负责小微客群数字信贷产品全生命周期运营，联动风控、技术与运营团队优化信贷流程与风险策略，通过数据驱动提升客群转化率、资产质量及产品迭代效率

• 主导小微商户贷客群分层运营体系搭建，基于RFM模型、商户收单流水及税务申报数据构建“经营活跃度-偿债能力”双维度标签，针对“高频低客单”“低频高流水”两类未覆盖客群设计“随借随还+利率折扣”“额度递增+场景嵌入”差异化策略；初期转化率仅12%，联动数据团队引入电力缴费、电商平台GMV等第三方数据补充经营稳定性维度，优化标签权重，最终该客群30天授信转化率提升至27%，单月新增授信规模增长45%
• 牵头优化数字信贷申请流程，识别“营业执照识别慢”“银行流水人工核验耗时长”两大痛点，引入OCR+NLP技术实现营业执照关键信息自动提取（准确率98.5%）、银行流水结构化解析（处理时效从2小时缩短至10分钟）；上线后申请完成率从38%提升至62%，人工审核成本下降30%
• 协同风控团队搭建反欺诈规则引擎，结合设备指纹、行为轨迹（如页面停留时长、输入错误率）及关联网络分析，识别“同一设备多账户申请”“流水异常集中转入”等欺诈特征；规则上线后团伙欺诈识别率提升至85%，欺诈损失占信贷余额比例从0.18%降至0.07%
• 监控信贷资产核心指标（LTV、DPD30+逾期率、客群违约概率），用归因分析定位“餐饮行业客群DPD30+率达8.2%”的问题，通过拆解其经营流水波动、负债结构发现“疫情后复购率低导致现金流紧张”，联动产品团队调整该行业额度上限（从20万降至15万）并增加“营收分成还款”选项，3个月后该行业逾期率降至4.1%

协助数字信贷产品需求调研与迭代，参与风险策略测试与优化，负责客群运营数据分析及产品反馈收集

• 参与小微经营贷产品需求调研，用问卷星发放120份商户问卷、深度访谈20家餐饮/零售小店主，输出“希望灵活调整还款周期”“需要经营场景化额度”的核心需求，推动产品上线“随借随还+按日计息”功能，上线后客户复贷率从25%提升至38%，NPS评分从42分升至55分
• 协助测试风险定价模型，选取5000户客群做A/B测试，对比“基于收入负债比定价”与“加入社交行为数据定价”两种策略的表现；结果显示后者逾期率低1.2个百分点、客群通过率高8%，推动模型优化后应用于实际审批，季度坏账损失减少15万元
• 分析客群还款行为数据，用Python做K-means聚类，识别出“高收入低负债但很少使用增值服务”的高价值客群（占比18%），协助运营团队设计“专属客服+费率优惠”权益包，该客群人均贷款余额从8万增长至12万，留存率提升22%
• 整理每月信贷运营数据，输出《客群转化分析报告》《风险指标监控表》，其中“申请驳回原因TOP3”模块帮助前端运营优化引导话术，申请资料完整率从70%提升至88%

负责小微信贷客户日常运营与风险排查，处理客户咨询投诉，收集产品优化反馈

• 运营1200+小微客户，用纷享销客CRM系统跟踪还款进度，建立“还款日前7天短信提醒、前3天电话确认、逾期1天启动催收”的分层触达机制；上线后客户主动还款率从65%提升至82%，DPD7+逾期率从5.1%降至3.3%
• 协助风险团队排查高风险客户，用关联规则分析找出“资金流向关联方账户”“多头借贷次数超过3次”的异常特征，累计识别风险客户120户，提前介入后减少坏账损失约28万元
• 处理客户咨询与投诉，总结“额度审批慢”“还款渠道不熟悉”等高频问题，优化FAQ文档并更新至APP帮助中心，客户问题解决时效从4小时缩短至1.5小时，投诉率下降40%
• 收集客户产品反馈，整理“希望增加发票贷产品”“审批进度可实时查询”等需求15条，其中8条被产品团队采纳，推动上线“发票贷”试点，首月获客200+户

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。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。