在校期间，系统学习了计算机基础理论、数据结构、算法设计等课程，为后续从事风控产品运营工作奠定了扎实的技术基础。积极参与学校组织的各类科技竞赛和项目实践，锻炼了团队协作和问题解决能力。

• 负责公司风控产品的整体运营规划，制定产品运营策略，包括用户增长、风险防控效果提升等方面。
• 与产品研发团队紧密合作，参与产品需求评审、功能设计优化，确保产品功能符合风控业务场景和用户需求。
• 分析海量用户行为数据和风险数据，挖掘潜在风险点和业务机会，通过运营手段推动产品迭代优化。例如，通过对用户借贷行为数据的分析，发现某类用户群体逾期率较高，针对性地优化了该群体的风险评估模型，使逾期率降低了15%。
• 搭建风控产品运营指标体系，监控产品关键指标（如风险识别准确率、用户投诉率等），定期输出运营报告，为管理层决策提供数据支持。

• 协助上级开展风控产品的日常运营工作，包括用户风险审核、异常交易监测等。
• 参与风控规则的制定和优化，根据业务需求和风险变化，调整风险审核策略。例如，针对电商平台的虚假交易风险，协助制定了新的交易行为监测规则，使虚假交易识别率提高了20%。
• 与客服团队协作，处理用户关于风控问题的咨询和投诉，收集用户反馈并推动问题解决，提升用户满意度。通过优化客服响应流程，将用户投诉处理时长缩短了30%。
• 整理和分析风控运营数据，为产品优化和业务决策提供数据参考。

• 参与公司‘智能风控系统升级’项目，负责运营需求梳理和产品功能验收。
• 分析现有风控系统在用户体验和风险防控效果方面的痛点，与产品研发团队沟通，提出20+项功能优化建议，如简化用户风险认证流程、增强风险预警功能等。
• 制定项目上线后的运营推广方案，通过线上线下渠道宣传新系统的优势，吸引用户使用。上线后，系统用户活跃度提升了25%，风险防控效果指标（如坏账率）优化了10%。
• 持续跟踪项目运行情况，收集用户反馈，推动后续迭代优化。

• 主导‘电商平台商家风控模型优化’项目，旨在降低商家违规风险。
• 整合平台商家历史交易数据、信用数据等多维度数据，构建商家风险评估模型。通过数据分析，筛选出10+关键风险指标，如交易异常频率、好评率异常波动等。
• 利用机器学习算法对模型进行训练和优化，使模型对商家违规行为的预测准确率达到85%以上。
• 项目成果应用于平台商家入驻审核、日常交易监控等环节，有效减少了违规商家数量，保障了平台交易秩序。