负责产业小微客群数字信贷产品全生命周期管理，涵盖产品设计、风险策略迭代、流程数字化提效及合规落地，联动数据、技术与业务团队实现小微信贷的精准触达与风险可控

• 主导设计针对批发零售小微商户的“小微快贷”产品，结合商户POS流水、税务增值税发票数据及供应链上下游交易数据，用逻辑回归+随机森林组合模型搭建动态额度测算体系，解决传统小微贷依赖房产抵押、审批周期长（平均7天）的痛点；上线3个月内授信户数达8200+，首逾率1.1%，不良率稳定在1.2%以内，客群覆盖度较此前提升40%
• 针对数字信贷流程中的团伙欺诈风险，引入设备指纹（基于浏览器的硬件指纹识别）与知识图谱技术，搭建实时反欺诈监控系统；通过分析12万+条跨订单交易数据，识别出“同一设备关联5个以上商户”的异常模式，将欺诈识别率从75%提升至92%，单月拦截欺诈申请130余笔，直接减少信贷损失约220万元
• 联动业务运营与数据团队开展小微客群分层运营，基于RFM模型（最近3个月还款行为、还款频率、平均还款金额）与行为评分卡（涵盖额度使用率、逾期次数等15项指标），将客群划分为“优质忠诚”“潜力成长”“高风险预警”三类；针对优质客群推出“利率阶梯折扣”策略，复贷率提升27%；针对潜力客群优化“随借随还”功能，转化率提升20%
• 全程参与监管合规落地，梳理数字信贷业务中反洗钱（AML）、个人信息保护（PIPL）的关键控制点，主导修订《小微贷客户身份识别流程》《数据隐私管理办法》等15项制度文档；配合银保监现场检查，针对“客户授权流程不规范”的问题提出整改方案，最终实现检查零问题，确保产品符合《商业银行互联网贷款管理暂行办法》要求

辅助数字信贷产品运营支持、风险数据监控及客群需求挖掘，为产品迭代与风险策略调整提供数据与调研支撑

• 协助搭建小微商户信用评分模型，收集整理35万+条涵盖工商注册时长、税务申报频次、水电缴费稳定性的小微经营数据，进行特征工程处理（如计算“近6个月营收波动系数”“负债收入比”等衍生指标）；模型AUC值从初始的0.78提升至0.83，为额度审批的自动化决策提供了更精准的量化依据
• 负责日常信贷流程的风险指标监控，每日跟踪逾期率、迁徙率（M1→M2、M2→M3）及客群违约概率（PD）变化；通过SQL查询定位“经营年限≤1年的商户逾期率高3个百分点”的问题，每周输出风险预警报告，推动业务团队将该类客群的初始额度上限下调20%，当月整体逾期率下降0.6个百分点
• 开展小微客群需求调研，采用问卷星（发放500份有效问卷）+深度访谈（选取30家不同行业商户）的方法，总结出“审批速度慢（平均48小时）”“额度无法随经营规模调整”两大核心痛点；形成《小微贷用户体验优化报告》并推动产品团队迭代，上线“自动审批+人工复核”的快速通道，审批时长缩短至6小时，产品满意度从72%提升至85%
• 协助完成数字信贷系统的UAT测试与上线，参与18次需求评审，提出23条优化建议（如增加“经营地址与收款账户一致性校验”功能、简化申请材料上传步骤）；系统上线后，用户申请通过率提升15%，投诉率下降62%

负责小微信贷业务的数据清洗、标准化处理及初步分析，为风险模型训练与业务决策提供基础数据支持

• 承担小微贷申请数据的清洗与标准化工作，日均处理600+条来自线上渠道的申请数据，使用Python Pandas库解决“身份证号码格式错误”“经营地址不统一”“收入证明缺失”等问题，数据准确率从95%提升至99.7%，保障了后续风险评分模型的输入质量
• 协助搭建小微客群基础画像数据库，整合工商登记信息（统一社会信用代码、经营范围）、司法涉诉数据（中国裁判文书网爬取的失信记录）、经营地址GPS坐标等数据，构建120+个客群标签（如“餐饮行业-经营年限3-5年-月均流水10万+”）；该数据库成为后续客群分层与精准营销的核心数据资产
• 参与风险数据的初步分析，每周统计逾期客群的年龄分布（25-35岁占比45%）、行业分布（批发零售占比38%）及地域分布（长三角地区逾期率高2个百分点）；用Tableau制作可视化报表，帮助风险团队发现“餐饮行业逾期率较制造业高11%”的规律，推动出台“餐饮商户需额外提供门店租赁合同”的准入政策，该行业逾期率随后下降4个百分点
• 优化数据处理流程，将人工录入客户联系方式的环节替换为OCR识别工具（百度OCR），结合人工校验修正识别错误；流程优化后，数据处理效率提升45%，每月节省人力成本约1.8万元，同时数据录入错误率从3%降至0.5%

小微商户数字信贷精准风控体系升级项目

• ‘十四五’普惠金融规划要求提升小微商户信贷可得性，但公司原有风控模型依赖央行征信与基础工商数据，覆盖率仅65%，违约率达3.2%，无法满足下沉市场需求。我的总体职责是主导风控体系从‘单一维度’向‘场景化多源融合’升级，目标是将违约率降至2.5%以下、覆盖率提升至80%以上。
• 项目面临三大核心难题：一是多源异构数据（税务、交易流水、供应链关联、舆情）的融合困难，结构化与非结构化数据特征难以统一；二是新注册小微商户‘小样本’问题，传统模型缺乏足够历史数据预测；三是监管对模型可解释性的严格要求，原有黑盒模型无法通过合规审查。技术上需解决多模态特征融合、小样本学习及可解释性落地。
• 我牵头搭建‘数据中台+模型引擎’架构：用Python Scikit-learn完成特征工程，将文本舆情转成BERT向量、时序交易数据用LSTM提取趋势特征，再通过图神经网络（GNN）构建商户产业链关联图谱识别集群风险；针对小样本问题，采用迁移学习将餐饮行业成熟商户数据迁移至新注册零售商户，结合GAN生成模拟数据补充训练集；为满足合规，推动规则引擎与机器学习模型结合，将‘连续3个月流水下降超20%’‘关联商户违约率超10%’等关键规则前置，并用LIME/SHAP生成可视化特征重要性报告。
• 项目上线后，违约率降至2.1%（低于目标0.4pct），覆盖率提升至82%，新增授信商户12万户（其中首贷户占45%），带动公司利息收入年增长18%；监管合规检查通过率100%，成为区域内小微风控标杆案例。我个人主导了数据架构设计与模型优化，推动GNN与联邦学习在公司首次落地，解决了小微风控的核心痛点。

农村电商场景下农户纯线上信贷产品落地项目

• 农村地区金融服务覆盖不足，农户缺乏抵押品，原有线上产品依赖央行征信，覆盖率仅50%，无法满足种植/养殖农户的资金需求。我的总体职责是结合农村电商场景设计纯线上信贷产品，目标是在1年内覆盖10万农户、不良率控制在2.5%以内。
• 项目难点集中在三方面：一是卫星遥感与IoT数据（土壤湿度、作物生长）的处理难度大，不同季节图像差异导致特征提取不准确；二是农户数字化程度低，线上申请转化率仅15%；三是与电商平台的接口对接，数据同步时效性与准确性无法保障。需解决多源时空数据处理、用户转化及跨系统数据一致性。
• 我主导需求调研与产品设计：首先，整合电商平台交易数据、卫星遥感（识别作物类型与生长阶段）、IoT土壤数据，用时间序列卷积神经网络（TCN）提取卫星图像时间特征，构建‘交易+遥感+IoT’三维风控模型；其次，推动电商平台嵌入申请入口，开发‘一键导入交易数据’功能，配合线下辅导员做小程序操作培训，将转化率提升至40%；最后，用随机森林模型整合多源数据，设置动态额度（收获季额度提升30%、播种季降低20%），匹配农户资金周期。
• 产品上线6个月覆盖农户11.2万户，不良率1.8%（低于目标0.7pct）；农户平均贷款审批时间从3天缩短至15分钟，电商平台GMV因农户资金注入提升22%。我个人主导了场景需求落地与产品创新，推动卫星遥感与IoT数据在普惠金融的首次规模化应用，解决了农村金融‘最后一公里’问题。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。