背景：参与消费金融产品贷前风控模型优化项目，需提升逾期识别准确率。任务：清洗并分析近6个月用户交易流水、征信报告等数据，提取关键特征。工具/方法：使用Python（Pandas、Scikit-learn）进行数据预处理与逻辑回归建模，通过AUC评估模型性能。协作对象：与风控团队、产品经理沟通业务需求，与数据工程师对接数据接口。结果：模型AUC提升5个百分点，逾期识别准确率提高8%，获团队采纳用于实际审批流程。