统筹复杂财产险案件全流程理赔管理，覆盖车险大额人伤、企财险巨灾损失、工程险重大事故等场景，负责查勘定损、反欺诈调查、理算核赔及流程优化，需联动风控、法务、第三方机构完成跨部门协作。

• 主导某新能源车企仓库火灾企财险赔案，面对过火面积2000㎡、存货损毁严重的复杂场景，联合消防鉴定中心、资产评估事务所组建查勘组，运用热成像扫描技术还原起火点，依据《企业财产保险条款》中‘近因原则’区分雷击（保险责任）与电路老化（除外责任），最终核定直接损失1860万元，剔除不合理诉求420万元，案件获总公司‘优质理赔案例’称号。
• 针对车险人伤案件骗保高发问题，牵头搭建‘医疗票据-诊疗记录-伤残鉴定’三维度交叉验证模型，接入医保数据库比对用药合理性，开发‘超医保范围诊疗’‘误工期异常延长’等9项预警指标，应用后季度拦截欺诈案件23起，减损金额达710万元，推动部门人伤案均赔付率下降2.8个百分点。
• 优化工程险理算流程，引入BIM模型辅助损失核定，针对某桥梁垮塌工程险案件，通过BIM还原受损结构部件，结合市场价格指数动态调整配件更换成本，较传统人工丈量方式提升核损精度15%，该流程被推广至全公司工程险条线，年度节省人力成本约60万元。
• 管理5人理赔小组，制定‘分级响应机制’：小额案件（≤5万元）由组员自主处理并设置时效KPI（48小时内结案），大额案件（＞50万元）由本人牵头联合法务审核，团队季度人均处理量从18件提升至25件，客户满意度从89%提升至94%。

负责车险、家财险、短期健康险等基础财产险案件的理赔执行，涵盖现场查勘、损失初核、反欺诈筛查及客户沟通，需确保案件处理符合监管要求与公司核赔政策。

• 独立承担车险常规案件查勘，运用‘事故形态还原法’判断是否存在顶包或伪造现场，年度处理案件1500+，其中识别可疑案件47起，挽回损失210万元，连续三年获分公司‘反欺诈能手’称号。
• 主导某区域暴雨灾害家财险集中理赔项目，设计‘房屋损失分级评估表’（按结构类型、受损部位、修复难度划分为5级），配套标准化理算模板，使项目平均处理时效从6天压缩至3天，客户投诉率从12%降至4%，该项目被评为总公司‘灾备理赔优秀实践’。
• 参与反欺诈系统需求调研，梳理近三年1200+条骗保案例，提炼‘同一手机号关联多车出险’‘修理厂集中报案’等15项风险特征，为后续智能风控系统开发提供数据支撑，系统上线后部门欺诈识别率提升30%。
• 协助处理某企业机器损坏险争议案件，通过调取设备运行日志、检修记录，结合《机器损坏保险条款》中‘设计缺陷免责’条款，成功拒赔不合理诉求180万元，该案例入选分公司年度法律合规培训教材。

协助完成车险、企财险案件的基础查勘记录、资料整理及初步理算，参与部门培训及典型案例复盘，学习理赔全流程操作规范与风险控制要点。

• 协助理算车险案件400+，熟练操作公司‘理赔宝’系统，核对保单信息、事故认定书、维修发票等材料一致性，录入准确率99.9%，获直属领导‘基础工作零差错’书面表扬。
• 跟随资深理赔师参与企财险现场查勘，学习使用激光测距仪、无人机拍摄损失现场，协助撰写《查勘报告》，掌握‘固定资产损失评估四步法’（清点-登记-计价-核损），累计完成60+企财险案件的基础查勘支持。
• 整理部门典型案例库，分类归档车险人伤、企财火灾、工程险暴雨损失等30+个典型案例，标注关键风险点（如‘非医保用药剔除依据’‘施救费用合理性判定’），为新人培训提供实操素材，缩短新员工独立上岗周期约5个工作日。
• 参与车险人伤案件调解，协助对接伤者、医院及保险公司，运用《民法典》侵权责任编知识解释赔偿项目合理性，成功促成20+起案件达成和解，平均赔付周期缩短10天。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。

新能源企业财产险风险定价模型重构项目

• 安盛华邦作为专注企业财产险的头部险企，传统定价模型依赖历史赔付数据，对新能源企业这类新兴客群的高异质性风险（如能耗波动、环保合规性、供应链韧性）捕捉不足，导致该类业务赔付率较传统企业高12个百分点，优质客户流失率达15%。我作为项目组长，主导重构适配新能源行业的多维度风险定价体系，目标是提升定价准确性、降低客群流失并拓展新兴市场。
• 项目核心难题在于新能源企业的风险特征难以用传统结构化变量量化——企业年报中的风险描述、环保评级报告中的定性结论、物联网设备采集的动态运行数据均未纳入模型。我引入自然语言处理（NLP）技术提取非结构化文本中的风险关键词（如“电池热管理缺陷”“环保处罚记录”），并结合物联网数据构建“动态风险因子库”；同时选择广义线性模型（GLM）作为基准框架，融合随机森林算法提升对非线性风险的拟合能力，解决了传统模型对新兴风险的“漏判”问题。
• 我的核心行动包括：1）牵头跨部门数据治理，联动IT部打通财务、业务、第三方数据平台，整合12类结构化数据（如产能规模、设备使用年限）与5类非结构化数据（如年报风险文本、环保评级）；2）针对新能源企业的分层特征，设计“基准费率+风险调整系数”策略——对能耗低于行业均值20%的客户给予15%的风险折扣，对环保处罚记录超过2次的企业加收20%附加费；3）推动模型回溯测试，选取300家新能源企业样本验证，调整参数使预测赔付率与实际赔付率的偏差率从18%降至7%。
• 项目上线后，新能源企业财产险赔付率从68%降至59%，年度新增保费收入1.2亿元，优质客户留存率提升至82%；模型被纳入公司财产险核心定价体系，覆盖80%以上的新兴行业客群。我个人因此获得2023年公司“创新项目一等奖”，并受邀在行业协会分享“新兴客群风险定价方法论”。

非车险智能理赔系统升级项目

• 公司非车险理赔存在两大痛点：一是流程繁琐，企业财产险火灾理赔案件需人工录入查勘报告、验真发票，平均时效7天；二是欺诈风险高，虚构消防设施维修费用、伪造营业中断损失的案件占比达3%，每年造成损失超千万元。我作为理赔运营负责人，主导升级智能理赔系统，目标是实现流程自动化与欺诈精准识别，提升运营效率与赔付质量。
• 项目难点在于非车险案件类型多样（涵盖火灾、水灾、营业中断等），理赔材料标准化程度低，OCR识别手写查勘记录、工程发票的准确率仅65%；且欺诈样本量少，传统规则引擎无法捕捉新型隐蔽欺诈模式。我采用迁移学习技术，将车险理赔的欺诈识别模型迁移至非车险场景，补充标注2000条非车险欺诈样本（如“重复索赔同一损失项”“虚构供应商资质”）；同时优化OCR模型，针对理赔材料中的特殊场景（如手写阿拉伯数字、繁体发票）进行 fine-tune，将识别准确率提升至92%。
• 我的核心行动包括：1）梳理理赔全流程，定位“查勘报告录入”“发票验真”“欺诈筛查”三个低效节点，引入RPA机器人替代人工完成重复操作，将单案件录入时间从4小时缩短至10分钟；2）推动系统与第三方数据平台对接，实时验证维修服务商资质、消防设施备案信息，杜绝“虚假服务商”欺诈；3）设计“风险评分卡”，将理赔案件的欺诈概率与赔付权限挂钩——评分低于60分的低风险案件自动进入快速赔付通道，高于80分的高风险案件触发人工复核，实现“精准提效”。
• 项目上线后，非车险理赔时效从7天缩短至2.5天，客户满意度从78%提升至93%；欺诈损失占比从3%降至1.2%，每年减少损失约800万元。系统被推广至全国12家分支机构，成为公司理赔运营的标准化工具。我个人获评2021年集团“年度运营卓越奖”，相关经验被写入公司《非车险理赔运营手册》。