负责小微数字信贷产品的风险策略设计、模型迭代及全流程优化，协同技术、风控与业务团队推动客群准入精准化、审批效率提升及资产质量管控，聚焦小微客群（餐饮、制造、零售等轻资产行业）的风险画像与产品适配性。

• 主导小微客群逾期预测模型优化项目，从公司数据仓库提取12万+小微客户的交易流水、税务申报、经营场景行为数据，结合XGBoost算法重构模型特征体系——针对餐饮客群“现金流月度波动大”的痛点，新增“近3个月水电缴费波动系数”“供应商账期履约率”等非结构化特征，调整特征权重后模型KS值从0.42提升至0.51，上线3个月内该客群逾期率从2.8%降至1.6%，同时保持通过率稳定在25%以上。
• 核心参与“小微快贷2.0”产品准入规则迭代，通过分析180天客户生命周期数据发现：成立1年以上但月均流水波动超30%的客群，原规则下通过率仅17%且不良率未超标。于是引入“经营稳定性得分”（结合工商变更频率、员工社保缴纳连续性、线上订单复购率），用Python搭建得分模型并嵌入规则引擎，调整后该客群通过率提升至28%，首月复贷率达35%，成为产品新的增长引擎。
• 推动实时决策引擎流程优化，针对小微客户“短频急”需求，梳理出原有流程中“征信查询与第三方数据校验串行执行”的瓶颈——将非核心的运营商数据校验改为异步处理，用Axure绘制新流程原型并与开发对齐，最终决策响应时间从120秒缩短至45秒，客户申请放弃率从12%降至4%，月均申请量提升22%。
• 搭建小微数字信贷运营可视化看板（Tableau），监控“各行业逾期分布”“审批时效分位数”“客群通过率漏斗”等15项核心指标。针对制造业小微客户逾期率上升（从1.5%升至3.1%）的问题，联动行业研究团队拆解产业链资金周转痛点，建议将该行业额度上限从50万下调至30万，并增加“存货周转天数”作为补充审核指标，实施后该行业逾期率回落至1.7%。

协助搭建小微数字信贷基础风控体系，参与客群分层策略设计及流程自动化改造，聚焦低代码工具应用与跨部门需求对齐，推动产品从0到1的落地与初期迭代。

• 参与小微数字信贷产品“微业贷”的初期风控框架搭建，收集并清洗15万+小微客户的工商、司法、税务数据，用逻辑回归模型构建基础逾期预测模型——结合人工经验调整“近1年司法涉诉次数”“纳税信用等级”等特征的阈值，模型AUC从0.75提升至0.82，为产品上线提供了核心风控支撑，上线首月不良率控制在1.2%以内。
• 设计小微客群分层运营策略，基于RFM模型（最近3个月申请次数、平均申请金额、审批通过率）将客户分为“高价值复贷客”“潜力新客”“低活跃流失客”三类。针对高价值客群推出“专属审批通道”，联动技术团队实现资料自动预填充，审批时效从24小时缩短至6小时，该类客户复贷率提升25%，贡献了产品35%的月均放款量。
• 推动资料上传环节的自动化改造，识别出客户手动上传营业执照、银行流水的重复操作痛点，引入百度OCR技术并编写Python脚本对接第三方接口，实现“资料自动识别+关键信息校验”功能，该环节处理时间从15分钟缩短至2分钟，运营人力成本下降30%，客户投诉率减少18%。
• 协助撰写“微业贷”PRD文档，与产品团队对齐“额度计算逻辑”（结合近12个月营收、净利润率、资产负债率）及“风控规则可视化”需求，参与原型设计并标注关键节点（如“征信查询授权弹窗”“额度试算入口”）。产品上线后首月申请量达5200+，通过率22%，符合初期目标。

协助完成小微数字信贷的数据分析支持、基础模型调试及流程测试，聚焦小微客群特征挖掘与操作流程优化，积累一线风控与产品协同经验。

• 协助整理小微客户征信数据，用SQL编写复杂查询语句（包含JOIN、窗口函数）提取近3年客户的逾期记录、负债总额、查询次数等数据，搭建包含20万+样本的基础数据库，数据准确率达99.6%，为后续模型训练提供了可靠数据源。
• 参与模型效果对比测试，用Python运行逻辑回归、随机森林两种算法在“餐饮小微客群”中的表现，分析特征重要性后发现“经营场所租赁时长≥2年”的客群逾期率比均值低40%，建议将其加入模型特征，最终模型准确率提升3%，为客群筛选提供了新维度。
• 负责流程测试与问题反馈，模拟100+次小微客户申请流程，记录“资料缺失提示不清晰”“审批进度查询入口难找”等12个问题，整理成《流程优化测试报告》并反馈给技术团队，推动优化了15个节点的交互文案，客户咨询量下降15%。
• 协助撰写运营周报，统计“每周申请量、通过率、各行业逾期率”等指标，分析“某地区征信查询量上升导致通过率下降5%”的问题，提出“加强该地区客户征信知识普及”的建议，被团队采纳后该地区指标波动幅度缩小20%。

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。

• 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。