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%。

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%。

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。