负责小微客群数字信贷产品的全生命周期运营，聚焦客群分层策略优化、风险模型迭代及业务-风险-体验的三角平衡，推动单季度放款规模从8亿提升至25亿，同时将首逾率控制在1.8%以内。

• 主导设计‘小微经营贷3.0’产品的客群准入策略，基于行内结算流水、税务数据及第三方支付平台的经营场景数据（如收单频次、上下游交易稳定性），运用XGBoost构建多维度评分卡模型，结合A/B测试验证不同客群的额度梯度（5-50万），上线后客群通过率提升22%，30天逾期率较上一代产品下降0.9个百分点。
• 针对贷中资产质量波动问题（Q3首逾率环比上升0.7%），牵头完成客群风险画像重检，发现‘批发零售业新注册商户’逾期率高出均值1.5倍，通过引入工商变更频次、法人涉诉记录等动态数据补充至贷中监控规则，同步调整该类客群的支用限额（从30万压缩至20万），次月该客群逾期率回落至均值水平，整体资产质量达标率提升至99.2%。
• 协同技术团队完成‘310模式’（3分钟申请、1秒放款、0人工干预）的流程优化，梳理贷前自动核验节点12个，通过优化OCR识别准确率（从89%提升至95%）及对接央行征信二代接口缩短响应时长，将平均审批耗时从85秒压降至42秒，用户转化率提升18%。
• 搭建小微客群贷后预警指标体系，整合还款行为（连续3期最低还款）、经营数据（流水环比下降超30%）、外部舆情（司法执行信息）三类信号，设置红-黄-绿三级预警机制，推动贷后团队提前介入率提升40%，M3+回收率从78%提高至85%。

支持数字信贷产品的落地执行与风险策略迭代，重点参与小微客群贷前准入规则校准、贷中数据监控及客诉流程优化，协助团队将产品通过率从15%提升至28%，客诉解决时效缩短至2小时内。

• 协助完成‘小微税易贷’产品的初期客群测试，基于税务数据（纳税额、留抵退税情况）与工商数据（存续时长、股东结构）设计5类准入标签，通过SPSS进行变量重要性分析筛选出‘近12个月纳税连续性’‘增值税开票品目集中度’两个核心指标，支撑策略团队将目标客群精准度提升30%。
• 监控贷中放款数据时发现‘批发业商户’逾期率周环比上升1.2%，通过交叉分析客群的经营地址（集中在某商贸市场）、贷款用途（多为备货周转）及还款来源（下游账期延长），提出‘按市场集群动态调整额度’的建议，被策略团队采纳后该客群逾期率2个月内回落至基准线，相关经验被纳入《小微客群风险观察手册》。
• 处理线上信贷客诉时，梳理高频问题TOP3（额度突然冻结占比45%、还款提醒延迟占比30%、合同条款不清晰占比15%），联动产品团队优化额度冻结前的短信预警模板（增加具体冻结原因），并推动技术团队修复还款提醒接口延迟问题，客诉解决时效从4小时缩短至1.5小时，NPS评分提升12分。
• 参与贷后数据复盘，整理M1-M3各阶段客群的触达方式（电话、短信、APP推送）效果数据，发现‘M1阶段APP推送+智能语音外呼’的组合回款率比单一渠道高25%，该结论被应用于贷后策略调整，推动当月M1回收率提升7%。

负责数字信贷业务的基础数据支持与流程执行，重点参与客户资质初审、贷后资料归档及产品迭代需求收集，为后续信贷运营能力打下扎实基础。

• 协助完成日均200+笔小微贷款的初审工作，基于企业征信报告、法人身份证及营业执照信息，核对‘经营年限≥2年’‘无当前逾期’等基础准入条件，同时标注异常点（如联系方式与工商登记不一致），初审准确率达99.5%，保障后续风控环节效率。
• 搭建贷后档案电子化系统，梳理借款合同、还款记录、贷后检查报告等12类资料的归档标准，设计OCR识别模板（识别准确率92%），将纸质档案归档耗时从3天/百笔缩短至6小时/百笔，支持风险团队快速调取历史数据进行贷后分析。
• 定期收集一线信贷员反馈（每月20+条），整理‘客户对额度计算规则不理解’‘申请材料清单更新不及时’等共性问题，形成需求文档提交产品团队，推动优化额度试算工具（增加明细展示）及官网材料清单页（实时同步更新），客户咨询量下降40%。

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%。

• 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。