负责小微客群数字信贷产品全生命周期运营，涵盖需求分析、风险策略设计、模型落地验证及贷后表现追踪，核心边界为从0到1迭代3款小微经营贷产品，平衡业务增长与资产质量。

• 主导设计‘小微快贷3.0’产品，基于工商、税务、结算流水多维度数据构建用户画像，运用XGBoost算法开发准入评分卡与动态额度模型，结合A/B测试验证策略有效性，上线3个月内放款规模破2亿，首逾率控制在1.8%以内（低于行业均值2.5%）。
• 针对客群欺诈风险高企问题，牵头引入设备指纹、关联图谱反欺诈技术，梳理12类异常行为特征（如跨设备频繁注册、多头借贷关联），优化规则引擎策略，季度欺诈拦截率从35%提升至52%，直接减少坏账损失超800万元。
• 搭建贷中实时监控体系，通过Tableau搭建包含M1滚动率、客群逾期分布、地域风险热力图的看板，结合逻辑回归模型预测高风险客群，推动策略迭代3次，M3+逾期率较年初下降1.2pct至2.1%。
• 对接监管要求完成产品合规改造，梳理《商业银行互联网贷款管理暂行办法》《征信业务管理办法》关键条款，主导调整联合贷出资比例、信息披露模块，确保产品通过属地监管备案，助力公司获取3家城商行资金合作资质。

支持数字信贷产品迭代与风险策略执行，聚焦数据处理、客群运营及基础模型验证，核心边界为协助完成2款小微信贷产品的从策略设计到落地的全流程支持。

• 辅助搭建小微客群信用评分卡模型，负责清洗30万+条外部数据（含税务申报、水电缴费、电商平台流水），使用Python处理缺失值填充（KNN插值法）与异常值剔除（IQR方法），模型KS值从0.68提升至0.83，预测准确率提高15%。
• 执行客群分层运营策略，基于RFM模型（最近借款时间、借款频率、借款金额）划分高潜客群（占比25%）与风险预警客群（占比18%），设计差异化触达方案（高潜客群推送提额券、风险客群触发人工复核），首贷转化率提升8%，风险客群逾期率下降4pct。
• 参与贷后预警规则测试，针对逾期30天内客户设计‘短信提醒+人工电话复核’组合策略，对比单一短信提醒回收率（62%），组合策略回收率达67%，单月挽回损失超200万元。
• 整理监管政策要点清单，重点标注‘联合贷出资不低于30%’‘征信授权需单独签署’等12项合规要求，推动产品功能调整7处，确保业务符合最新监管框架。

负责小额信贷产品的基础运营与风险初筛，核心边界为执行贷前初审、贷中数据统计及贷后问题反馈，支撑团队完成日均100+小微客户的信贷服务。

• 承担小微信贷产品贷前初审工作，日均处理200+申请，通过交叉验证经营流水（对公账户+支付宝/微信收款）与工商注册信息（经营范围、成立时间），将伪冒申请拦截率从12%提升至20%，月均减少无效进件300+。
• 搭建信贷数据日报体系，使用SQL从核心系统提取放款量、通过率、客群年龄/行业分布等10+指标，制作可视化报表支撑团队每日决策会，信息传递效率提升40%，管理层对业务动态的响应速度从T+1缩短至T+0。
• 参与老客户复贷策略测试，对比不同利率梯度（8%-12%）对复贷率的影响，通过回归分析确定最优定价区间9%-11%，复贷率从28%提升至38%，年度贡献增量利息收入超500万元。
• 梳理贷后常见问题（如还款提醒遗漏、还款方式不熟悉），优化系统自动触达规则（增加微信模板消息、APP弹窗），客诉率从月均45单下降至30单，客户满意度评分从4.1分提升至4.4分（满分5分）。

中小微企业信用评估模型迭代及普惠产品落地项目

• 项目背景：针对中小微企业“财务数据缺失、关联风险难识别、传统模型覆盖率低”的普惠金融核心痛点，公司原有信用评估模型仅能覆盖60%的中小微企业客群，且不良率逼近1.8%的行业警戒线。我的核心目标是主导迭代模型以适配中小微企业多源异构数据特征，提升评估精准度与覆盖范围，并推动模型落地至公司核心普惠产品“小微快贷”，实现风险可控的规模化服务。
• 解决的难题：传统模型过度依赖结构化财务数据，无法挖掘供应链交易、企业间关联关系等非财务数据的价值；同时中小微企业违约样本稀缺，导致模型泛化能力弱。我针对性引入图神经网络（GNN）处理企业供应链关联图谱，捕捉上下游交易传导风险；采用迁移学习中的域适应算法，将大型企业的信用特征迁移至中小微样本空间，解决样本不平衡问题。
• 核心行动：牵头搭建“多模态数据融合平台”，整合工商、税务、司法、供应链ERP等8类20+维度数据；主导设计“关联风险+个体信用”双维度评估框架，用GNN挖掘企业隐性关联风险，用迁移学习补全样本特征；协同产品、业务团队完成模型与“小微快贷”的端到端集成，将审批时效从3天压缩至秒级。
• 项目成果：模型AUC从0.78提升至0.89，中小微企业评估覆盖率跃升至96%；“小微快贷”上线半年放款额达12亿元，服务8000+家中小微企业，不良率稳定在1.2%（低于行业均值33%）；申请发明专利1项（《基于GNN的中小微企业关联信用评估方法》），模型被纳入公司普惠金融核心技术栈，成为中小微客群的标准化评估工具。

县域农村数字普惠金融服务场景搭建项目

• 项目背景：农村地区长期面临“金融服务触达难、农户抵押品缺失、信用评估无数据”的问题，公司前期农村业务依赖线下尽调，仅覆盖1.2万户农户、放款不足2亿元。我的目标是依托数字技术搭建农村专属普惠场景，解决农户信用评估难题，推动“农资贷”产品落地，实现农村市场的规模化渗透。
• 解决的难题：农村数据匮乏（征信覆盖率不足30%），且农业生产数据（如作物长势、土地肥力）难以数字化采集。我联合当地农业农村局获取土地确权、种植补贴等政务数据，引入卫星遥感API实时监测农田作物面积与长势，结合农户手机话费、水电缴费等行为数据，构建“农业生产能力+履约意愿”评估模型。
• 核心行动：主导与5个县域农业农村局签订数据合作协议，搭建农村数据采集体系；设计“遥感数据+政务数据+行为数据”三源融合模型，用随机森林算法整合多维度特征；推动“农资贷”产品上线，基于模型实现“线上申请、秒批放款”，无需抵押担保；协同线下服务站开展100+场农户数字金融培训，提升产品认知度。
• 项目成果：模型准确率达85%，覆盖5个县域3万余户农户，累计发放“农资贷”6亿元，不良率仅0.9%；推动公司在当地农村市场渗透率从8%提升至25%，获得当地政府“乡村振兴金融服务先进单位”称号；形成《农村数字普惠金融数据采集与应用指南》内部标准，为后续乡村场景拓展奠定方法论基础。

• 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。