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%。

• 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。