AMAZING RESUME / 01
NAVIGATE · EXPLORE · ADVANCE
牛敬业
金融数据建模专员
常怀探索之心，以实干沉淀自身价值
188****5734niu****@***.com北京30男金融数据建模专员在职北京15k-25k •在“信用评分与风险量化”课程项目中，基于真实信贷数据完成特征筛选、WOE 编码与逻辑回归模型开发，撰写评分卡上线方案并输出规则引擎原型，项目获院级实践成果一等奖。
•参与金融时间序列预测课题，使用 LSTM 与 ARIMA 模型对股指波动率进行建模对比，利用 Python 完成数据预处理、参数调优和回测，报告被纳入课程案例库。
北京锐云数据科技有限公司 - 数据建模部金融科技新锐创新型企业
2017.07-2020.12
•负责消费信贷产品信用评分模型的迭代与监控，融合客户征信、还款行为、多头借贷等多元数据（月均处理特征维度超 800 个，样本量 6000 万+），采用 LightGBM 与评分卡结合的方式优化模型，使 KS 值提升 0.08，坏账率下降 18%。
•协同产品与运营团队，为新上线的小微企业主贷款产品制定建模方案，主导数据埋点设计、特征工程与模型验证，从立项到投产仅用 7 周，保障产品风险可控并快速放量。
•建立模型全生命周期监控体系，每日自动生成稳定性 PSI 报表和特征漂移预警，根据客群变化及时调整模型阈值，确保模型迭代周期压缩至 3 周以内。
北京银行昌平支行 - 风险管理部大型国有银行金融行业标杆
2021.01-至今
金融数据建模工程师银行信用建模模型平台建设技术分享
北京
•主导银行零售客户信用评级模型重构项目，整合行内 6 年（超 2 亿笔）授信、用信、还款流水及外部征信数据，引入 CatBoost 算法并融合时间序列特征，使评级区分度指标提升 18%，模型运行效率提升 40%。
•搭建内部信用风险建模平台，参与从需求梳理、架构设计到灰度测试的全流程，实现特征自动化加工与模型一键部署，将单次建模实验周期从 3 天缩短至 1 天，大幅提升团队协作效率。
•组织月度数据建模技术沙龙，覆盖特征挖掘、模型可解释性、工程化落地等主题，累计分享 10 余次，参与人数 50+，沉淀内部建模规范文档 20 余篇。
互联网消费分期欺诈识别模型项目 - 模型构建核心成员
2018.05-2019.03
•项目背景：针对平台消费分期场景中的套现、伪冒申请等欺诈行为，构建实时拦截模型。
•数据处理：整合用户注册、交易、设备指纹、社交关系等多源数据（日均增量 200 万条），采用滑动窗口生成衍生特征，并通过缺失值分类填补、孤立森林剔除异常样本，清洗后有效特征达 1200 余维。
•模型构建：采用 Bi-LSTM+Attention 机制捕捉交易序列中的异常模式，并利用 XGBoost 对静态特征建模，双模型融合后 AUC 达 0.96，测试集准确率 94%，召回率 91%。
•项目成果：模型上线后，欺诈案件自动识别率提升至 87%，月均拦截高风险交易 1200 余笔，降低潜在损失约 600 万元/月。
银行信用卡客户价值分层模型优化项目 - 模型开发负责人
2021.05-2021.12
•项目背景：为提升信用卡存量客户经营效率，需构建精细化价值分层模型，支撑差异化权益配置。
•数据整合：打通信用卡核心系统、商户流水、账单分期、APP 行为埋点等 8 个数据源，加工客户生命周期、消费偏好、活跃度等 300 余个特征，构建宽表总量超 1.5 亿条。
•模型开发：基于 RFM 衍生指标，使用高斯混合模型（GMM）对客户进行聚类，结合业务经验划分为 6 个层级，并针对低活跃高价值客群设计唤醒策略，经 A/B 测试，唤醒转化率提升 35%。
•项目成果：分层模型落地后，信用卡分期业务渗透率提高 12%，营销活动 ROI 提升 28%，客户流失率降低 9%。
对数据背后的规律与风险有天然敏感，享受在噪声中寻找可落地的模型解法。习惯以严谨的工程意识对待每一行代码与每一次特征筛选，追求逻辑清晰、可复现的结果。善于将统计学直觉与金融业务判断相结合，在逻辑回归、集成树、时序网络等方法间灵活权衡，也注重从清洗到上线的全链路可靠性与迭代效率。沟通时能快速理解业务语言，把复杂分析转化为协作基点。希望持续扎根金融数据领域，用可控的模型驱动更稳健的决策。
金融数据可视化与决策支持:
利用 Tableau 搭建投资组合绩效归因看板，动态展示因子暴露、收益分解及 VaR 变动，支持组合经理快速诊断超额收益来源与风险敞口。
熟练使用 Python 的 Plotly 与 Dash 框架开发模型监控仪表盘，实时刷新 PSI、KS 与分箱稳定性指标，辅助模型迭代与运维预警。
