BUSINESS · PEOPLE · CULTURENO. 006COVER PROFILE牛敬业
风控策略开发
常怀探索之心，以实干沉淀自身价值
188****9156niu****@***.com北京30男风控策略开发在职北京25k-35k THE NEW WORK ISSUE •担任学院计算机技术社团负责人，策划并执行多期“黑客马拉松”赛事，协助百余名同学完成项目实战，锤炼了组织管理与技术赋能经验。
•积极投身编程大赛与数学建模活动，在团队协作中主导逻辑架构设计，有效提升了抗压能力与跨部门协同效率。
•基于本地生活业务特性，主导搭建反欺诈策略体系，通过多维特征工程识别异常订单，有效控制恶意刷单行为，将资损率降至 0.X‰ 以下。
•深度参与外卖、到店等核心业务线风险治理，针对不同场景定制化规则引擎，在保障业务增速的同时，将风险拦截准确率提升至 9X%。
•引入图神经网络算法，构建关联风险识别模型，有效挖掘团伙欺诈特征，模型迭代后风险召回率提升 3X%，显著优化了风控成本。
•建立策略全生命周期管理机制，通过 A/B 测试与实时监控看板，动态校准规则阈值，确保风控策略在高流量峰值下的稳定运行与快速响应。
•协助构建消费信贷准入规则体系，负责数据清洗与特征提取工作，为规则制定提供高质量数据底座，覆盖 8X% 的核心信贷业务。
•针对信贷用户进行多维度风险画像，通过行为数据与征信数据交叉验证，识别潜在高风险客群，为策略调整提供数据洞察支持。
•执行策略上线后的效果复盘与异常排查，建立风险预警机制，及时处理线上规则误判事件，保障信贷业务平稳运行。
•与研发部门紧密配合，推动风控规则在决策引擎中的配置与发布，通过自动化脚本提升规则上线效率，缩短策略迭代周期。
•主导设计并落地反欺诈实时决策平台，整合设备指纹、用户行为轨迹及外部征信数据，构建 360 度风险识别视角。
•运用集成学习与深度学习算法训练欺诈检测模型，通过特征交叉与模型融合，模型 KS 值突破 0.X，成功拦截多起规模化团伙欺诈攻击。
•开发毫秒级实时决策引擎，支持根据风险评分动态下发拦截、挑战或放行指令，将风险决策耗时压缩至 50ms 以内。
•统筹跨部门资源推进平台上线，制定详细的灰度发布与应急预案，保障平台在高并发场景下的稳定性，支撑业务交易量实现翻倍增长。
•针对普惠金融长尾客群，深入挖掘多维替代数据，构建差异化特征工程体系，新增数十个有效预测变量，填补了传统征信的空白。
•迭代信用评分卡模型，引入 SHAP 值进行特征解释性分析，确保模型逻辑可解释、可监管，模型区分度（AUC）稳步提升。
•搭建贷后风险监控看板，通过行为评分卡实时追踪客户还款意愿变化，提前识别潜在违约信号，有效降低组合资产的逾期率。
•设计并执行多轮 A/B 测试，量化评估策略调整对通过率与风险指标的影响，最终实现风险可控前提下的业务规模健康增长。
对风控领域的逻辑推演抱有持久热忱，坚信在‘控风险’与‘促发展’的博弈中寻找最优解，是策略工程师的核心价值。我是一个对数据背后的因果关系极度敏感的人，习惯于透过业务表象挖掘风险本质，追求每一行规则背后的严谨逻辑。
核心能力沉淀于扎实的数据分析与机器学习功底，擅长将复杂的业务场景转化为可量化的模型语言。工作习惯上，我极度关注策略的颗粒度与落地效果，对规则边界有近乎‘洁癖’的执着，确保策略在精准拦截风险的同时，最大限度减少对正常业务的误伤。
对前沿风控技术保持敏锐嗅觉，业余时间会持续跟踪知识图谱、大模型等技术在反欺诈领域的创新应用。期待能将这份对风控的敬畏与探索精神，投入到更具挑战的策略设计工作中，与团队共同构建更稳健的风险防线。
机器学习建模 (XGBoost/LightGBM) 风控行业洞察:
深耕信贷审批策略与反欺诈体系，熟知央行征信管理办法及数据安全合规红线，掌握了从获客到贷后全链路的潜在风险点识别方法。
持续追踪金融科技前沿，研读知识图谱与规则引擎在联合风控中的实践案例，尝试探索大模型技术在非结构化数据欺诈识别中的创新应用。
