负责数字信贷全生命周期策略设计与落地，涵盖产品迭代优化、风险模型调优、客群精细化运营及自动化流程搭建，目标为提升普惠客群覆盖效率与资产质量。

• 主导‘小微快贷3.0’产品迭代，通过用户旅程地图分析与A/B测试验证，针对个体工商户客群优化收入证明替代材料（如支付宝流水、电商平台交易记录）接入规则，联合数据团队训练XGBoost准入模型，将客群通过率从28%提升至39%，首逾率稳定在4.2%以内（行业平均5.5%）。
• 识别存量客群复贷断层问题，运用RFM模型与LTV预测算法划分高潜复贷客群，设计‘额度动态提额+利率阶梯优惠’策略，通过短信+APP弹窗精准触达，3个月内复贷率从18%提升至27%，贡献额外利息收入超800万元。
• 牵头解决农村客群风控难题，引入设备指纹、位置轨迹稳定性等多维度反欺诈特征，结合知识图谱识别团伙欺诈风险，将农村客群伪冒申请率从1.2%压降至0.3%；同步优化贷中监控规则，对还款能力波动客群提前30天触发额度冻结，逾期90+天率下降1.8个百分点。
• 推动审批流程自动化改造，梳理12类高频信审场景，通过RPA机器人替代人工录入与基础材料核验，集成决策引擎实现‘秒级’自动审批，平均放款时效从4小时缩短至25分钟，日均处理量提升200单，人力成本降低35%。

辅助数字信贷产品落地与基础策略执行，聚焦数据监控、风险特征挖掘及客群需求反馈，支撑策略优化与流程迭代。

• 参与‘乡村振兴贷’产品从0到1上线，负责需求文档整理（覆盖8类客群准入条件）、测试用例设计（含120条异常场景验证），协调技术团队完成API接口联调，保障产品如期上线，首月放款量突破5000万元。
• 监控贷前审批数据发现多头借贷占比偏高（达15%），提取央行征信、百行征信、互联网借贷平台数据交叉验证，协助优化反欺诈规则库，新增‘近3个月申请机构数＞5家’拦截条件，伪冒申请率从7%降至3%。
• 分析3万+客群还款行为数据，输出‘批发零售业-3个月内资金周转’、‘制造业-季节性回款延迟’等6类风险画像，为策略团队提供客群差异化授信建议，对应客群逾期率下降1.1个百分点。
• 协助搭建贷后预警机制，基于逻辑回归模型筛选出‘近2期还款延迟＞3天’、‘通讯录联系人逾期占比＞20%’等8个早期风险指标，推动催收团队前置介入，M1回收率提升5.2%，客诉率降低2.3%。

支持信贷产品用户运营与基础数据支撑，聚焦用户需求收集、指标监控及跨部门协作，保障业务流程顺畅运行。

• 整理用户线上咨询与线下网点反馈的127条痛点，提炼‘材料上传步骤繁琐’、‘额度展示不清晰’等5项核心问题，推动产品团队优化申请页面交互，用户申请转化率从15%提升至22%。
• 搭建信贷业务日报体系，监控放款量、客均额度、各渠道转化率等9项指标，设置‘当日放款量环比下降＞10%’等异常阈值，提前识别系统服务器宕机事件2次，避免业务中断损失。
• 参与下沉市场客群调研，通过问卷与深度访谈收集200+样本数据，输出‘乡镇个体工商户更关注审批速度’、‘50岁以上用户偏好线下客户经理指导’等结论，支撑推出‘简易版线上申请+专属客户经理对接’服务，该客群占比提升至28%。
• 协助整理信贷业务周报，整合审批时效分布、各产品逾期率、客诉TOP3问题等12项数据，用可视化图表呈现关键趋势，跨部门沟通效率提升40%，获业务负责人书面表扬。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。

县域小微企业信用评估与普惠贷款全流程数字化平台搭建

• 项目背景是县域小微企业面临“融资难、融资慢”痛点——传统金融机构依赖抵押担保，而小微企业缺乏规范财务报表，数据分散在工商、税务、水电、供应链等多端且质量参差不齐。项目目标是从0到1搭建全流程数字化平台，通过多源数据融合与智能模型，实现“无抵押、秒级批、低利率”的普惠贷款服务，覆盖当地10个县域的小微企业。我作为负责人，需统筹业务需求调研、技术架构设计、跨机构数据协同及落地推广。
• 关键难题有两点：一是跨机构数据整合与隐私保护——政府、税务、电力等6家机构的数据存在“孤岛”，且涉及企业敏感信息；二是传统信用模型不适用——小微企业财务数据缺失率高（约38%），常规财务指标无法准确反映偿债能力。技术上需解决“隐私计算下的数据可用不可见”与“非财务数据的特征化建模”问题。
• 我的核心行动包括：1）数据层：牵头与当地大数据局、税务局等机构签订《联邦学习合作协议》，采用FATE开源框架搭建联邦学习平台，实现“原始数据不出域、模型参数跨机构流转”，整合了12类、超800万条非结构化/半结构化数据；2）模型层：构建“三维特征体系”——经营稳定性（水电用量波动、物流订单频次）、履约能力（税务申报及时性、增值税发票开票量）、供应链关联（上下游企业交易账期），基于LightGBM+Attention机制优化特征权重，解决了传统模型对非财务数据利用不足的问题；3）工程化：推动平台与银行核心系统对接，实现“数据采集-评估-审批-放款”全流程自动化。
• 项目成果：平台上线6个月内，服务1236家县域小微企业，累计发放贷款18.7亿元；贷款审批时间从5个工作日缩短至8小时内，不良率稳定在1.8%（低于行业平均2.5%）；申请2项发明专利（《基于联邦学习的小微企业信用评估方法》《多源非财务数据的特征融合技术》），获当地金融监管局“2023年度普惠金融创新示范项目”。我主导了从需求到落地的全链路，突破了数据隐私与模型适配的核心瓶颈，推动公司成为当地县域普惠金融的标杆服务商。

农村客群小额信贷精准营销与风险防控系统优化

• 项目背景是农村客群因征信覆盖不足（仅约21%有正规征信记录）、行为数据分散，导致营销转化率低（不足3%）、坏账率高（约4.5%）。项目目标是优化“营销-风险”双模型，提升农村客群的触达效率与资产质量。我负责算法迭代与策略落地，衔接数据团队与业务运营。
• 关键难题：一是农村客群数据稀疏——标签缺失严重，传统监督学习模型泛化能力差；二是营销触达方式单一——仅依赖APP推送，转化率低。技术上需解决“小样本下的模型训练”与“多渠道协同的精准触达”问题。
• 我的核心行动：1）数据增强：采用迁移学习（Domain Adaptation）将城市客群的征信、消费数据特征迁移至农村客群，补充样本量；同时用半监督学习（Label Propagation）结合“村域社交关系”（如同一行政村的用户违约关联），标注了22万+无标签农村客群；2）模型优化：构建“基础属性+行为数据+社交关系”三维特征集，将营销模型从逻辑回归升级为XGBoost+协同过滤的混合模型，风险模型引入“农业周期波动”特征（如种植/养殖季节的资金需求变化）；3）触达策略：联动线下渠道（村支书推荐、助农服务点），将线上模型评分与线下信任背书结合，优化触达路径。
• 项目成果：营销转化率从3.2%提升至8.1%，单客获客成本下降35%；坏账率从4.5%降至2.9%，农村客群贷款余额增长120%（从15亿元到33亿元）。模型被纳入公司农村金融核心系统，服务82万+农村用户。我解决了农村客群数据稀疏的核心问题，打通了“算法-渠道-业务”的闭环，推动公司农村金融业务的规模化落地。