•深入学习数据挖掘、统计学原理、数据库系统等专业核心课程，成绩排名专业前 10%，GPA 3.7（满分 4.0）。
•参加全国大学生数学建模竞赛，负责模型构建与算法实现，最终获得省级一等奖，锻炼了将数学理论转化为解决实际问题的能力。
•参与导师课题组关于信用评分体系的课题研究，协助完成文献综述与部分实验数据分析工作。
•主导搭建商业场景风控策略框架，针对到店、外卖等高频业务制定差异化反作弊规则，使整体补贴损耗率下降 18%。
•联动数据算法团队，深度挖掘用户行为序列特征，迭代准入模型，提升策略拦截准确率 12%。
•推进风控决策引擎自动化升级，压缩人工审核链路，实现审核响应耗时降低 40%。
•建立风控策略效果监控体系，根据黑产攻击趋势与业务波动实时调优规则阈值，确保业务安全运行。
•协助资深专家推进供应链金融风控建设，参与设计商家准入与履约能力评估规则，覆盖全链路风险点。
•负责历史交易数据的清洗与结构化处理，为模型特征工程提供高质量数据支撑，累计处理数据量超 20TB。
•调研图计算、联邦学习等前沿风控技术在关联风险识别中的应用，撰写内部技术调研报告 6 篇。
•配合业务运营团队在大促期间制定风险应急预案，保障供应链金融业务在风险可控前提下快速扩张。
•主导‘实时交易风控引擎’建设，通过引入流式计算架构与机器学习模型，构建毫秒级风险拦截能力。
•整合设备指纹、IP 库及用户行为序列等多维数据，实现复杂攻击模式的实时识别，项目上线后欺诈交易拦截率提升至 95%以上。
•协调研发与业务侧完成系统全链路压测与灰度发布，组织多轮培训，确保新引擎平稳替换旧系统。
•参与‘供应链金融授信模型迭代’项目，对现有商家授信逻辑进行全面梳理与风险点排查。
•基于外部工商数据与内部交易记录，优化评分卡参数，细化商家分层策略，提升模型区分度。
•项目落地后，优质商户授信通过率提高 15%，同时整体坏账率下降 8%，有效平衡了业务规模与资产质量。
数据可视化工具:
熟练掌握 Tableau 与 PowerBI，能独立搭建风控实时监控大屏，直观呈现风险指标波动。
编写过多个自动化数据报表脚本，实现每日风险日报定时推送，节省人工统计时间 50%。
