负责小微商户数字信贷产品的全生命周期执行，衔接产品、风控与一线业务团队，聚焦需求转化、风控策略落地、流程优化及资产质量管控，推动产品规模化落地与业务价值释放

• 主导某区域餐饮小微商户数字信贷产品落地，基于IPC尽调方法论与平台交易流水、外卖平台评分、门店WiFi连接频次等多源数据，搭建“经营稳定性+场景粘性+现金流韧性”三维风控画像；针对客群数据碎片化问题，联动数据团队开发“商户抗风险能力指数”模型（融合水电煤缴费连续性、周边3公里竞品密度等8个指标），将客群拒贷率从32%降至18%，首贷通过率提升21%，试点3个月内新增授信商户1200户
• 解决一线客户经理“尽调报告撰写耗时”痛点，牵头设计“智能尽调辅助系统”，整合工商变更、税务申报、收单设备使用时长等12类外部数据，通过NLP技术自动生成尽调摘要与风险点标注，将单户尽调时间从4小时压缩至1.2小时，团队人均日产能从8户提升至14户，获业务部门“年度效率优化奖”
• 推动客群分层运营策略落地，基于RFM模型（最近还款时间、还款频率、还款金额）与商户线上互动行为数据，将客群划分为“优质复贷户”“潜力提升户”“风险预警户”三类；配套差异化策略——优质户自动提额10%并降低利率0.5个百分点，潜力户推送“经营培训+临时额度”权益，风险户收紧额度并加强贷后回访；试点6个月内，优质户复贷率从55%升至72%，风险户逾期率从8.1%降至4.3%
• 协同风控团队迭代反欺诈策略，针对小微商户常见的“流水造假”“身份冒用”问题，引入设备指纹（识别同一设备多账户申请）、行为轨迹分析（捕捉异常修改经营地址频率）等技术，搭建“实时预警+事后回溯”双层体系；上线6个月拦截欺诈申请1200余笔，涉及金额1800万元，欺诈损失率从0.7%压降至0.2%

聚焦小微三农客群数字信贷需求挖掘与策略落地，负责产品迭代需求转化、风控模型测试优化及渠道协同推广，支撑业务规模增长与资产质量稳定

• 参与三农数字信贷产品设计，采用“深度访谈+问卷调研”方法收集1200名农户与个体工商户需求，提炼“季节性资金周转”“无抵押担保”“操作复杂”三大核心痛点；推动产品新增“农资采购专项额度”（最高20万元，随借随还）与“按季还息到期还本”还款方式，上线3个月新增三农用户3.5万户，占总新增用户62%，农户贷款余额从1.2亿元增长至3.1亿元
• 解决三农客群征信数据缺失问题，主导“农业生产能力替代指标”研究，选取种植面积（来自土地流转合同）、农产品收购合同金额、农业补贴发放记录等6类数据，构建“农业生产价值评估模型”；模型上线后将三农客群信用评分准确率从75%提升至88%，拒贷率下降15%，其中种植大户授信通过率从40%升至58%
• 设计“线上申请+线下辅导”协同模式，开发“农信e贷”小程序“客户经理关联”功能，实现客户申请后自动分配至对应线下客户经理，同步推送客户经营数据与需求标签；渠道转化率从18%提升至32%，单月新增贷款规模从2000万元增长至5000万元，覆盖全国15个农业县的800个行政村
• 搭建“资产质量+用户体验”双维度监控看板，涵盖逾期率、复贷率、尽调时长、客户投诉率等15项指标；针对“偏远地区网络延迟导致申请失败”问题，联动技术团队优化系统兼容性（适配2G/3G网络下的轻量化加载），将偏远地区申请成功率从70%提升至92%，客户投诉率下降28%

协助数字信贷产品落地执行，负责基础数据处理、一线需求收集及功能测试，积累数字信贷全流程基础经验

• 承担数字信贷客户基础数据清洗与标注工作，针对原始数据中“工商信息不一致”“流水数据缺失”问题，设计“多源数据交叉验证”方法（比对天眼查、企查查、银行流水三方数据），将数据准确率从85%提升至95%，为后续风控建模提供10万+条可靠数据
• 收集一线客户经理反馈的“尽调流程繁琐”“客户疑问解答不及时”等12项问题，整理成结构化需求文档提交产品团队；推动优化“尽调Checklist”（精简非核心字段3个）与“客户常见问题FAQ”（覆盖15类高频问题），一线工作效率提升25%，客户满意度从80%升至88%
• 参与“线上申请流程”“审批进度查询”功能测试，设计20条测试用例（涵盖不同客群、不同申请渠道），发现“身份证OCR识别错误”“审批状态更新延迟”等8个问题；推动技术团队修复后，产品上线bug率从15%降至5%，首月用户投诉率低于1%

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。

• 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。