聚焦小微客群数字信贷全生命周期管理，主导产品迭代、智能风控优化及客群分层运营，联动技术团队推动业务流程自动化，实现普惠信贷规模增长与风险可控的双重目标。

• 主导小微制造业客群数字信贷产品2.0迭代，基于SQL与Python完成3万+存量客户行为数据挖掘，识别‘纳税波动性’‘供应链账期稳定性’等6个关键风险-收益双维度特征，联合建模团队优化准入规则，将客群通过率从21%提升至28%，同时将90天逾期率稳定控制在1.7%以内（较迭代前下降0.4pct）。
• 牵头搭建‘贷前-贷中-贷后’智能风控联动机制，引入XGBoost与LightGBM双模型融合策略，针对‘短频急’小微贷款场景优化特征时效性（将税务数据更新频率从T+1缩短至T+0），并设计动态额度调整规则——当客户近30天流水环比下降超15%时自动触发额度冻结，上线后客群首逾率下降1.1pct，客均用信周期延长7天。
• 设计小微客群分层运营策略，基于RFM模型与CLV预测算法划分‘高潜复贷’‘风险预警’‘沉睡激活’三类客群，匹配差异化触达方案：对高潜客群推送‘随借随还’权益包，复贷率从38%提升至49%；对沉睡客群通过短信+企业微信双渠道唤醒，激活率达22%（行业平均15%）。
• 推动信贷审批流程自动化改造，梳理人工审核节点12个，协同技术团队开发OCR发票验真、NLP经营地址核验等工具，将平均审批时效从4小时压缩至25分钟，人工审核成本降低40%，季度内支撑业务峰值日处理量从800单提升至2000单。

负责数字信贷业务前端流程搭建与客群拓展，重点优化首贷户准入效率与地推团队转化能力，支撑普惠信贷业务从0到1的区域市场渗透。

• 参与首贷户准入模型开发，整合央行征信、运营商通话行为（月均通话时长/夜间活跃占比）、电商平台交易流水等8类弱金融数据，采用逻辑回归+决策树混合建模，将首贷户通过率从17%提升至29%，首年新增首贷客户1.2万户。
• 搭建贷中风险预警规则库，梳理‘近1个月水电缴费异常’‘企业主社交账号负面舆情’等15个软信息指标，嵌入贷中监控系统实现实时拦截，试点期间拦截潜在风险客户327户，避免坏账损失约480万元。
• 设计地推团队数字化赋能工具包，开发‘客户画像速览’‘授信额度预评估’小程序，同步培训300+地推人员使用，线索转化率从8%提升至15%，单月新增授信客户峰值达4500户。
• 优化贷后催收策略，基于客户失联概率（通过手机号在网时长、电商收货地址变更频率预测）分级施策：对高失联风险客户优先启用‘企业关联方转告’，对低风险客户采用‘智能语音+人工补呼’组合，整体回款率从28%提升至35%。

辅助数字信贷基础流程运营，负责数据清洗、客群需求收集及流程痛点反馈，为上层策略优化提供一线数据支撑。

• 搭建小微客群信贷行为数据库，每日清洗、校验2000+条客户基本信息、还款记录及咨询工单数据，确保数据准确率99.8%，支撑后续建模分析的基础数据供给。
• 执行客群需求深度调研，通过电话回访+线下访谈收集500+小微经营者反馈，总结‘急需30万以内短期周转’‘反感复杂材料提交’等核心诉求12项，推动产品团队简化申请材料至5项以内。
• 优化贷后触达话术，针对‘忘记还款’‘临时资金紧张’两类客群设计差异化沟通模板，试点期间客群配合度提升25%，首次触达回收率从18%提升至24%。
• 协助搭建贷后风险教育体系，制作‘常见逾期影响’‘信用修复指南’等系列短视频6支，在客户还款日前3天定向推送，当月逾期客户主动还款比例提升12%。

• 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。

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。