吴子琪

• 零售信贷精准营销：独立开发代理保险购买、新型存款认购预测模型（精准度88%+），通过逻辑回归评分卡量化客户购买概率，推动标签在省级客户画像平台上线，支持66家农商行圈选高潜客户，模型复用率100%，触达客户超80万户。
• 信用卡风控体系搭建：主导贷中行为评分卡开发，监控20+风险指标并设计4条动态策略（降额/止付等），部署至决策引擎后实现高风险客户提前预警，不良率下降12%，年减损8000万元。
• 客户流失预警运营：基于XGBoost构建流失预警模型，识别账户活跃骤降等流失特征，输出归因报告并制定分层挽回策略，推动月度流失率下降9%，高价值客户留存率提升22%。
• 隐私计算技术应用：参与省科技厅隐私安全计算项目，联合友盟通过联邦学习构建存款购买预测模型。
• 数据赋能与培训：开展模型应用培训，覆盖全辖农商行领导、业务部门和科技部门，推动数字化转型，结合省版模型成果设计本地化营销方案。

外包至广东农信：

• 数据驱动营销模型开发：独立构建线上消费贷潜在客户预测模型，采用逻辑回归算法与特征工程），模型AUC达0.78，精准识别高潜客户超20万户，推动触达效率提升20%，消费贷申请率增长15%，新增授信额超5000万元。
• 业务流程优化与成本管控：参与联合创新课题，设计基于Facebook 时间序列预测算法 Prophet的网点现金需求预测模型，MAPE误差<8%，优化现金调拨频次与额度。
• 省级模型落地与培训：主导佛山、江门农商行精准营销试点，结合省级模型标签，协助试点机构转化率较传统方式提升18%，并全省推广应用。

外包至广东农信：

• 消费贷贷前审批模型优化：参与消费贷贷前审批模型迭代，通过策略效果分析（如通过率、坏账率）输出专题报告，识别高风险客户特征并优化评分卡阈值策略，模型KS值提升0.15，审批通过率提升8%。
• 消费贷申请预测模型全流程开发：主导消费贷申请预测模型开发，完成特征宽表设计（整合客户基础信息、交易、行为数据20+维度），采用逻辑回归算法优化模型性能精准识别高潜客户群体。

• 独立构建全行级客户特征库：整合客户征信、交易流水、产品持有等10+类数据源，通过变量分箱、WOE编码等处理生成200+高解释性特征，为评分卡模型提供标准化输入。
• 基于逻辑回归评分卡开发三大预测模型：
  • 线上消费贷申请预测模型：通过IV值筛选关键变量构建评分卡，量化客户申请概率，指导农商行精准定位高意向客户，电销转化率提升20%；
  • 代理保险认购预测模型：融合客户生命周期价值与历史购买行为，设计差异化保险推荐策略，试点农商行首季保险销售额增长17%；
  • 新型存款产品购买预测模型：基于行为评分卡划分客户价值层级，制定差异化营销触达方案，产品渗透率较传统方式提升40%。
• 模型落地与跨机构协同：设计可视化评分卡规则解释工具，降低农商行业务人员使用门槛，推动20+农商行完成模型本地化测试。
• 数字化转型赋能：建立从特征开发、模型训练到策略部署的评分卡标准化体系，累计培训农商行人员150+人次，推动数据驱动决策。

作为项目经理，针对广东农信信用卡贷中风险监控体系缺失问题，牵头搭建全流程风控管理体系，覆盖风险预警、策略干预、效果评估闭环。主要工作内容与职责包括：

• 全流程项目管理-统筹数据、开发、风控团队完成需求分析-模型开发-策略部署全周期，制定项目里程碑并推动关键节点落地，确保项目按期上线。-协调大数据风控平台、基础数据平台、信用卡系统完成系统对接，推动风控策略与业务系统集成。
• 风险模型与策略开发-行为评分卡（B卡）构建：主导开发贷中行为评分模型，整合20+风险指标（如额度使用率、历史逾期情况、征信指标），采用逻辑回归优化KS值至0.52，高风险客户识别准确率达85%。-风控策略设计：制定62条自动化策略，智能化风控决策，减少人工干预70%。
• 系统落地与业务协同-推动模型与策略在决策引擎部署。-建立风险预警-策略执行-效果监控闭环，设计风险数据门户看板，支持业务部门实时追踪高风险客户处置进度。
• 农商行培训与推广-编制《贷中风控操作手册》，推动策略在全省6家持牌农商行有效实现信用卡贷中风险防控。