统筹企财险、工程险及特殊风险（营业中断、机器损坏）全生命周期理赔管理，带领8人团队落地总公司政策，聚焦高价值案件精准定损、重大风险前置拦截与客户满意度提升

• 主导设计‘工程险现场查勘标准化操作手册’，针对地铁、商业综合体项目整合GIS定位、无人机航拍建模及损失清单自动比对工具，将复杂工程险查勘时效从72小时压缩至48小时内；解决查勘数据碎片化导致的定损偏差问题，试点项目赔付准确率从91%提升至97%
• 牵头处理某大型制造企业1.2亿保额火灾理赔案，联动公估、消防及企业生产部，运用‘损失溯源四步法’（火源认定-设备损坏链梳理-停工损失核定-残值评估），精准锁定电气线路老化责任，最终赔付较企业初始索赔减少2300万元，规避同类风险重复索赔
• 搭建‘理赔风险预警指标体系’，纳入‘区域季度出险率超15%’‘客户年度索赔频次≥3次’等6项核心指标，通过BI工具实时监控，推动总公司调整高风险区域核保政策，任职期间重大欺诈案件发生率下降41%
• 优化企财险小额快赔流程，推出线上化通道整合电子保单验真、在线损失上传及AI定损核价功能，将5万元以下案件时效从5个工作日缩短至1.2个工作日，季度客户满意度从4.2分提升至4.7分

负责企财险、家财险案件处理，支持理赔系统迭代，协助风险部门复盘数据，聚焦案件效率与客户沟通有效性

• 独立处理企财险案件120+件（含厂房火灾、设备损坏），运用‘损失金额倒推法’核对维修发票与查勘记录，拦截虚增损失案件3起，减少不合理赔付45万元
• 参与总公司理赔系统智能化升级，反馈‘查勘报告重复录入’‘定损金额无比对’等痛点，推动系统新增‘自动生成查勘模板’及‘定损偏离度预警’功能，一线日均工作时长减少1.5小时
• 协助风险部门完成‘2022年理赔数据复盘’，发现‘电子设备类企财险赔付率较行业高8个百分点’问题，溯源至核保端‘设备使用年限审核宽松’，推动增加‘设备折旧率强制校验’规则，后续赔付率下降5个百分点
• 处理某餐饮企业暴雨索赔纠纷，运用‘保险责任界定五要素’（标的损失-责任范围-除外责任-因果关系-金额合理性）沟通，达成双方认可方案，客户投诉率从1.8%降至0.3%

协助理赔专员完成资料整理、查勘陪同及系统录入，学习全流程，聚焦基础工作准确性与流程熟悉度

• 协助处理企财险、家财险案件80+件，完成保单、事故证明等资料收集，查勘现场记录损失与拍照，系统录入查勘结果，资料完整率100%，录入错误率低于0.1%
• 参与‘车险+财产险’交叉销售理赔联动，整理财产险客户车险理赔历史，分析出‘有车险记录客户出险率高12%’规律，为精准营销提供数据支持
• 制作‘理赔常见问题手册’，汇总15个高频问题（如‘未续保不赔’‘损失证明需盖章’），发放给客服部门后，预处理问题解决率提升25%，减少无效案件流转

基于场景化风险建模的商业楼宇财产险定价优化项目

• 商业楼宇财产险是公司非车险核心业务之一，但2021年赔付率达68%，较行业均值高10个百分点——传统定价依赖“楼宇类型+面积”的粗颗粒度因子，未覆盖物业管理水平、租户行业波动、周边环境等关键风险，导致高风险楼宇定价不足、低风险楼宇溢价流失。我的核心目标是重构“场景化风险定价模型”，实现“一楼宇一价”的精准定价，同时支撑产品向中小楼宇市场下沉。
• 项目难点在于商业楼宇风险的“非结构化”：一是传统数据维度缺失（如物业应急响应能力、租户行业集中度无统一量化标准），二是风险因子间存在非线性关联（如老旧楼宇若搭配一级物业，赔付率较同类型二级物业低20%）。我选择“梯度提升树（XGBoost）+ 贝叶斯网络”的混合模型框架——前者处理非线性关系，后者实现风险因子的可解释性；同时对接第三方物业评级机构（如中物协“星级物业数据库”）、工商租户数据（企查查“行业波动指数”），补充了5个非传统风险维度。
• 我主导了三方面关键行动：1）数据攻坚：清洗3年历史理赔数据（12万条）与外部场景数据（8万条楼宇属性、物业、租户信息），解决“数据孤岛”问题；2）模型调优：通过SHAP值分析筛选出23个核心因子，其中“物业消防演练频率”“租户行业集中度系数”对赔付率的预测权重达18%；3）模型验证：采用“时间序列backtesting”，证明新模型对未来12个月赔付率的预测准确率从72%提升至89%，且通过了银保监会“定价合理性回溯测试”。
• 项目成果显著：2023年6月新定价模型全量上线后，商业楼宇财产险赔付率降至59%（同比下降9pct），中小楼宇（建筑面积≤5万㎡）市场份额从15%提升至23%，新增保费1.2亿元；同时因定价精准，高风险业务的赔付成本下降18%，全年节省赔付支出4200万元。我个人主导了从“需求拆解-数据整合-模型落地-业务验证”的全流程，推动公司从“行业通用定价”转向“场景驱动的精细化定价”，成为非车险条线的标杆项目。

基于RPA+AI的商业车险人伤理赔流程重构项目

• 2020年公司商业车险人伤理赔面临“双高”痛点：时效高（平均处理周期8天，行业均值5天）、欺诈率高（欺诈损失占比12%）——传统流程依赖人工收集医疗资料、线下核损，且缺乏有效手段识别“挂床住院”“过度诊疗”等欺诈行为。我的目标是重构“智能人伤理赔流程”，实现“时效减半、欺诈率下降50%”的核心目标。
• 项目难点在于人伤理赔的“专业壁垒”：一是医疗数据格式不统一（不同医院票据、诊断证明的结构差异大），二是欺诈行为隐蔽性强（如虚构陪护人员费用）。我选择“RPA自动化+AI认知计算”的组合方案：用RPA机器人自动抓取医院电子病历系统（HIS）中的诊疗记录，解决资料收集慢的问题；用基于BERT的NLP模型分析医疗文本，识别“诊断与用药不匹配”“检查项目超适应症”等异常点，再结合历史欺诈案例库训练欺诈预测模型。
• 我推动了两方面核心创新：1）跨系统打通：协调IT部门与10家合作医院的HIS系统对接，开发RPA脚本23个，实现“报案-资料收集-录入”全流程自动化，替代了70%的人工操作；2）AI模型迭代：通过迁移学习优化NLP模型，将医疗异常识别准确率从75%提升至87%；同时将欺诈预测模型嵌入理赔系统，实现“自动预警+人工复核”的闭环。此外，我还主导制定了《智能人伤理赔操作规范》，明确了AI结果与人工审核的权责边界。
• 项目落地后效果显著：人伤理赔时效从8天缩短至3天（同比下降62.5%），单案处理成本降低40%；欺诈损失率从12%降至5%，每年减少欺诈赔付约3000万元；客户满意度（CSAT）从75分提升至88分，该项目获总公司“年度运营创新奖”。我作为项目负责人，不仅推动了技术与理赔流程的深度融合，更通过制度设计解决了“AI决策的可追溯性”问题，成为公司“智能理赔”的试点模板。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。