二十大代表风采丨李鹏:扎根基层金融一线32载的“贴心人”******
中新网北京10月12日电 题:李鹏:扎根基层金融一线32载的“贴心人”
中新网记者 王恩博
“只要找到李鹏姑娘,什么问题都能解决。”
扎根基层金融一线32载,中国工商银行新疆乌鲁木齐新民路支行副行长李鹏曾获得全国优秀共产党员、全国劳动模范、全国五一劳动奖章、全国三八红旗手等荣誉。在她服务过的客户们眼中,这更是一位“贴心人”。
1990年,刚刚从新疆银行学校毕业的李鹏被分配到工行新疆分行基层网点,这一干就是32年。从三尺柜台到客户经理,尽管工作岗位有所变化,但李鹏始终将“服务客户、让客户满意”作为自己的职责所系。
银行柜员是与金融消费者打交道最多的岗位。普通老百姓对金融知识了解程度不一,把客户需求作为服务着力点的李鹏,从不吝于多说、多问、多了解一点。
一位维吾尔族大爷取款时忘记密码,李鹏耐心细致地帮忙解决难题,并不厌其烦地为其逐张点验所取款项;一位80多岁的独居阿姨腿脚不便,李鹏一个月内3次上门接送办理业务……正是对于无数小事的暖心、用心,换来了本文开头那句评价。
李鹏为青年员工传授经验。 中国工商银行 供图2008年,李鹏转型为理财经理。这个“守护”民众财富的新岗位不仅需要热心肠,还需要冷静的头脑。李鹏给自己立了条规矩:“对客户一视同仁,业绩任务固然重要,但一定要凭良心坚守职业道德,给客户推介最适合的产品。”
为客户提供理财建议时,李鹏始终设身处地、将心比心,努力做到“量体裁衣”。得知一位客户曾执意投资一个“稳赚不赔”的“大项目”,李鹏几次三番劝阻,甚至陪客户一起“听课”。一边听,李鹏一边运用专业知识向客户解释“课”中讲述的赚钱模式并不靠谱,最终为客户守住了钱款。
为了满足不同客户多样化的理财需求,李鹏考取了金融理财师、高级财富管理师、国家薪税师等十几种行内外资质。在她的用心服务下,一些低收入人群收获了资产增值的喜悦,甚至成为“理财达人”;一些小微企业客户树立了科学的理财和经营观念,为企业稳健发展保驾护航……
随着金融产品形式越来越多样化,金融服务覆盖面越来越广,“三农”、住房、小微企业……更多人享受到金融发展带来的红利。如何让金融知识进一步走进千家万户,让优质服务从“我”走向“我们”,成了李鹏思考得最多的事情。
李鹏为客户讲解理财知识。 中国工商银行 供图2016年,工行新疆分行成立了以李鹏名字命名的“李鹏工作室”。她将自己多年的工作经验总结成“李鹏工作法”,在传技带徒中把服务理念和技巧倾囊相授。六年来,工作室共培养出四批近50位优秀员工,其中不乏全国金融青年岗位能手、全国金融五一劳动奖章等荣誉获得者。全方位、高品质的贴心金融服务,在新疆金融服务一线“开枝散叶”。
这样的服务,在疫情期间亦未间断。2020年初,新冠肺炎疫情突袭,部分员工无法及时返岗,网点正常营业面临困难。李鹏主动申请到离家32公里的偏远网点支援营业,在条件艰苦的网点坚守4个月。她说:“这个网点是我1990年入行工作的起点,我要带着抗击疫情、服务人民的使命回到这里,再寻一次初心。”
2020年7月,疫情又一次让乌鲁木齐市按下暂停键。她第一时间冲在前面,主动当起小区里的物资“运输员”、信息“采集员”、单元“守门员”和政策“宣导员”。凌晨在微信群耐心解答居民提问成了李鹏的常态,她累计开展志愿服务工作近500个小时。
32年如一日,以全心全意为人民服务的标尺,丈量基层一线的广阔。此次当选党的二十大代表,李鹏立志继续在新疆这片广袤蓬勃的大地上,当金融的星星火,做服务的燎原人。正如她写在笔记本扉页上勉励自己的话:“一滴水只有放进大海里才永远不会干涸。”(完)
提速近10倍!基于深度学习的全基因组选择新方法来了****** 近日,中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用,将助力深度学习在全基因组选择中的应用,为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物(Molecular Plant)》上。 全基因组选择作为新一代育种技术,通过构建预测模型,根据基因组估计育种值进行早期个体的预测和选择,从而缩短育种世代间隔,加快育种进程,节约成本,推动现代育种向精准化和高效化方向发展。 统计模型作为全基因组选择的核心,极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型,难以捕捉基因型和表型间的复杂关系。 相较于传统模型,非线性模型(如深度网络神经)具备分析复杂非加性效应的能力,人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机,深度学习算法的优化将会提高全基因组选择的预测能力。 该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料,通过创新深度学习算法框架开发了全基因组选择新方法。 与其他五种主流预测方法相比,该方法有以下优点: 可以利用多组学数据开展全基因组预测;算法设计中包含批归一化层、回调函数和校正线性激活函数等结构,可以有效降低模型错误率,提高运行速度;预测精度稳健,在小型数据集上的表现与目前主流预测模型相当,在大规模数据集上预测优势更加明显;计算时间与传统方法相近,比已有深度学习方法提速近10倍;超参数调整对用户更加友好。 该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。 学术支持 中国农业科学院作物科学研究所 记者 宋雅娟
(文图:赵筱尘 巫邓炎) [责编:天天中] 阅读剩余全文() |