秋实丨simple
高级数据模型工程师 · 6年经验 · 神码
0
累计接单
0
用户评价
0
被收藏
技术能力
具备5年以上金融风控领域数据建模与分析经验，熟练掌握Python进行全流程模型开发（特征工程、模型训练、迭代优化），精通Hive、MySQL、Oracle等数据库的数据查询与处理，能独立完成从数据清洗、特征提取到模型部署的完整工作流。熟悉LR、LightGBM、XGBoost等主流机器学习算法，擅长信用风险、反欺诈等场景的模型搭建，曾主导银行统一数字风控体系项目，通过特征工程优化与模型迭代，将模型KS提升至0.5以上；在Paylater项目中，负责模型上线后的监控与迭代，使用KS、PSI、AUC等指标评估模型效果，实现不良率降低5%。此外，熟练运用Excel进行数据可视化与初步分析，掌握SQL进行复杂查询与数据聚合，具备从业务需求到技术落地的全链路能力，能快速响应风控策略调整，保障模型稳定性与业务合规性。
项目经验
某银行统一数字风控体系一期项目（2026.05 - 至今）
作为高级数据模型工程师，针对银行传统风控规则分散、覆盖不足的问题，参与制定三类核心信贷产品的风控策略，负责模型验证与迭代。通过特征工程优化（如整合多维度用户行为数据）、模型全流程测试（区分度/稳定性指标验证），结合业务需求调整策略阈值，最终将模型KS提升至0.5以上，保障模型上线后的有效性与合规性，为银行统一风控体系提供标准化支撑。
某农商行个人信贷业务模型策略优化咨询项目（2025.09 - 2026.05）
针对农商行个人信贷业务原有风控体系识别精度不足的问题，作为高级数据模型工程师，负责模型开发与策略设计。通过特征工程（挖掘还款行为、征信表现等特征）、模型训练（逻辑回归+决策树融合），结合业务需求调整策略（如优化额度审批规则），开发四套模型（覆盖贷前、贷中、贷后全流程）。最终模型KS值达0.5以上，客户授信响应效率提升明显，不良率较优化前降低8%，为农商行信贷业务风险控制提供技术支撑。
paylater项目（2023.12 - 2025.09）
在消费信贷类核心产品Paylater项目中，负责模型迭代与上线监控。针对业务规模扩张带来的模型精度下降问题，通过特征工程（提取用户交易、行为等多维度特征）、模型训练（LightGBM算法优化）提升风险识别能力，并使用KS、PSI、AUC等指标实时评估模型效果。完成4版模型迭代上线后，不良率降低5%，累计识别异常风险点3+次，保障业务无重大风险事件发生，支撑平台风险控制目标达成。
作为高级数据模型工程师，针对银行传统风控规则分散、覆盖不足的问题，参与制定三类核心信贷产品的风控策略，负责模型验证与迭代。通过特征工程优化（如整合多维度用户行为数据）、模型全流程测试（区分度/稳定性指标验证），结合业务需求调整策略阈值，最终将模型KS提升至0.5以上，保障模型上线后的有效性与合规性，为银行统一风控体系提供标准化支撑。
某农商行个人信贷业务模型策略优化咨询项目（2025.09 - 2026.05）
针对农商行个人信贷业务原有风控体系识别精度不足的问题，作为高级数据模型工程师，负责模型开发与策略设计。通过特征工程（挖掘还款行为、征信表现等特征）、模型训练（逻辑回归+决策树融合），结合业务需求调整策略（如优化额度审批规则），开发四套模型（覆盖贷前、贷中、贷后全流程）。最终模型KS值达0.5以上，客户授信响应效率提升明显，不良率较优化前降低8%，为农商行信贷业务风险控制提供技术支撑。
paylater项目（2023.12 - 2025.09）
在消费信贷类核心产品Paylater项目中，负责模型迭代与上线监控。针对业务规模扩张带来的模型精度下降问题，通过特征工程（提取用户交易、行为等多维度特征）、模型训练（LightGBM算法优化）提升风险识别能力，并使用KS、PSI、AUC等指标实时评估模型效果。完成4版模型迭代上线后，不良率降低5%，累计识别异常风险点3+次，保障业务无重大风险事件发生，支撑平台风险控制目标达成。
立即沟通
