负责小微客群数字信贷产品全生命周期运营，联动风控、技术与运营团队优化信贷流程与风险策略，通过数据驱动提升客群转化率、资产质量及产品迭代效率

• 主导小微商户贷客群分层运营体系搭建，基于RFM模型、商户收单流水及税务申报数据构建“经营活跃度-偿债能力”双维度标签，针对“高频低客单”“低频高流水”两类未覆盖客群设计“随借随还+利率折扣”“额度递增+场景嵌入”差异化策略；初期转化率仅12%，联动数据团队引入电力缴费、电商平台GMV等第三方数据补充经营稳定性维度，优化标签权重，最终该客群30天授信转化率提升至27%，单月新增授信规模增长45%
• 牵头优化数字信贷申请流程，识别“营业执照识别慢”“银行流水人工核验耗时长”两大痛点，引入OCR+NLP技术实现营业执照关键信息自动提取（准确率98.5%）、银行流水结构化解析（处理时效从2小时缩短至10分钟）；上线后申请完成率从38%提升至62%，人工审核成本下降30%
• 协同风控团队搭建反欺诈规则引擎，结合设备指纹、行为轨迹（如页面停留时长、输入错误率）及关联网络分析，识别“同一设备多账户申请”“流水异常集中转入”等欺诈特征；规则上线后团伙欺诈识别率提升至85%，欺诈损失占信贷余额比例从0.18%降至0.07%
• 监控信贷资产核心指标（LTV、DPD30+逾期率、客群违约概率），用归因分析定位“餐饮行业客群DPD30+率达8.2%”的问题，通过拆解其经营流水波动、负债结构发现“疫情后复购率低导致现金流紧张”，联动产品团队调整该行业额度上限（从20万降至15万）并增加“营收分成还款”选项，3个月后该行业逾期率降至4.1%

协助数字信贷产品需求调研与迭代，参与风险策略测试与优化，负责客群运营数据分析及产品反馈收集

• 参与小微经营贷产品需求调研，用问卷星发放120份商户问卷、深度访谈20家餐饮/零售小店主，输出“希望灵活调整还款周期”“需要经营场景化额度”的核心需求，推动产品上线“随借随还+按日计息”功能，上线后客户复贷率从25%提升至38%，NPS评分从42分升至55分
• 协助测试风险定价模型，选取5000户客群做A/B测试，对比“基于收入负债比定价”与“加入社交行为数据定价”两种策略的表现；结果显示后者逾期率低1.2个百分点、客群通过率高8%，推动模型优化后应用于实际审批，季度坏账损失减少15万元
• 分析客群还款行为数据，用Python做K-means聚类，识别出“高收入低负债但很少使用增值服务”的高价值客群（占比18%），协助运营团队设计“专属客服+费率优惠”权益包，该客群人均贷款余额从8万增长至12万，留存率提升22%
• 整理每月信贷运营数据，输出《客群转化分析报告》《风险指标监控表》，其中“申请驳回原因TOP3”模块帮助前端运营优化引导话术，申请资料完整率从70%提升至88%

负责小微信贷客户日常运营与风险排查，处理客户咨询投诉，收集产品优化反馈

• 运营1200+小微客户，用纷享销客CRM系统跟踪还款进度，建立“还款日前7天短信提醒、前3天电话确认、逾期1天启动催收”的分层触达机制；上线后客户主动还款率从65%提升至82%，DPD7+逾期率从5.1%降至3.3%
• 协助风险团队排查高风险客户，用关联规则分析找出“资金流向关联方账户”“多头借贷次数超过3次”的异常特征，累计识别风险客户120户，提前介入后减少坏账损失约28万元
• 处理客户咨询与投诉，总结“额度审批慢”“还款渠道不熟悉”等高频问题，优化FAQ文档并更新至APP帮助中心，客户问题解决时效从4小时缩短至1.5小时，投诉率下降40%
• 收集客户产品反馈，整理“希望增加发票贷产品”“审批进度可实时查询”等需求15条，其中8条被产品团队采纳，推动上线“发票贷”试点，首月获客200+户

小微商户数字信用评估体系搭建及普惠融资产品落地项目

• 项目背景是小微商户长期面临“征信数据薄、融资门槛高”痛点——传统金融机构依赖的财务数据、抵押物信息在小微场景中覆盖率不足30%，导致80%的小微商户难以获得合规融资。项目核心目标是构建适配小微经营特性的数字信用评估模型，联合城商行落地纯线上、低利率的“小微快贷”产品，解决小微融资“最后一公里”问题；我作为项目总牵头人，负责从需求调研、模型设计到产品上线的全链路管控。
• 关键难题有三：一是小微数据分散在支付流水、电商平台、经营SaaS、社交舆情等10+异源系统，数据标准不统一且存在大量缺失值；二是传统信用模型过度依赖强金融属性特征，无法捕捉小微“经营韧性”这类软能力；三是跨机构数据共享面临《个人信息保护法》限制，直接合并数据会触发合规红线。针对这些问题，我引入联邦学习框架在不转移原始数据的前提下实现多源特征融合，同时基于因果推断（Causal Inference）筛选出“近6个月收款码动账频次变化率”“美团外卖订单履约及时率”等12个兼具预测性与业务可解释性的特征，规避了伪相关陷阱。
• 我的核心行动包括：1）主导跨部门 workshops 对齐银行、数据服务商、SaaS厂商的需求，梳理出“经营能力-履约意愿-场景适配”三维评估框架；2）带领算法团队优化LightGBM模型，将联邦学习后的特征维度从50维压缩至28维（保留90%以上预测力），模型AUC从初始的0.72提升至0.85；3）推动产品侧设计“额度动态调整机制”——根据商户每月经营数据变化自动提额/降额，同时接入央行征信与税务数据做二次校验，确保风险可控。
• 项目成果：模型上线后，“小微快贷”的审批通过率从传统模式的18%提升至35%，不良率稳定在1.8%（低于行业小微贷款平均不良率3个百分点）；产品上线6个月服务1.2万家小微商户，累计发放贷款4.5亿元，带动公司来自银行的科技输出收入增长2200万元。我个人主导的“联邦学习+因果特征”模型被纳入公司数字普惠核心风控工具库，同时作为案例被收录进《2023中国数字小微金融服务白皮书》。

农村地区数字普惠金融服务触达能力提升项目

• 项目背景是农村金融市场存在“数字鸿沟”——县域及以下地区60岁以上人口占比达25%，超40%的农户不会使用智能手机完成线上贷款申请，同时农村网络基础设施薄弱，常规APP加载时长超3秒导致50%用户流失。项目目标是构建“轻量化、本地化、可信任”的农村数字普惠服务模式，将金融服务触达率从15%提升至35%；我作为技术负责人，负责产品设计、技术优化及线下渠道联动策略的落地。
• 关键难题：一是农村用户数字素养低，复杂交互设计导致用户放弃率高；二是农村4G网络覆盖率仅70%，常规APP的首屏加载时间过长；三是用户对线上金融服务的信任度低，担心信息泄露或资金安全。针对这些问题，我用“极简交互+边缘计算+本地化背书”组合方案破局——将核心功能简化为“语音输入申请信息”“一键授权经营数据”“视频面签”3步，同时采用边缘计算技术将静态资源（如身份证识别模型）部署至县域节点，减少网络传输耗时。
• 我的核心行动包括：1）带队走访20个行政村、1000户农户，总结出农村用户“怕麻烦、信熟人、重实效”的三大行为特征，据此设计精简版H5页面（加载时间从3秒降至1秒内）与方言语音引导功能；2）联动村两委、农资店老板等本地KOL做“信任中介”——通过他们的推荐码注册用户，可额外获得10%的额度提升；3）开发“离线预填单”功能，农户可在无网络环境下填写信息，联网后自动提交，解决偏远地区网络不稳定问题。
• 项目成果：农村地区数字渠道触达率从15%提升至42%，精简版H5的月活用户达到8万，用户复借率从20%提升至35%；项目被总行评为“2022年度普惠金融优秀创新项目”，我个人总结的“农村数字普惠触达五步法”（调研画像-极简设计-本地信任-离线适配-迭代优化）成为公司农村市场的标准运营流程，同时带动公司在县域市场的收入占比从8%提升至19%。

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。