•深入钻研统计学、数据挖掘与算法优化课程，在《机器学习》课程项目中独立实现基于逻辑回归的信用评分模型，准确率达 87%。
•带队参加全国大学生数学建模竞赛，负责数据处理与可视化模块，针对城市交通拥堵预测问题提出创新解决方案，获得省级一等奖。
某大型消费金融平台 - 风控技术中心消费金融头部企业
2018.01-2021.06
风控数据产品经理消费金融风控实时决策引擎风险指标体系数据质量治理
北京
•主导消费金融风控数据产品架构设计，整合交易流水、设备指纹、行为轨迹等多维数据源，构建覆盖贷前审批、贷中监控、贷后催收的全链路风控数据体系。
•协同风控策略团队与算法工程师，推动实时风控决策引擎迭代升级，产品上线后平台欺诈交易识别率提升至 99.3%，误杀率控制在 0.8% 以内。
•建立动态风险指标看板与预警机制，针对异常交易模式自动触发人工复核流程，显著缩短风险响应时间，单月拦截可疑交易超 12 万笔。
•负责数据质量监控体系的搭建与维护，制定数据完整性、准确性校验规则，定期输出数据质量评估报告，保障风控模型输入数据的可靠性。
数据产品经理电商风控场景商家信用体系规则引擎自动化跨部门协同
北京
•负责电商交易风控数据平台搭建，整合订单、支付、物流、客服等多业务线数据，构建商家信用评级与买家行为风险画像体系。
•设计并落地虚假交易识别模型，通过分析交易时间、金额、设备、IP 等特征维度，有效识别刷单、套现等违规交易，平台违规交易发生率下降 67%。
•推动风控规则引擎的自动化配置，支持业务方按需调整风险阈值与处置策略，大幅降低人工干预成本，大促期间风控处理效率提升 3 倍。
•与风控、运营、客服等多部门深度协作，将数据洞察转化为业务行动，针对高风险商家实施差异化管控策略，平台资损率控制在 0.03% 以下。
•该项目聚焦消费金融场景下的实时交易欺诈识别，整合设备指纹、交易行为、关联网络等多维度数据，构建毫秒级风控决策能力。
•作为项目负责人，主导需求分析、产品原型设计、技术方案评审及跨团队协作，推动项目从 0 到 1 落地，覆盖日均 500 万笔交易场景。
•引入 XGBoost 与图神经网络算法，构建多层级风险评分模型，针对新型欺诈手段建立动态特征库，欺诈识别 F1 值提升至 0.92。
•系统上线后，平台欺诈交易拦截率提升至 99.5%，误杀率降至 0.5% 以下，同时决策响应时间控制在 100ms 内，显著提升用户体验。
•参与公司风控特征工程平台搭建，负责特征存储、计算与调用的架构设计，支持在线/离线特征的统一管理与复用。
•针对原始交易数据设计清洗与标准化流程，构建基于时间窗口的动态特征提取规则，有效捕捉用户行为变化趋势。
•开发特征重要性评估工具，通过 SHAP 值分析识别高价值风控特征，为模型迭代提供数据支撑，特征利用率提升 40%。
•通过优化特征计算逻辑与存储结构，使风险模型训练效率提升 60%，特征更新延迟从小时级缩短至分钟级，显著增强模型时效性。
风控行业认知:
深度理解金融反欺诈、信用评估、反洗钱等核心风控领域的业务逻辑与监管要求，熟悉央行、银保监会等机构发布的最新风控政策。
持续跟踪国内外风控技术发展趋势，关注联邦学习、隐私计算等前沿技术在金融风控场景的应用实践，具备将新技术转化为产品方案的能力。
