借随还+结清即时提额’功能，同步开发APP弹窗/短信复贷提醒策略，3个月内再贷率提升至63%，对应产品月均放款量增长28%。
• 针对客群风险分层模糊问题，主导搭建‘经营稳定性-还款能力-信用历史’三维评分卡，引入水电缴费、电商平台交易流水等弱金融数据，优化风险策略阈值（如将月均流水波动标准差纳入准入条件），新客逾期90天+率从3.2%降至2.1%，存量客户风险预警准确率提升19%。
• 推动与收钱吧、美团生意贷的场景化合作，嵌入餐饮、零售类商户收款流水直接授信功能，设计‘交易流水×经营周期系数’动态额度模型，上线8个月内通过场景获客1.2万户，户均授信额度8.6万元，场景客群资产收益率较自营渠道高1.2个百分点。
• 搭建小微客群LTV（生命周期价值）预测模型，结合首贷金额、复贷频率、交叉销售潜力（如叠加支付服务）等指标，输出高价值客群画像（月流水5万+、经营时长2年以上），针对性设计‘专属客户经理+费率优惠’权益包，高价值客群留存率从55%提升至72%。

协助完成小微贷款产品设计、测试及试点推广，参与客户需求调研与竞品分析，支持产品从0到1落地。

• 参与某城商行‘小微快贷’产品需求调研，走访200+个体工商户及小微企业，运用用户旅程地图梳理‘申请-审批-用款’全流程堵点（如纸质材料繁琐、抵押评估周期长），输出《小微客户需求痛点报告》，推动产品简化为‘纯线上申请+电子营业执照认证’，试点期客户转化率较传统小微贷提升35%。
• 协助搭建产品测试体系，设计‘功能测试-压力测试-用户体验测试’三级验证框架，使用Jira跟踪127项测试用例，发现‘跨行银行卡绑定失败’‘还款计划展示不清晰’等23个关键问题，推动技术团队优化接口兼容性及前端交互逻辑，测试通过率从81%提升至97%。
• 负责试点区域（长三角3个城市）推广支持，制定‘园区宣讲+行业协会合作’地推策略，设计‘首贷免息券+财务软件折扣’权益组合，3个月内完成5000万放款目标，超额达成试点KPI的120%，相关经验被纳入总行普惠金融标准化推广手册。

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。

• 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。