负责小微客群数字信贷产品全生命周期运营，聚焦额度策略优化、风险模型迭代及贷后预警体系搭建，推动业务规模年增30%同时将不良率控制在2.5%以内。

• 主导‘小微快贷3.0’产品迭代，基于客群画像（含经营流水、税务数据、支付频次等12维特征）重构准入规则，引入XGBoost模型优化额度测算逻辑，解决原模型对季节性经营客群额度偏差问题；通过A/B测试验证后，客群通过率提升18%，首逾率下降2.1个百分点，上线3个月放款规模突破1.2亿元。
• 搭建贷中动态风险监控体系，整合央行征信、司法涉诉、收单流水异常波动等8类实时数据源，设计‘红-黄-绿’三级预警指标（如近30日收款码流水下降超40%触发黄色预警），配套自动降额/冻结策略；运行半年来提前识别高风险客户237户，拦截潜在损失460万元，贷中风险响应时效从T+1缩短至实时。
• 针对农村养殖客群信用数据缺失痛点，联合数据团队接入农业农村部‘新型农业经营主体信息直报系统’合规数据，补充养殖规模、补贴记录等6项弱金融属性指标，优化反欺诈规则引擎中的设备指纹校验逻辑；该客群逾期率从7.3%降至4.1%，成为Q4业务新增长极。
• 协同运营团队设计‘提额促活’权益方案，基于RFM模型筛选近6个月无复贷但经营稳定的2000+商户，定向推送‘按时还款提额15%’激励策略；活动期间复贷率提升22%，客均贷款周期延长至9.5个月，带动户均贡献度增长19%。

协助搭建小微商户数字信贷基础产品体系，参与数据埋点设计、风险策略验证及客群分层运营，支撑业务从0到1落地并实现首年放款破5亿。

• 参与‘商户云贷’产品设计阶段，负责梳理目标客群（餐饮/零售小店）核心需求，输出包含‘纯线上申请、3分钟授信’的体验优化清单；同步完成200+竞品功能对比分析，推动产品增加‘经营场景图片上传辅助授信’功能，上线后首月获客量超预期40%。
• 搭建基础风险数据看板，使用SQL从信贷系统提取授信通过率、客群地域分布、还款时间偏好等15项指标，结合Python绘制客群逾期热力图；发现二线城市早餐店客群逾期率较均值高3.5%，建议调整该区域准入年龄上限至50岁，落地后该区域逾期率回落至基准线。
• 执行贷前电核样本质检，设计包含‘经营场所真实性、负债陈述一致性’等8项核查要点的SOP，日均质检120通录音；通过NLP工具分析高频问题（如30%客户混淆‘流水’与‘利润’），优化电核话术模板，信息核实准确率从82%提升至95%。
• 协助运营团队开展‘新客首贷礼’活动，基于历史放款数据圈选年流水50-200万的潜力客群，通过短信+APP弹窗触达；活动期间新客占比提升至35%，其中70%客户完成首贷，为次年存量运营奠定基础。

负责消费信贷贷后管理流程优化，聚焦逾期客户分层催收、失联修复及资产质量监控，推动30天以上逾期回收率从18%提升至29%。

• 建立贷后客户分级标签体系，基于逾期天数、历史还款记录、负债水平等6维数据，将客户划分为‘高价值低风险’‘低价值高风险’等4类，匹配差异化催收策略（如高价值客户优先电话柔性沟通，高风险客户启动法诉流程）；策略上线后整体回收率提升7个百分点，人力成本下降15%。
• 主导失联客户修复项目，整合运营商、电商物流、社保缴纳等外部合规数据，设计‘手机号-紧急联系人-居住地址’三级触达路径；通过机器学习预测有效联系方式概率，修复成功率达41%，较人工排查效率提升5倍，助力M1回收率提升4.2%。
• 搭建贷后资产质量监控看板，设置‘迁徙率’‘DPD30+占比’等核心指标阈值，设置自动预警规则（如某产品DPD30+周环比上升2%触发红色预警）；全年通过看板提前识别风险波动5次，配合风险部门调整准入政策，避免资产质量恶化。
• 编制《贷后操作手册2.0》，梳理12类常见客诉场景（如系统误报逾期、还款渠道故障）的标准应对流程，组织3场线下培训覆盖80%催收团队；客诉率从月均120单降至45单，团队人均催收回款额提升23%。

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。

• 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。