金融数据挖掘工程师简历范文

• 负责零售信贷客户流失预警模型开发，用XGBoost与逻辑回归融合建模，召回率提升18%，年挽回客户资产约3.6亿元。
• 搭建特征工程与模型监控流程，将模型迭代周期从3周缩短至8天，支撑6条业务线月度更新。
• 与风控和营销团队协作落地精准营销策略，活动响应率由4.2%提升至7.5%。

• 负责贷前授信评分卡开发与验证，模型KS达0.38，审批通过率提升6个百分点。
• 构建反欺诈规则与关联网络特征，识别团伙欺诈案件230余起，减少损失约800万元。
• 输出月度资产质量分析报告，为管理层贷后策略调整提供数据支持。

• 整合设备、行为与征信数据构建反欺诈特征库，覆盖1200万客户，模型AUC达0.86。
• 设计规则与模型双引擎决策流程，欺诈拦截率提升25%，误拒率下降3个百分点。

• 基于RFM与行为序列特征构建流失预警模型，提前30天识别高风险客户，准确率78%。
• 联动营销系统推送挽留方案，试点客户留存率提升11%，带动AUM增长约2.1亿元。

研究方向为金融风险管理与数据挖掘，核心课程：多元统计、机器学习、金融计量。

主修概率论、数理统计与数值分析，获校级奖学金两次。